主要影响和互动效果我有28个音乐片段。其中14个以主要模式组成，其余14个以小模式组成。我正在考虑对音乐的情感反应以及对音乐模式和音乐节奏的音乐偏好。我还想看一下节奏和模式的交互效果。
我这样做的方法是使用Analyze - > Fit Model。然后，音乐的情绪反应为y变量。然后我选择Tempo和Mode。在Macros中，我做全因子，这使我产生了速度和模式的主要影响以及两个量的交互效果。
但是，我遇到了两个问题：
1）当我只放一个变量时，让我们说速度并检查它的主要效果是重要的。模式也是如此。但是当我使用Full factorial时，节奏的主要影响不再显着。
2）当我单独检查主要效果和使用时，我还注意到主要效果的F比值发生了变化全因子。
哪种方法可以解释主效应？
回复：主要效果和互动效果你没有提到它，但我认为你的Tempo * Mode的交互术语是非常重要的。 在ANOVA中，交互规则。 基本上，这意味着你不能互相讨论任何主要影响。 两者之间的相互作用是重要的。
回复：主要效果和互动效果是的，节奏*模式的交互很重要。那么这意味着当我使用全因子时，我会考虑速度和模式的主要效果值吗？
回复：主要效果和互动效果是的，我会回复：主要效果和互动效果您的初始模型的描述（全因素）似乎是一个合理的起点。你摆出所有可能的效果。现在您决定数据支持哪些。
- 统计数据同时测试线性组合（模型）中的所有效果。当您包含单个变量时，估计值会被省略的任何其他重要变量所偏向。他们可以一起削弱或取消估计，或者他们可以人为地夸大估计。省略的变量导致模型中变量的偏差估计。模型选择先于模型解释。
- F比的变化与第一点有关。每次估计一组不同的模型参数时，您会询问不同的问题。
所以要考虑几个要点：
- 如果您有比模型中的术语更多的观察（即行），则可以开始所有可能的效果（例如，全因子宏）。
- 消除您认为对模型不重要的高阶项（例如，在X之前消除X ^ 2）。
- 维护模型层次结构：如果X不显着但X ^ 2显着或X * Z显着，则将X保留在模型中。
诸如此类的线性模型是强大的，但您将受益于关于其性质，估计和解释的一些教育。这个社区是一个获得帮助的好地方，但我们也提供多种形式的培训和教育。
