单因素实验设计培训教案.pptVIP

《心理实验设计》 单因素实验设计 单因素设计分类 被试间设计 完全随机设计 被试内设计 重复测量设计 随机区组设计 拉丁方设计 混合设计 1. 完全随机实验设计 基本思想： 随机抽样 随机分派被试 基本假定： 由于被试是随机分配给各处理水平的，被试之间的变异在各个处理水平之间也应是随机分布、在统计上无差异的，不会只影响某一个或几个处理水平。 完全随机设计被试分配表 完全随机设计数据结构 实验设计模型 假设：H0：μ.1=μ.2=……=μ.p 或αj=0 设计模型：Yij =μ+αj+∈i(j) Yij：被试i在处理水平j上的分数 μ：总体平均数 Αj：水平j的处理效应——变异源1 ∈i(j)：误差效应，成正态分布——变异源1 变异结构与方差分析 总变异（SSt） 组间变异（SSb）：处理变异 组内变异（SSw）：误差变异 个体差异 其他无关变异 实验误差 简评 优点 设计简单易行 各处理水平中的被试数量可以不相等 在误差变异相同的情况下，比其他设计方式更敏感。 缺点 组内变异包括了随机误差以外的其他误差变异，如个体差异，增大了组内变异，使F值不易达到显著程度，降低了实验的敏感性。 练习 某厂技术员开发了一种新的加工工艺，为决定是否推广此工艺，需确定其是否比老加工工艺有更好的效费比和加工质量。 请你根据以上所学设计方式，为该厂设计一个实验方案，帮助做出合理决策，并对方案进行评价。 最简单的实验设计：单因素两组设计 特点： 只有一个自变量，自变量有两个水平 典型设计： 实验组控制组前后测设计（完全随机设计） 实验组控制组后测设计（完全随机设计） 2.随机区组实验设计 基本思想： 随机抽样 划分区组，区组内随机分派被试 前提假设： 自变量与区组变量之间无交互作用。 区组方法： 区组方法是将特定额外变量引起的变异从总变异中分离出来，使之不出现在处理效应和误差变异中的一种方法。 区组变量：多为被试变量（如性别、经验），环境变量（如时间、地点）有时也是潜在的区组变量。 被试分配表 实验设计模型 假设1：处理水平的总体均数相等或处理效应为零 H0：μ.1=μ.2=……=μ.p 或αj=0 假设2：区组的总体均数相等或区组效应为零 H0：μ1.=μ2.=……=μp. 或π2i=0 设计模型： Yij =μ+αj+πi+∈i(j) πi ：水平j 的区组效应 变异结构与方差分析 总变异SSt 处理间变异SSb 处理内变异SSw 区组变异SSb 残差SSr F处理=MS处理间 / MS残差 F区组=MS区组间 / MS残差 简评 优点 分离了明显的无关变异，减少了实验误差，提高了实验效度。 区组数量不受处理水平数影响，灵活性较好。 缺点 当处理水平数较多时，建立同质区组，寻找同质被试比较困难。 使用限制较多，如自变量与区组变量之间不能存在交互作用，部分限制了其应用。 练习 某厂技术员开发了一种新的加工工艺，为决定是否推广此工艺，需确定其是否比老加工工艺有更好的效费比和加工质量。 请你根据以上所学设计方式，为该厂设计一个实验方案，帮助做出合理决策，并对方案进行评价。 3.拉丁方实验设计 拉丁方设计是对区组方法的进一步运用，可以同时分离两个额外变量的效应。 适用条件： 实验中有一个自变量（P≥2个水平），两个额外变量（即区组变量，P≥2个水平）； 事先假定处理水平与区组变量水平之间无交互作用； 两个区组变量分别在拉丁方格的行和列分配，然后将处理水平随机分配给P2个方格单元，每个处理水平在每行、列中仅出现一次；每个单元中分派一名或多名被试，实验被试总数为N=np2(n ≥1)。 拉丁方格的标准快和随机化 标准块的随机化： 先随机化行 再独立地随机化列 适宜假设 假设1：处理水平的总体均数相等或处理效应为零 H0：μ1.=μ2.=……=μp. 或αj=0 假设2：区组变量1（行）的总体均数相等或效应为零 H0：μ.1.=μ.2.=……=μ.p. 或βk=0 假设3：区组变量2（列）的总体均数相等或效应为零 H0：μ..1=μ..2=……= μ..p 或γl=0 设计模型 Yij =μ+αj+βk+γl+∈pooled Yij：被试i在处理水平j上的观测值 μ：总体平均数（真值） αj ：水平j的处理效应（A） βk：水平k 的额外变量的效应（B） γl：水平l的额外变量的效应（C） ∈pooled：误差变异—方格单元内误差与残差 被试分派表 变异结构与方差分析 总变异SSt 处理间变异SSb 处理内变异SSw 无关变异SSb 无关变异SSc 残差SSr 单元内误差 F处理 =MS处理间 / MS单元内 F额外1=MS额外1 / MS单元内 F额外2=M