主效應和交互效應我有 28 個音樂片段。 其中14首以大調作曲，其餘14首以小調作曲。 我正在研究對音樂的情緒反應和對音樂的偏好與音樂的模式和音樂的節奏。 我還想看看速度和模式的交互效果。
我這樣做的方法是使用 Analyze -> Fit Model。 然後，對音樂的情緒反應作為 y 變量。 然後我選擇速度和模式。 在 Macros 下，我做了全階乘，這產生了節奏和模式的主要影響以及這兩個量的交互作用。
但是，我遇到了兩個問題：
1) 當我只放置一個變量時，讓我們說節奏並檢查它的主要影響是顯著的。 模式也一樣。 但是當我使用 Full factorial 時，速度的主要影響不再顯著。
2) 當我分別檢查主效應以及使用全階乘。
哪個是解釋主效應的正確方法？
回复：主要影響和交互作用您對初始模型的描述（全因子）似乎是一個合理的起點。 你提出了所有可能的影響。 現在您決定數據支持哪些。
- 統計同時檢驗線性組合（模型）中的所有效應。 當您包括單個變量時，估計值會受到任何其他被忽略的重要變量的影響。 他們可以一起削弱或取消估計，或者他們可以人為地誇大估計。 遺漏的變量導致模型中變量的估計有偏差。 模型選擇先於模型解釋。
- F比的變化與第一點有關。 每次估計一組不同的模型參數時，您都會問不同的問題。
所以有幾點需要考慮：
- 如果您的觀察結果（即行）多於模型中的項，那麼提出所有可能的影響（例如，全因子的宏）是一個很好的開始方式。
- 消除您認為對模型不重要的高階項（例如，消除 X 之前的 X^2）。
- 維護模型層次結構：如果 X 不顯著但 X^2 顯著或 X*Z 顯著，則將 X 保留在模型中。
諸如此類的線性模型非常強大，但您將受益於一些關於它們的性質、估計和解釋的教育。 這個社區是獲得幫助的好地方，但我們也提供多種形式的培訓和教育。
回复：主要影響和交互作用是的，我會回复：主要影響和交互作用是的，節奏*模式的相互作用很重要。 那麼這是否意味著我在使用全階乘時考慮了速度和模式的主要效果值？
回复：主要影響和交互作用您沒有提到它，但我認為您的 Tempo*Mode 交互項很重要。在方差分析中，交互作用決定一切。基本上，這意味著你不能單獨談論你的任何一個主要影響。兩者之間的互動才是最重要的。
