lecture5实验的设计和数据统计剖析.pptVIP

版权所有.华师心理学院莫书亮 ?2007-2008 Lecture 5Experimental Design and Data Analysis School of Psychology, Huazhong Normal University 莫书亮 Ph.D. booklight_pku@163.com OUTLINE 实验设计的概念 什么是实验设计 实验范式 实验设计中的变量及其控制 实验设计类型 实验设计的信度和效度 实验设计类型 不同分类： 根据对实验控制的严密程度分为：真实验设计，准实验设计和前实验设计 根据被试如何分配到各种实验条件下分为：被试者间设计、被试者内设计和混合设计 根据实验中要操纵变量的多少：分为单因素实验设计和多因素实验设计 被试间设计 又叫独立组设计，或组间设计。把被试分配到自变量的不同水平上或者不同的自变量上。每个被试在实验中只接受其中的一种处理。 优点：一种处理（或实验条件）不会影响另一 种处理或实验条件，因为每个被试只对一种处 理做反应。 缺点：个体间的差异可能会影响到结果的有效 性。所以必须处理个体间的差异。 两种克服办法： 随机组设计（random groups design） 匹配组设计（matched groups design） 随机组设计： 将被试随机分配在不同的组内接受不同的自变量处理。建立随机组的要点在于分派被试到不同组时，不能有偏差（bias）存在。如果有某些被试特征或与被试变量相关的因素左右了被试的分派，就是存在“偏差”。 随机化原则： 随机化方法：随机点名，掷骰子或奇偶分，先来后到，随机数字表。 匹配组设计 所有的被试都要先经过一个和实验作业同类、相似或表现出高相关的预试，然后根据预试的成绩来将被试配对分组。把被试分组后，再随机分配到不同的实验处理条件下。 但在匹配所有特征上有困难，而且增加实验工作量。常用随机化方法。 独立组设计混淆主要来自被试变量：随机组设计中混淆发生的概率比较小，但是一旦发生我们就无从得知混淆来自哪里； 配对组设计主要是为了减少被试变量混淆机率，但由于配对组设计本身的缺点，所以使用较少。 一个实验有A、B、C三种实验条件，我们打算每种实验条件最少各有15名被试，至多30名。每个被试可以得到40元的酬劳。在当地报纸上登广告征求被试，唯一的条件是必须10岁以上，然后要被试在某一特定时间到某大楼的某地方报到并按先后顺序排队。结果那天门口排了90个人。对于这90名可能的被试来说，从任何标准来衡量他们差异都很大。除了知道他们看过报纸上的广告之外，不了解关于他们的任何事情。问题是必须在被试一进门就立刻将他们不偏不倚地分成三组，如何做到这一点？ 被试内设计（Within-subjects design） 每个或每组被试接受所有的实验处理，然后比较在不同实验处理条件下的行为变化。又叫组内设计，有时候叫重复测量设计。 优点 节省被试。方便有效。 消除了被试的个别差异对实验的影响。 缺点 一种实验条件下的操作将会影响另一种实验条件下的操作，即实验顺序造成了麻烦。 此方法不能用来研究某些被试特点自变量之间的差异。 如果实验中每一种实验条件需要较长时间的恢复期，则不宜使用组内设计。 当自变量的不同水平代表一种连续事件的延续结果时，不宜使用组内设计。几种刺激在本质上应该是相对独立的。 例如，在复述实验中，被试重复一次和重复5次，两个自变量水平。但被试可能自己私自重复。破坏了自变量两个水平之间的差异。 处理办法：通过平衡技术可以减小，但不能完全消除。如果确实会产生，可以在两种处理方式之间保持足够长的时间间隔。或采用被试间设计。 对某些实验研究不适用。如用两种不同学习方法学习同一个实验材料。 被试内设计的几种形式： 完全的被试内设计 a、随机区组设计； b、ABBA平衡法 不完全的被试内设计 c、所有可能的顺序； d、选择的顺序 拉丁方设计（Latin Square） 不管采用什么方法，都是为了平衡实验条件间的顺序效应，同时考虑控制其他额外变量的影响。只是适应的情况不同而已。 完全的被试内设计（complete within-subject design）：一名被试接受所有的实验处理，因此其所有的被试变量效应都可以全部抵消掉。 不完全的被试内设计（incomplete within-subject design）：即每一位被试接受每一种实验条件，但在每一名被试的数据上，都混有实验条件和其他变量的作用，只有把每一种实验条件下的所有被试的数据总和起来才可能去掉这些混淆。 如自变量有3个水平A、B、C，第一组先进行A、B两种处理，第二组进行B、C两种，第三组接受C、A 完