SPSSAU教程13:类实验性研究问卷分析思路

在医学生物研究中,经常会听到“类实验”研究,意思是研究设计中有对研究对象的干预内容,与实验研究不同的是设计内容缺少随机原则分组或不设对照组。
这里指的是带有类似实验研究背景的研究方式,比如研究新型教学方式是否有效,将学生班级分为两组,其中一组为实验组,另外一组为对照组,实验组使用新型教学方式,对照组不作任何处理。

另一种类实验式问卷是分为实验前与实验后,比如测验新型教学方式是否有效,分别测量学生新型教学方式(实验)前,和新型教学方式之后的成绩对比。

“类实验”研究,通常也称作“情景”类研究等,在通常情况下,这类问卷研究影响关系并不通过回归分析,而是通过差异研究分析,如果具有差异性其说明变量之间有影响关系,反之则说明没有影响关系。此类框架在市场研究、教育学、心理学中相对较为常见,通常均是使用量表类问卷题。
1 分析思路

从研究思路上分析,
1、和其他类型研究相似,首先对样本背景,和样本特征、行为分析。使用频数分析了解各题项具体情况。
2、信度和效度分析。对研究量表进行信度和量表验证。针对信度分析,有时将实验组和对照组分别进行研究,也或者对实验前样本和实验后样本分别进行信度研究。
3、交互作用研究。此步骤为“类实验”式问卷核心研究步骤,通常情况下“类实验”类问卷研究会分析实验组和对照组的差异情况,也或者实验前和实验后样本的差异情况。在此基础上,研究人员可以对在实验水平不同(实验组和对照组,或者实验前和实验后)时,X对于Y的影响幅度是否一致进行研究,比如不同。
4、研究变量描述分析。如果研究问卷使用量表,则可以分别对实验组和对照组,也或者对实验前和实验后研究量表平均得分情况进行分析。
5、差异分析,如果在交互作用研究中发现具有差异性,也即说明实验有效,可以继续深入研究具体差异情况。
2 方法说明
交互作用研究:
(1)概念:交互作用是指研究两个分类自变量对于因变量Y(Y为定量数据)的影响,两个分类自变量X分别在不同水平的情况时,分类自变量X对于Y的影响幅度情况差异。
比如研究吸烟饮酒对于心脏病发生率的影响。要在吸烟与不吸烟的两种情况下,研究饮酒对于心脏病发生率的影响是否有区别。以及在饮不饮酒的两种情况下,研究吸烟对于心脏病发生率的影响是否有区别。

针对交互作用研究,通常情况下自变量X为两个,有时也为多个。自变量X均为分类数据,而因变量Y为定量数据。由于需要研究交互作用,因此模型中会涉及两个分类自变量的交互项(分类变量1*分类变量2)
(2)分析步骤
交互效应分析通常使用多因素方差分析,分析步骤如下:

<1> 数据处理
第一步为数据处理,通常涉及两种数据处理,分别是问卷文字转换成数据和定量数据处理。
针对问卷文字转换成数据处理,可使用数据编码(比如将不吸烟情况编码为1,吸烟情况编码为2)进行处理。
针对定量数据处理,如果研究的自变量X为定量数据,则需要将定量数据处理成分类数据,原因在于多因素方差分析的自变量均为分类数据。通常将定量数据处理成两组,具体分组的判定标准为平均值或者中位数值,如果研究者希望将定量数据处理为三组或者更多,可以使用百分位数进行转换,将定量数据转换为分类数据后,分类数据的组别数量即为水平个数。
<2> 交互作用分析
在交互作用分析时,首先应该检验自变量X是否呈现出显著性,比如上述例子中是否有高血压和是否摄入药物这两个变量是否呈现出显著性,如果自变量呈现出显著性,则说明高血压会对胆固醇水平产生影响。如果这个自变量没有呈现出显著性,则不需要再继续分析在没有高血压与有高血压的两种情况下,摄入药物对于胆固醇水平的影响是否有区别。
如果两个分类自变量均没有呈现出显著性,则交互作用研究结束,因为两个自变量均不会对因变量Y产生影响,更不可能会有交互作用研究。如果两个分类自变量X中有一个,或者两个均呈现出显著性,才可能进行后续交互作用研究。
当两个分类自变量X中有一个,或者两个均呈现出显著性,接着应该分析交互项的显著性,如果交互项呈现出显著性,则说明具有交互作用,如果存在交互作用则可以继续使用交互图进行直观分析。


从上表可知,利用多因素方差分析研究是否高血压, 药物共2项对于胆固醇水平的差异关系,模型R平方值为0.527,意味着是否高血压, 药物以解释胆固醇水平的52.71%变化原因。以及分析可知:
是否高血压, 药物共2项全部均会对胆固醇水平产生显著性差异关系,建议进一步使用单因素方差进一步进行研究。
<3> 交互图分析
本步骤进一步深入分析交互作用,使用交互图直观展示交互作用情况,SPSSAU会自动生成交互效应图。

<4> 进一步分析
完成交互图分析之后,接着可以继续下一步骤的差异分析。如果上述分析发现分类自变量呈现出显著性,则可以使用单因素方差分析继续深入研究单个自变量在不同水平时因变量Y的差异情况,也或者使用T检验进行研究。
更多分析方法的使用说明可到SPSSAU官网查看。