方差分析之间的差异

机器算法验证 方差分析 相互作用
2022-03-25 21:20:08

我的主题是伪装情商。我有一个具有三个条件的主题间设计。人们被要求在以下任一条件下完成情商调查:

  1. 作为求职者
  2. 自我批评
  3. 没有说明(被认为是“诚实的条件”)。

ANOVA 确实表明人们会做假:求职阶段的人的 EI 分数明显高于诚实状态的人;这就是我对伪装的定义。

我最感兴趣的是看看伪造EI是否存在性别差异。从折线图中,我可以看到女性比男性更假(女性在条件 1 和条件 3 中的得分要高得多;男性在条件 1 和条件 3 中的得分差距较小)。从以下三个分析来看,女性比男性更假:1) 如前所述,求职者的得分明显高于诚实者 2) 仅过滤求职者,ANOVA 显示女性的 EI 得分明显高于男性 3) 仅过滤诚实条件,ANOVA 显示男性和女性的 EI 得分没有显着差异

但是,问题是我不确定我上面描述的内容是否本质上类似于进行双向方差分析,其中性别和条件为 IV,EI 分数为 DV。我最初想到了这一点并运行了此方差分析,但未能获得显着的性别 X 条件交互(仅针对条件 1 和 3 过滤)。

我的问题是:基于我处理性别差异问题的两种方式,哪个是正确的?我的三步分析哪个推断出女人做假的多?还是没有显示出显着交互结果的双向方差分析,表明伪造中没有性别差异?

1个回答

您在这里要做的是估计女性和男性在情商得分中求职者和无指导条件之间的差异差异的差异是相互作用的影响,并且必须这样分析——这是建立一个对照实验的重点,就像你所做的那样。

考虑:

仅过滤求职者条件,ANOVA 显示女性的 EI 得分显着高于男性 (p=0.049)

仅过滤诚实条件,ANOVA 显示男性和女性之间的 EI 分数没有显着差异 (p=0.051)

这两种效应的大小可能几乎相同。

NB 没有显着的交互并不表明在伪造方面没有差异。这仅意味着您的实验无法在给定的显着性水平上告诉您是女性还是男性假得更多。查看交互效应的置信区间,以评估女性和男性在这方面是否存在任何重要差异。