实验设计与数统据计分析.docVIP

第二章 实验设计与数据统计分析 实验设计的基本问题 变量的选择与控制 实验中的效度 真实验设计 完全随机设计 多因素实验设计 随机化区组设计 准实验设计和非实验设计 一、实验设计的基本问题 （一）变量的选择与控制 1、变量的选择 2、实验设计中的控制 何谓控制？ 控制的应用 对变量的控制：随机化 使用控制组 3、实验误差 是存在于实验单元内作同样处理所得观测数据间的变差的度量。 实验误差的来源：内在变差；环境和操作的不一致；重复实验的误差。或S;G;R型误差。 （二）实验中的效度 何谓实验效度？ 一项实验所能揭示的事物本质规律的有效性程度。 自从1966年科贝尔(Campbell)和斯大理(Stanly)提出内在效度(InternaI Validity)和外在效度(ExternalVa1idity)这一概念描述研究效度以来，很多学者对影响效度的因素作过认真的研究，提出很多方面的因素。1979年库克(Cook)和科柏尔(Campbell)认为这一划分方法不够完整，后又从内在效度中抽出一部分命名为统计结论效度(Statistical Conc1usion Validity)，由外在效度中提出一部分命名为构想效度(Construct Validity)。 1、内部效度及影响因素 含义：实验处理被精确估计的程度。 影响内部效度的因素 历史：在实验中，与实验变量同时发生，并对实验结果产生影响的特定事件。 成熟或自然发展的影响： 选择： 测验： 被试的亡失： 统计回归： 仪器的使用： 选择和成熟的交互作用及其他。 2、外部效度及影响因素 含义：实验结果能被概括到实验情境条件以外的程度。 影响外部效度的因素： 测验的反作用效果 选择偏差和实验变量的交互作用 实验安排的反作用效果 重复实验处理的干扰 3、统计结论效度 含义：统计方法的适切性所引起的结论有效性程度，它主要反映统计量与总体参数之间的关系。内在效度是总体参数（真值）与有系统偏差的实验总体参数之间的关系问题，如没有系统误差，两个总体参数之间应该无差异。而统计结论效度所指的统计量，是用不同方法计算的统计量，二者是不同的。例如：一个按几何级数变化的数据，如用几何平均数计算统计量，就可能较好地反映总体参数情况，如用算术平均数作为代表值，就不适切就不能很好的代表总体参数，据此所得的统计结论，其效度当然就存在一定的问题。 统计结论效度是关于研究的数据分析处理程序的效度检验，或者说，它是检验研究结果的数据分析程序与方法的有效性的指标。统计结论效度的基本问题是研究误差、变异来源与如何适当地运用统计显著性检验，它不涉及系统性偏差的来源问题，而是研究误差变异情况和如何适当运用统计显著性检验的问题。例如，采用小样本的研究数据时，由于样本成份与测量数据都波动比较大，稳定性差，如果依赖统计显著性水平做出推论是不可靠的。在这种情况下，应该运用功效分析（power analysis），看看一定的样本范围、变异程度和α水平上能够检验出多大的效应。这就是统计结论效度所考虑的问题。 影响统计结论效度的因素： 统计检验力低（power of statistical tests）：样本大小——样本小，统计检验力低；显著性水平α的大小， α越小，β错误就越大，统计检验力就降低；因变量的误差变异（标准差）的大小，标准差越大，标准误也越大，达到显著水平时， β错误增加。 统计方法依据的假设条件的满足程度（是否违反统计方法的使用条件） 多重比较和误差变异。如果实验误差太大，标准误也增大，实验处理的层次增加，摒弃虚无假设的可能性增加， α错误也增加。 测量工具的信度 实验处理执行的信度，即实施实验时遵守设计要求的程度。 实验环境内，无定性非相关事故的影响。 被试者的随机变异。 统计结论效度的条件 研究的统计结论效度主要取决于两个方面的条件： 一是数据的质量，数据分析程序的效度是以数据的质量作为基础的，数据质量差的研究是谈不上统计结论效度的； 二是统计检验方法，数据分析中所采用的各种统计方法，都有其明确的统计检验条件的要求，一项研究中统计检验条件不明确或者被违反，就会显著降低统计结论效度。 4、构思效度 含义：关于关系变量及变量之间关系构想的准确性，以及实验变量在实验时的操作定义与推论时的定义一致性程度。换句话，所研究的特质在理论上构想的全面性。 研究的构思效度是指理论构思或假设的合理性、科学性，及其转换为研究目标的恰当程度和可操作性。它涉及建立研究方案和测量指标的理论构思（或观察指标的理论设想）及其操作化等方面的问题，即理论构思及其转换的有效性。为了使研究具有较高的构思效度，研究的理论构思首先要结构严谨、层次分明，形成某种“构思网络”，其次对研究内容做出严格的抽象与操作性定义（如针对研究构思的特