行为实验设计3.pptVIP

行 为 实 验 设 计 第三章 实验设计 如何设计实验，来增强核心变量的效果，减少干扰和有害变量对实验结果所造成的混淆。 如何设计实验，来将不同变量的效应区分开。 第三章 实验设计 第一节 直接的控制：常数和处理变量 通过控制重要的变量，创造实验室数据，而非偶然数据。 方法一。使某一个变量在合适的水平，且保持不变。 方法二。某一个变量的取值上选出两个或者更多，使对应的实验结果有很大不同，也叫处理变量 将更多的变量控制不变，实验会简单，费用少，但得到的信息也变少。 第三章 实验设计 第一节 直接的控制：常数和处理变量 A. 复合处理变量 第三章 实验设计 第一节 直接的控制：常数和处理变量 B. 独立处理变量 第三章 实验设计 第一节 直接的控制：常数和处理变量 独立地改变所有的处理变量，将获得该变量影响效果的清晰证据（数据）。 第三章 实验设计 第二节 间接的控制：随机化 有些变量很难或者无法控制。如，天气；有些潜在重要的干扰变量，如实验对象的警觉性和兴趣，无法观察，更无法控制。 如果与核心变量混淆了，不可控制的干扰变量会导致推理出错。比如，播种新的种子后，本年度收成的增加可能是源于好的天气。在持续很长时间的实验中，很晚才引进“弹性需求”函数时，如果观察到实验中交易效率降低，原因可能是实验对象的疲劳。 实验中你可能将观测到的结果归因于一个核心变量，实际上它却产生于一个难于控制的干扰变量。 第三章 实验设计 第二节 间接的控制：随机化 随机化指确保无法控制（甚至无法察觉的）变量从处理变量中独立出来，从而达到间接控制。 基本思想，随机指定处理变量的选级。 如，在一个市场交易实验中，实验对象的爱好和习惯都是无法控制（无法察觉）的干扰变量。实验对象到达时，不要将所有早到的人指定为卖方，所有晚到的人指定为买方。应该随机的指定他们的角色。 这样，你可以确认，实验对象在实验中表现的差异不是源于实验者的个性等变量。 第三章 实验设计 第二节 间接的控制：随机化 最简单有效的实验设计“完全随机化”。每一个处理变量（或处理变量的每一种组合）在每次实验中被使用的概率均等。 如，在设计图B实验时，在每一次实验中可以扔两枚硬币，来选出四种处理方法中的一种。（伪随机数） 每种处理方法的概率是相同的，并且不受以前实验选择的影响。 当实验次数非常多时，完全随机化非常有效。 第三章 实验设计 第二节 间接的控制：随机化 当可以控制的干扰变量对实验结果有重大影响时，将控制和随机化结合起来更有效。 块状随机化是一种改进的完全随机化设计。 主要区别在于，块状随机化将一个多个干扰变量控制为处理变量，而不是随机数。 第三章 实验设计 经典男童鞋实验 （Box, Hunter 1978） 实验目的：了解一种新的鞋底材料是否比旧的更耐用。 核心变量是鞋底材料，为分两个级别的处理变量：新和旧。 干扰变量？ 孩子的习惯，爱运动、不爱运动等 每个孩子发一双鞋，一只鞋新材料，另一只旧材料。 随机指定核心变量，新材料在左脚或者右脚。 第三章 实验设计 第三节 其他设计 实验对象间设计，实验对象内设计（童鞋）。 交叉设计。在各个小实验中改变一个处理变量的级别，如A和B，可以考虑ABA的交叉设计。 例如，A表示双向拍卖，B表示买者拍卖，在一段实验中（ABA），做4个A，8个B，4个A，在另一段实验中（BAB），做4个B，8个A，4个B。 第三章 实验设计 第三节 其他设计 当存在两个或者更多处理变量时，因子设计是很重要的方法。 例如，有R和S两个处理变量（因子），R分为H、M和L，而S分为H和L。3×2的因子设计。 HH、HL、MH、ML、LH、LL每一个在实验中进行k=4次，共计3×2×4次实验 因子设计比完全随机化的设计更有效，因为它确保了每个处理变量（组合）有相同的发生次数。 第三章 实验设计 第三节 其他设计 第三章 实验设计 第三节 其他设计 因子设计法比完全随机化设计法的稳健性弱一些。 另外一个缺点，随着因子数目的增加，需要做的实验量会急剧增加。 部分因子设计法。只做因子设计实验的一部分，这部分要求平衡。假设有3个处理变量，每个变量有两个分级＋、－。理论上需要做如下的8种。 ＋＋＋、＋＋－、＋－＋、＋－－、 －＋＋、－＋－、－－＋、－－－。 第三章 实验设计 第三节 其他设计 如果目前由于预算等原因，只能做4种，如何挑选？ ＋＋＋、＋＋－、＋－＋、＋－－、 －＋＋、－＋－、－－＋、－－－。 平衡。要求第三个符号为前两个之积。得到 ＋＋＋、 ＋－－、 －＋－、 －－＋ 部分因子设计的简练是有代价的。一是没有随机化稳健；二是存在不一致性，将一些直接效果和互相作用混淆。 第三章 实验