獨立樣本雙因子變異數分析（One-way ANOVA）

本例子是以林清山教授的書為例（心理學教育統計學，P.371，Ex16-1），資料檔在此。

• 先讀入資料檔。

ex<-read.table("ex16_1.csv",header=T,sep=",")

• 進行獨立樣本二因子變異數分析。

aovex<-aov(score~type*class,data=ex)

• 列出分析結果。

summary(aovex)

• 由ANOVA表可得知有交互作用（interaction）存在，因此必須再去探討單純主要效果（simple main effects）。

• 先將各資料分組（先以b因子分組；亦即是探討同在同樣的a因子之下會對不同的b因子造成什麼顯響。）

ex.b1<-subset(ex,class=="b1")

ex.b2<-subset(ex,class=="b2")

ex.b3<-subset(ex,class=="b3") 

• 之後分別進行單因子變異數分析。

summary(aov(score~type,data=ex.b1))

summary(aov(score~type,data=ex.b2))

summary(aov(score~type,data=ex.b3))

問卷調查分析實務（二）-->雙因子變異數分析之資料轉換與組合

該位朋友所探討之研究問題，其中一項是要探討性別在依變數（分成三向度）的差異情形，從其研究問題可以得知性別是一個因子；而向度又是另一個因子，因此必須以雙因子變異數分析來進行統計檢定，同時因為受試者（填問卷者）又同時要填寫三向度的題項，所以是愛試者間等組實驗設計（within subject balanced design）。

在進行two way anova之前，必須把資料進行處理（one row per subject轉成one row per observation），也就是說每一行（row）的資料僅包含三個欄位（性別，向度，分數），以下將逐一介紹處理過程。

• 首先計算各向度的總分，向度一（X101-X110）；向度二（X201-X220）；向度三（X301-X317）。

先將原始資料question依性別及向度處理成三個變數（data frame），分別是d1,d2,d3，每個變數中包含性別以及該向度的所有題項。

 d1<-question[,c(1:2,9:18)

d2<-question[,c(1:2,19:38)]

d3<-question[,c(1:2,39:55)]

接下來將各向度的各題項加總並放入變數q1,q2,q3之中，各變數只包含三個欄位：性別，向度以及總分。

q1<-data.frame(subject=d1$subject,sex=d1$sex,dimension=1,score=rowSums(d1[,-1]))

q2<-data.frame(subject=d2$subject,sex=d2$sex,dimension=2,score=rowSums(d2[,-1]))

q3<-data.frame(subject=d3$subject,sex=d3$sex,dimension=3,score=rowSums(d3[,-1]))

•  最後將這三個變數結合成一個適合進行ANOVA的data frame。

sex<-rbind(q1,q2,q3)

問卷調查分析實務（一）-->資料操作

日前朋友來問問卷調查之統計分析方式，因此筆者以Project R實際進行一次分析，並分享於此網誌（其實是怕忘記 = ="）。原始資料已經用試算表軟體處理過，並另存成csv檔，檔名是question.csv。

PS.此系列文章僅示範資料處理及操作，不涉及結果解檡。

•  資料檔下載。
• 開啟Project R並且設定好工作路徑至question.csv之資料夾。
• 載入資料檔至變數question之中（因為資料檔中的第一列為各變項的名稱，因此設定header=T）。

 question<-read.table("question.csv",sep=",",header=T)

•  因為資料檔包含了7個自變項以及47個依變項（問卷總題數，分成三個向度，分別是10,20,17題），所以若要計算各個依變項的平均值以及標準差，必須將自變項去除掉。

dep<-qestion[,-(1:8)]

•  描述統計值

summary(dep)

•  將描述統計值寫入檔案summary.csv中

write.table(summary(dep),"summary.csv",sep=",",col.names=NA)

•  計算標準差，並寫入檔案sd.csv中

sd(dep)

write.table(sd(dep),"sd.csv",sep=",",col.names=NA)

下篇文章將會進行雙因子變數數分析之實作。