EP08单因素实验策画.ppt

第九章 单因素实验设计及其数据处理 常用术语 第一节 单因素完全随机实验设计及其数据处理 适用条件：研究中有一个自变量，自变量有2个或多于2个水平。 基本方法：把被试随机分配给自变量的各个水平，每个被试只接受一个水平的处理 这种设计由于被试样本是随机选取的，所以各个被试组的反应数据之间是不相关的，为了建立被试样本的代表性，随机样本的容量要大。 所包含的统计变量：自变量 因变量 预期的统计结果：自变量的主效应是否显著 实施的统计过程：如果水平=2，进行独立样本t检验 ；如果水平2，则进行完全随机的方差分析。  单因素完全随机设计依所操纵的处理数目不同而不同。 两个处理的随机组设计 三个处理的随机组设计 一、两个处理的随机组设计： 例： 统计分析 1、计算平均数 2、提出虚无假设 3、求两样本的平均数之差 4、求标准误 5、计算t值 6、查t表，找出相应的显著水平的临界t值 7、结论：若t临界值，则拒绝虚无假设，差异显著。 实例学习2 记忆是否可以由脑内的RNA（核糖核酸）直接移植？ 训练一组7只老鼠在斯金纳箱接受区别学习，如果按键响，老鼠接近食物盒就获得食物，如果按键不响，老鼠接近食物盒就没有食物。结果：当按键不响时，这些老鼠就很少或不接近食物盒。现在牺牲这7只老鼠，提取RNA，注入另外7只没有经过训练的老鼠作为实验组，把另外没有经过训练的89只老鼠脑中提取RNA，注入8只未经过训练的老鼠，作为控制组，随后放入斯金纳箱，接受25次呈现按键音进行训练，然后计算他们接近食物盒的次数。 （三）两个处理的随机组设计的评价 优点： 1、随机分派被试使具有不同机体特点的被试能随机分布在各个实验处理条件中，能控制未知的机体变量的潜在影响 2、使用控制组，实验组和控制组随机区分，保证两组实验前相等，实验的结果是由实验处理造成的。 3、此设计可运用控制干扰变量的种种技术，并且对自变量和因变量也可以加以控制 缺点： 1、所研究的自变量的数目少 2、实验室中进行，因此被试知道自己被观察，其反应会不自然，影响实验的外部效度 二、三个处理的随机组设计 两个处理的随机组设计虽然很简便、很有效，但在实际中却不能解决全部问题？ 举例：两种阅读方法A和B，与正常的方法相比，这两种方法是否更有效？其中这两种方法那一种更有效？ 如果用两个处理的随机组实验设计，首先A和B做比较，然后A和B分别和普通方法做比较，这样做明显这种设计方案不经济：首先浪费人力、物力、财力，其次存在疲劳、厌倦、练习效应（因为必须要用同一个被试进行） 在这种情况下，用三个处理的随机组设计更有效，更具有优越性。 （一）基本原理 统计分析 一般用单因素方差分析或卡方检验 F检验认为各平均数之间至少有一对有显著差异，但并不意味着每对平均数之间的差异必然显著，如果要搞清楚哪一对平均数之间差异显著，哪一对平均数之间不显著，还要做进一步的比较，常用配对比较或多重比较（参见统计学书） 1、提出虚无假设 2、整理原始数据 3、计算SS 、MS、df和F值 4、将有关数据列入方差分析表 5、根据自由度查找F表，找出相应的显著水平的临界值 6、结论：若F临界值，则虚无假设不成立。 第二节 相关资料的实验设计及其数据处理 按照相关程度，相关资料的设计可分为 1、匹配组设计：要求所匹配的若干组在与反应变量有关的机体变量上，其平均数相同，标准差相同，即组与组匹配。 2、匹配对设计：要求所匹配的若干组中的个体在某一机体变量上或某一操作变量上两两相同，即个体与个体匹配。 3、重复测量设计：也叫被试内设计，它要求全部被试对所有的处理都进行反应。 三种设计的数据集都是相关的 一、两个处理的匹配组设计（双匹配） 假设：以随机方式将被试分配到各组，各组被试在各方面是相同的。 但是这仅仅是一个假设而已，两组在实验前在各个方面是否相等，研究者无法具体控制，只能听凭机遇，为了更有效的控制两组在实验前等组，就用匹配组设计，而且一般只用两个处理的匹配组，因为要想获得三个或更多的匹配组是相当困难的。 （一）两个处理的匹配组设计的实验逻辑和模式 举例说明： 要验证一个假设：阅读加背诵产生更好的记忆效果。 用随机组分配实验设计应如何设计？ 用匹配组实验设计（two-matched-groups design）应如何设计？ 具体过程： 研究者先从一个规定的总体中形成一个大的随机样本，然后在这个样本中选择被试（10），然后 测量每位被试在一个匹配变量上的分数，然后在用这个分数将被试分为两个相同的组，确保等组目的，再对一组实施实验处理，另一组不做实验处理，比较后测分数y1和y2，做差异检验。 匹配变量：（matching wariable）用来把被试分配为两个等组的变量（指标），它必须和因变量具有密度较高的正