研究者隨機抽取了32名被試，將他們隨機分為四組，每組被試閱讀一種生字密度的文章（實際上每個被試接受一種水平的處理）。我們的研究問題是，文章的生字密度對學生閱讀理解的影響。這種設計稱為完全隨機設計。下面

研究者隨機抽取了32名被試，將他們隨機分為四組，每組被試閱讀一種生字密度的文章（實際上每個被試接受一種水平的處理）。我們的研究問題是，文章的生字密度對學生閱讀理解的影響。這種設計稱為完全隨機設計。下面我們來介紹如何進行數據處理和結果分析。

數據處理

要進行完全隨機設計的方差分析，首先需要確定好分組變量。在這里，生字密度是一個分組變量，共有四個水平。將生字密度放入factor框中，并將閱讀成績作為因變量。

如果你想進行事后分析，可以點擊"post hoc"進行設置。

方差齊性檢驗

方差齊性檢驗是方差分析的前提條件之一。點擊"option"按鈕，打開選項對話框。勾選"homogeneity"，然后點擊"continue"按鈕，返回到主對話框。

點擊"ok"按鈕，開始處理數據并輸出結果。第一個表格顯示了方差齊性的檢驗結果。如果方差不齊，數據將無法進行方差分析。本例中，sig值小于0.05，說明方差檢驗結果不合適。

方差分析結果

雖然上述結果證明方差分析不可行，但為了讓大家理解方差分析的過程，我們繼續(xù)分析結果。在本例中，sig值小于0.05，表明結果具有統(tǒng)計顯著性。然而，由于方差不齊所造成的顯著性是沒有實際意義的。

這個結果告訴我們，文章的生字密度對學生閱讀理解可能存在一定影響，但由于方差不齊導致的結果顯著性不可靠，需要進行其他分析方法來進一步探究影響因素。

總結

完全隨機設計的方差分析是一種常用的研究方法，它可以幫助我們研究不同處理對因變量的影響。然而，在應用方差分析之前，我們需要進行方差齊性檢驗，確保數據滿足分析的前提條件。如果方差不齊，我們需要考慮使用其他統(tǒng)計方法來進行數據分析。