lecture 5 实验设计及数据统计分析幻灯片.pptVIP

Lecture 5Experimental Design and Data Analysis School of Psychology, Huazhong Normal University 莫书亮 Ph.D. booklight_pku@163.com 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 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。 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） 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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