這可以與根林的過程來完成。這是我生成以顯示如何一些隨機數據:分別
data list list /after oneChild value.
begin data.
0 1 12
0 1 12
0 1 11
0 1 13
0 1 11
1 1 10
1 1 9
1 1 8
1 1 9
1 1 7
0 0 16
0 0 16
0 0 18
0 0 15
0 0 17
1 0 6
1 0 6
1 0 5
1 0 5
1 0 4
end data.
dataset name exampleData WINDOW=front.
EXECUTE.
value labels after 0 'before' 1 'after'.
value labels oneChild 0 '>1 child' 1 '1 child'.
平均爲基團(爲了,在我截斷爲整數)是17,6,12,和9。因此,我們的GENLIN程序應該生成-11(大於1個孩子組中的前後差),-5(1個孩子 - > 1個孩子的差異)和8(前後差異的孩子差異)。
要圖表中的數據,只是讓你可以看到我們期待什麼:
* Chart Builder.
GGRAPH
/GRAPHDATASET NAME="graphdataset" VARIABLES=after value oneChild MISSING=LISTWISE REPORTMISSING=NO
/GRAPHSPEC SOURCE=INLINE.
BEGIN GPL
SOURCE: s=userSource(id("graphdataset"))
DATA: after=col(source(s), name("after"), unit.category())
DATA: value=col(source(s), name("value"))
DATA: oneChild=col(source(s), name("oneChild"), unit.category())
GUIDE: axis(dim(2), label("value"))
GUIDE: legend(aesthetic(aesthetic.color.interior), label(""))
SCALE: linear(dim(2), include(0))
ELEMENT: line(position(smooth.linear(after*value)), color.interior(oneChild))
ELEMENT: point.dodge.symmetric(position(after*value), color.interior(oneChild))
END GPL.
現在,對於根林:
* Generalized Linear Models.
GENLIN value BY after oneChild (ORDER=DESCENDING)
/MODEL after oneChild after*oneChild INTERCEPT=YES
DISTRIBUTION=NORMAL LINK=IDENTITY
/CRITERIA SCALE=MLE COVB=MODEL PCONVERGE=1E-006(ABSOLUTE) SINGULAR=1E-012 ANALYSISTYPE=3(WALD)
CILEVEL=95 CITYPE=WALD LIKELIHOOD=FULL
/MISSING CLASSMISSING=EXCLUDE
/PRINT CPS DESCRIPTIVES MODELINFO FIT SUMMARY SOLUTION.
結果表顯示正是我們所期望的。
Std。錯誤,p值和其他假設測試值也都會被報告。希望有所幫助。
編輯:
compute interaction = after*onechild.
execute.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS CI(95) R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT value
/METHOD=ENTER after oneChild interaction.
注意,所產生的標準誤差和置信區間是從以前的實際上是不同的:這個可以用較少的「複雜」的語法通過計算交互項自己,做簡單的線性迴歸來完成方法。我不太瞭解SPSS的GENLIN和REGRESSION程序,告訴你爲什麼會出現這種情況。在這個人爲的例子中,你從數據中得出的結論大致相同。在現實生活中,數據不太可能是乾淨的,所以我不知道哪種方法「更好」。
我很困惑你的困惑!你只需要對差異進行t檢驗。或者,正如博客文章中的作者所記錄的那樣,您可以擬合一個迴歸模型,其後置均值作爲結果,以及右側的預均值,治療虛擬值和預均值*治療虛擬交互。 – 2013-03-26 19:17:46