lecture5实验设计及数据统计分析20教程.ppt

2019/6/9,1,Lecture 5 Experimental Design and Data Analysis,School of Psychology, Huazhong Normal University 莫书亮 Ph.D. booklight_pku@,2019/6/9,2,实验设计类型,不同分类： 根据对实验控制的严密程度分为：真实验设计，准实验设计和前实验设计 根据被试如何分配到各种实验条件下分为：被试者间设计、被试者内设计和混合设计 根据实验中要操纵变量的多少：分为单因素实验设计和多因素实验设计,2019/6/9,3,,被试间设计 又叫独立组设计，或组间设计把被试分配到自变量的不同水平上或者不同的自变量上每个被试在实验中只接受其中的一种处理 优点：一种处理（或实验条件）不会影响另一 种处理或实验条件，因为每个被试只对一种处 理做反应2019/6/9,4,,缺点：个体间的差异可能会影响到结果的有效 性所以必须处理个体间的差异 两种克服办法： 随机组设计（random groups design） 匹配组设计（matched groups design）,2019/6/9,5,,随机组设计： 将被试随机分配在不同的组内接受不同的自变量处理。

建立随机组的要点在于分派被试到不同组时，不能有偏差存在如果有某些被试特征或与被试变量相关的因素左右了被试的分派，就是存在“偏差” 随机化原则： 随机化方法：随机点名，掷骰子或奇偶分，先来后到，随机数字表实验设计中很重要的原则,2019/6/9,6,,匹配组设计 所有的被试都要先经过一个和实验作业同类、相似或表现出高相关的预试，然后根据预试的成绩来将被试配对分组把被试分组后，再随机分配到不同的实验处理条件下 但在匹配所有特征上有困难，而且增加实验工作量常用随机化方法2019/6/9,7,,独立组设计混淆主要来自被试变量：随机组设计中混淆发生的概率比较小，但是一旦发生我们就无从得知混淆来自哪里； 配对组设计主要是为了减少被试变量混淆机率，但由于配对组设计本身的缺点，所以使用较少2019/6/9,8,,被试内设计（Within-subjects design） 每个或每组被试接受所有的实验处理，然后比较在不同实验处理条件下的行为变化又叫组内设计，有时候叫重复测量设计 优点 节省被试方便有效 消除了被试的个别差异对实验的影响 缺点 一种实验条件下的操作将会影响另一种实验条件下的操作，即实验顺序造成了麻烦。

实验效率比较高，实验效果比较好，由被试变异性而导致误差的可能性比被试间设计小，容易达到统计显著水平练习效应 疲劳效应 ：随机化方式进行平衡处理,2019/6/9,9,此方法不能用来研究某些被试特点自变量之间的差异 如果实验中每一种实验条件需要较长时间的恢复期，则不宜使用组内设计 当自变量的不同水平代表一种连续事件的延续结果时，不宜使用组内设计几种刺激在本质上应该是相对独立的 例如，在复述实验中，被试重复一次和重复5次，两个自变量水平但被试可能自己私自重复破坏了自变量两个水平之间的差异2019/6/9,10,,处理办法：通过平衡技术可以减小，但不能完全消除如果确实会产生，可以在两种处理方式之间保持足够长的时间间隔或采用被试间设计 对某些实验研究不适用如用两种不同学习方法学习同一个实验材料2019/6/9,11,,被试内设计的几种形式： 完全的被试内设计 a、随机区组设计； b、ABBA平衡法 不完全的被试内设计 c、所有可能的顺序； d、选择的顺序 拉丁方设计（Latin Square） 不管采用什么方法，都是为了平衡实验条件间的顺序效应，同时考虑控制其他额外变量的影响只是适应的情况不同而已。

2019/6/9,12,完全被试内设计 随机区组设计（Block Randomization） ： 把被试分出不同的区组（block），每个区组内被试“同质”每个区组接受全部实验处理，每种实验处理重复的次数也要相同最后统计中可以剔除区组效应，获得纯粹的自变量效应 一个区组内可以是一个被试或者多个被试（实验处理数目的正倍数） 当被试的某些特征可能影响到实验效果时，可以采用这种方法2019/6/9,13,,每一区组内被试的人数分配有三种情况： 一名被试作为一个区组每名被试(区组)均接受全部处理，在接受处理的顺序上要采用随机化的方法 每个区组内被试的人数是实验处理数目的整倍数 区组内的基本单元不是一名被试或几名被试，而是以一个团体为单元2019/6/9,14,例如：研究不同声音刺激对学生解答数学问题的影响 自变量：声音刺激（四个水平）；因变量：解答数学问题成绩 实验设计： 实验处理几种？：X1、 X2 、X3 、X4将学生按照平时成绩分成3类：优良，中等和较差那么就获得了三个区组在每个分类中随机抽取12名被试，三个区组共有36名被试将每个区组内的学生随机分成4个小组，每组3人实验时一个区组内的每个小组，随机接受一种实验处理。

2019/6/9,15,,2019/6/9,16,,ABBA平衡法（ ABBA Counterbalancing ）： 是指每一种实验条件都以正反两种顺序呈现给被试虽然ABBA表示的是两种实验条件，但它并不仅仅限于两种实验条件 可以应用到多种实验条件并可以被多次重复，但这种方法一般应用于较少的实验条件和重复次数较少的实验中2019/6/9,17,,ABBA平衡法存在的问题： 如果练习效果不是呈线性增长的，这种平衡就 是无效的 预期作用是指被试对后面实验条件的预期 如果这个循环被重复几次，那么，被试肯定会 了解并预期以上的时间间隔的呈现模式2019/6/9,18,,所有可能的顺序： 采用所有可能的实验条件顺序组合（适用于三种以下实验条件的实验设计） 列出所有实验条件组合，并随机分派被试到各种实验组合中 当条件很少时，可以实现，但当条件很多时，没有可行性2019/6/9,19,,2019/6/9,20,,拉丁方设计： 对实验处理的顺序和实验时间的顺序采用轮换的方法安排 采用拉丁方设计安排实验条件的顺序，然后将被 试随机平均分派到各种实验顺序中去适用于六种以 下实验条件的实验设计2019/6/9,21,,顺 序 一 二 三 四,1 2 3 4 被 试 数 目,传统的4×4拉丁方设计,2019/6/9,22,,平衡式拉丁方设计： 安排拉丁方的方法： 1，2，n，3，n-1, 4, n-2, 5, n-3…… n=4, 顺序是 1，2，4，3 2，3，1，4， 3，4，2，1 4，1，3，2,2019/6/9,23,,在实验条件为偶数时，平衡式拉丁方设计较容易，当实验条件为奇数时，每个被试必须在每种条件下测两次才能获得平衡式拉丁方。

所以有两个方格2019/6/9,24,,实验条件为偶数（6）时：,2019/6/9,25,实验条件为奇数时拉丁方设计，方格1,2019/6/9,26,,方格2,2019/6/9,27,,第一行安排实验顺序的公式： 对于偶数个子变量水平，建立平衡的拉丁方的第一行公式为1、2、n、3、n-1、4、n-2，以六个自变量水平为例，第一行为1、2、6、3、5、4. 对于奇数个自变量水平，必须有两个方阵，第二个方阵与第一个方阵正好相反，以5个自变量为例，第一行为1、2、5、3、4 / 4、3、5、2、12019/6/9,28,,但是，如果不同实验条件在顺序上不是独立的，而是有相互作用，应该选择别的设计方法，如随机区组设计2019/6/9,29,,实验设计的例子及详细的统计，请参阅： 舒华：《心理与教育研究中的多因素实验设计 》 2019/6/9,30,被试者间设计和被试内设计的比较：,2019/6/9,31,,混合设计： 在同一个研究中有些自变量按被试间设计处理，而另一些自变量则按被试内设计处理一般地，如果一种自变量很可能会影响另一种自变量，那么这些变量按组间设计安排，其余的自变量则按组内设计安排。

优点：保留了被试间和被试内设计的优点，克服了各自的缺点适用于多变量的实验设计虽然不如被试内设计有效和经济，但很安全2019/6/9,32,,实验设计举例： Johnson等人（1983）用混合设计的方法比较抑郁者和非抑郁者的记忆成绩他们假设，抑郁者比非抑郁者对于未完成的记忆任务的记忆效果更好实验中，要求抑郁组和非抑郁组完成20项记忆任务，其中，10项记忆任务在完成之前被打断在全部任务完成后，要求被试回忆记忆任务的名称或尽可能多地描述记忆任务 被试变量是组间设计（抑郁 ：非抑郁），任务类型是组内设计（完成：未完成）2019/6/9,33,多因素实验设计,什么是多因素实验设计： 在一个实验中包括两个或两个以上因素或自变量，而且每个因素有两个或两个以上水平这样的实验设计常常叫多因素实验设计与单因素实验设计相对而言 心理学很多研究都是多因素实验设计优点是实验效率高；实验控制很好；容易建立结果的普遍性；有利于观察变量之间的交互作用和主效应能考察多个因素之间的关系实用价值高2019/6/9,34,,几个概念： 水平：指自变量的单个的处理方式或条件 如自变量是学习中的作业反馈，两种处理方式分别 是积极反馈和无反馈。

那么就说自变量作业反馈有 两个处理水平 处理（treatment）与处理水平的结合：特定的实验条件,2019/6/9,35,,交互作用：指一个自变量对因变量的影响，因为另一个自变量水平的不同而不同时，就说这两个自变量产生了交互作用这时不能独立讨论各个自变量的主效应 主效应(main effects）：一个自变量的各个水平对因变量的影响 简单效应（simple effects）：一个因素的水平在另一个因素的某个水平上的变异2019/6/9,36,,误差变异（error variance）：不能由自变量或明显的额外变量解释的那部分变异 形式举例： 一个实验有两个自变量，A和B，A有两个水平A1和A2，B有2个水平B1和B2，那么这个实验设计就叫2 x 2 的二因素实验设计如此类推，自变量数和水平数可以增加则如 2 x 3； 2 x 2 x2； 2 x 3 x4； 但是，一般因素数超过4个就太复杂，对结果进行解释也很困难2019/6/9,37,,实验举例： A 2(diet) x 2(exercise) design will produce 4 groups (experimental conditions)。

2019/6/9,38,,2019/6/9,39,,,2019/6/9,40,,,2019/6/9,41,练 习,研究8岁和10岁儿童阅读用10号字和12号字打印的段落材料的时间差异 请提出：自变量，因变量，实验处理设计类型，推测结果：主效应和交互作用2019/6/9,42,准实验设计 (Quasi-experimental designs),概念： 与真实验设计相对而言在实验中不能对变量进行严格的控制（这些变量常常是被试变量特征），或者使用自然发生的组，而不能把被试随机分配到各种实验条件下但是仍然观察到因变量作为自变量变化的函数 优点：因问题和条件限制而无法使用严格的控制实验时，可以采用准实验设计适用自然发生的自变量，解决实际问题，常用于一些应用研究2019/6/9,43,,如典型的被试变量（年龄，性别，种族，种群），社会引起的被试属性（社会阶层，宗教等），疾病以及与疾病有关的被试因素（智力低下，脑损伤等），只能选择而不能改变研究很有实际的应用价值 缺点：付出控制的代价本质来讲，准实验设计只能是一种相关设计，评价因果关系及其推广到其他情境，必须非常谨慎2019/6/9,44,准实验设计类型：,时间序列设计（time-series design） 。