这可以与根林的过程来完成。这是我生成以显示如何一些随机数据:分别
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'.
平均为基团(为了,在我截断为整数)是17,6,12,和9。因此,我们的GENLIN程序应该生成-11(大于1个孩子组中的前后差),-5(1个孩子 - > 1个孩子的差异)和8(前后差异的孩子差异)。
要图表中的数据,只是让你可以看到我们期待什么:
* 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.
现在,对于根林:
* 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.
结果表显示正是我们所期望的。
Std。错误,p值和其他假设测试值也都会被报告。希望有所帮助。
编辑:
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,所产生的标准误差和置信区间是从以前的实际上是不同的:这个可以用较少的“复杂”的语法通过计算交互项自己,做简单的线性回归来完成方法。我不太了解SPSS的GENLIN和REGRESSION程序,告诉你为什么会出现这种情况。在这个人为的例子中,你从数据中得出的结论大致相同。在现实生活中,数据不太可能是干净的,所以我不知道哪种方法“更好”。
我很困惑你的困惑!你只需要对差异进行t检验。或者,正如博客文章中的作者所记录的那样,您可以拟合一个回归模型,其后置均值作为结果,以及右侧的预均值,治疗虚拟值和预均值*治疗虚拟交互。 – 2013-03-26 19:17:46