推荐第二部分：单因素完全随机实验设计.ppt

* * * * * * 在进行方差分析时，需要首先计算同质性检验，这样做的目的是检验各组被试是否同质，或者说是否从同一人群中抽取出来的。这是由实验设计所决定的，因为被试是完全随机分配给实验条件的。 不过，要注意的是，在SPSS对书上的数据进行分析时，发现同质性检验显著，表明方差不呈齐性。但用书后附的F表看来，应该是齐性的。我不太清楚SPSS采用的是什么判断标准。 * * 在单因素因素分析中，如果样本量很大的话，差异显著性检验会很容易达到显著性水平。这是因为： F=MS组间/MS组内 而 MS组内＝SS组内/p(n-1) * 在这种情况下，就只有统计显著性，而没有实用显著性。这时就需要计算关联强度ω2，以补充说明假设检验的结果，并了解变量间的关系程度，关联强度即是因变量可以由自变量解释的百分比。在方差分析中，如果F值显著，但ω2很小，表示自变量对因变量的作用很小，这种结果就表示只存在统计显著性。 * 在关联强度大小的判断上面，依据Cohen(1982,1988)的标准，如果ω2值在6％以下，那么表示变量间关系微弱；而如果ω2值在6％－16％，则表示关系中等；而如果ω2值在16％以上，则表示变量间呈强度相关。 那么如何在SPSS中求出关联强度呢？那么这就需要用到通用线性模型(GLM) * SS组间－(p-1)MS组内 ω2 = SS总变异＋ MS组内 * * 当只有两个实验条件的情况下 在许多实验研究、特别是教育实验研究中，只有实验组和控制组，其中实验组接受实验处理，而控制组不接受实验处理或者只接受中性处理或安慰剂处理。通常在教育研究中，这种实验设计有专门的名称，被称为等组实验设计。其实等组的概念来源于对被试的随机控制控制，前面我们讲的四个条件的实验同样属于等组实验。 * 等组后测实验法 组 别 前测量（因变量） 实验处理（自变量） 前测量（因变量） 随机抽样 随机分派 实验组 * * * 控制组 * ? * 比 较 * ? * 等组前后测实验法 组 别 实验处理（自变量） 后测量（因变量） 随机抽样 随机分派 实验组 * * 控制组 ? * 比 较 ? * * 这里要注意的是，对于每种实验条件而言，被试是随机分配的。如果不是随机分配，而是采用匹配的方式进行被试的分配，那么将是另外一种实验设计。 对于这种实验设计的数据，又应该如何进行处理呢？ * 练习 研究者试图探讨三种任务下无意学习的效果。实验过程：被试将在屏幕上看到一系列的单词，每看到一个词，它就要完成下列三种任务中的一种；一是计算词中的字母数；二是判断词是否押韵；三是想像词所代表的形象。因变量是随后进行的一个未准备的意外的回忆测验。 * 实验设计 余 林 西南大学教育科学研究所 2008.3 * 五、实验设计的分类 （一）完全随机、随机区组和拉丁方设计 这是三种最基本的实验设计形式，它们可以组成各种复杂的实验设计。这三种设计的区别在于控制无关变量的方法不同。 * 1、完全随机 2（教学方法）×2（智力水平）实验设计 方法： 控制无关变量的方法： 不足：所有不能解释的变异均成为误差，因此假设检验的效度不高。 将被试随机分配给各实验条件 完全随机化 * 2、随机区组 2（教学方法）×2（智力水平）实验设计 考虑到学生的原有水平可能会影响到实验结果，因此需要控制 方法： 效果：通过方差分析可以将这个因素排除掉，从而可以提高检验的效果。被试数量的减少：一个全方差分析需要被试2×2×N 匹配、随机分配 * 3、拉丁方设计 用于单因素实验设计 可控制两个无关变量、进一步提供实验的精度。 * （二）单因素和多因素实验设计 这主要是根据实验者操纵的因素不同来区分的。多因素实验设计的最大好处是能够计算变量之间的交互作用。如自学辅导式教学方法对能力高的学生有很好的效果，但对能力低的学生则效果不好。 * （三）被试间、被试内和混合实验设计 被试间实验设计（between-subject design）：一个被试只接受一个实验处理或者实验条件，完全随机、随机区组和拉丁方都属于被试间实验设计（为什么？）。 被试间实验设计又称为非重复实验设计，实验中的自变量叫作被试间变量。这种设计的最大不足在于对实验中由被试带来的无关变量控制不够理想。 * （三）被试间、被试内和混合实验设计 实验设计发展的一个趋势是重复实验设计的使用。 被试内实验设计则被称为重复测量实验设计，它是随机区组设计的进一步发展，即由一个被试（而不是一组同质被试）接受所有的实验条件或实验处理。 被试内实验设计中的变量被成为被试内变量。这种设计能够将由被试带来的无关变量减小到最小程度。 不过应用被试内实验设计有一个条件：即对被