单因子设计.doc

单因子设计 以下所有讨论既适用于试验室也可用于野外或现场试验． 首先给出几个关键名词定义. 处理指在人工控制条件下对不同被试者施加的有系统差异的影响.根据设计不同, 一个处理可能对应于一个单一因子水平(单因子设计时)或若干因子水平的组合(多因子设计时). 重复是指为了减少和测验试验误差而把试验处理施加于多个被试者身上. 所谓一元或多元设计是根据设计中因变量的数目划分的．如果只有一个因变量就是一元设计, 多个因变量则多元设计. 试验设计中更重要的是试验因子的数目. 根据这个把所有试验分成单因子和多因子设计. 单因子是指仅含一个试验因子的设计, 而多因子则含有两个以上试验因子. 顺便说一下, 试验设计和统计模型分析有些不同. 统计分析时根据因变量的性质(连续或分类)不同会导致完全不同的模型. 而试验设计中的因子数目及其相互关系更为重要, 不同的设计主要由因子数目和彼此关系来界定. 这主要是因为在设计中的因变量方差分析要求都是连续的. 因变量就是那些在试验中被测量的变量, 也是我们的假设检验要比较的对象. 其内容可以很灵活, 既有个体主观的报告也有客观的测量. 有些是对试验因子的直接反应, 有些则和试验因子表面看没有直接关系. 自变量决定被试在实验中是否分组，分多少组，因变量决定实验中每个被试至少应作多少次测试，而无关变量则决定实验中应采取哪些实验控制的方法 . 考虑四种情况如下表 单一因变量 多个因变量 单个试验因子 一元单因子设计 多元单因子设计 多个试验因子 一元多因子设计 多元多因子设计 一般来说单一因变量的试验在市场研究中比较多见．多元因变量相对较少．但有一种例外即重复测量设计，此时是把每次测量值作为一个因变量(当然这些因变量彼此是相关的，见后讨论)，故有多少次测量就有多少个因变量． 思考题: 下列例子各属于那种设计? 从麦当劳附近抽样100名顾客, 分成两组(每组50人, 此时两组个体数目相等, 称平衡设计). 对其中一组显示麦当劳薯条致癌的消息, 另外一组不显示. 然后搜集两组对麦当劳的满意度打分(从1到10, 10为高, 1为低). 同上题, 但是现要求每人评价麦当劳的产品质量, 服务态度, 清洁程度,和价值. 同第一题, 但现在把100人分成四组, 即是否显示致癌消息(显示, 不显示), 以及是否在本月光顾过麦当劳(去过, 没有去过). 同第一题, 但现在除了显示和不显示致癌消息以外还考虑性别. 同第二题, 分组标准同第三题. 从乐购和大润发分别拦截100人, 分别对每个大卖场的总体满意度打分. 从乐购和大润发分别拦截100人, 分别对每个大卖场的QSCV打分. 从乐购和大润发分别拦截100人, 要求每人对两个大卖场的满意度打分. 从乐购和大润发分别拦截100人, 要求每人对两个大卖场的QSCV打分. 单因子时一般采完全随机设计，记为CR-g, 其中g是处理组数． 一个单因子完全随机设计的例子如下 考虑价格对一种玩具销售额的影响．价格分高，中，偏低和低四水平，则该试验共有四种处理，对应于四个价格水平如下表 高价 中等价 偏低价 低价 5 3 6 6 3 6 5 5 3 2 6 6 3 5 5 7 上表含有四次重复即每种价格含有四个试验个体． 单因子设计时其因子水平数即为处理数．也就是有几个水平即有几个处理. 单一因子设计不分固定效应还是随机效应，其Ｆ检验的分子分母都是一样的．关于什么是固定和随机效应以及它们如何影响Ｆ检验等见后． 单因子设计往往过于简单，不能控制其它可能的干扰因子．另外它只用随机化来控制个体之间差别(或消除个体间原有差异, 仅留下试验处理引起的差异)，未能采用局部控制原理，其效率常常比较低．需要比较大的样本. 这一方面是因为大样本时方可减少小样本时的偶然性随机误差; 另一方面也因为在单因子设计时每个个体仅仅用于比较一个因子内各个水平． 思考题：完全随机设计有没有用到试验三原则即随机，对照，和重复？ 完全随机设计的符号表示为S(A), 其中A=处理单因子，S=试验个体；括号内是嵌套因子，括号外是被嵌套因子．注意这个和直观猜想正相反． “嵌套”的意思是一个因子各水平和另一因子的各水平不完全碰头而是一个因子的某些水平(如价格)只和另一因子(如促销)的某些水平见面，和其它的不见面．这是识别阶乘设计和嵌套设计关键！如下例中供应商和分销商， 嵌套设计例子 供应商１ 供应商２ 分销商 分销商１ 分销商２ 分销商３ 分销商４ 上述分销商１和２只和供应商１打交道，分销商３和４则只和供应商２打交道等． 与之相反, 交叉(或阶乘或因子)设计中是每个因子的所有水平和另一因子的所有水平都相遇! 如上面例子如果是交叉设计就有每个分销商和每个供应商都打交道. 供应商１ 供应商２