《实验经济学》课件PPT第3讲 随机设计.pptVIP

实验设置设计和误差控制设计密切相关，不恰当的实验设置设计往往是造成系统误差的直接原因。 随机设计的目的是通过恰当的实验设置设计来避免系统误差。 简单地说，随机设计就是在选取实验参与者、以及将实验参与者分配到各个实验设置中去的过程中，运用随机化方法控制并淡化与研究人员的问题无关的因素。 假设研究人员已经选取了一定数量的实验参与者来参加某个相对实验。安排实施各个实验条件的依据什么？ 有两种潜在的安排实验条件的方法： 采用某种特定规则系统地安排实验条件 完全随机地安排实验条件 采用特定规则系统地安排实验条件很可能造成系统误差。 例3.1：研究人员希望评价A和B两种实验说明对于帮助实验参与者理解实验市场规则的效果。 研究人员将10名实验参与者分成5组，每组2人。 在每组实验参与者中，一个人接受实验说明A的指导，另一个人接受实验说明B的指导；究竟谁接受A的指导、谁接受B的指导由抽签决定。 在这个例子中，每对实验参与者组成了一个“区组”，在每个“区组”内实验条件随机安排，这就是随机区组设计。 研究人员每次向一个实验参与者朗读实验说明，随后通过问卷测试实验参与者对规则的理解水平。 研究人员决定，在各组实验参与者中，先向接受实验说明A指导的实验参与者朗读实验说明A，再向接受B指导的实验参与者朗读说明B。 在这个例子里，如果研究人员倾向于不自觉地加快朗读第二份实验说明的速度，那么先A后B的实验设计就很可能造成实验失效。 比如，通过问卷测试研究人员发现，接受实验说明B指导的参与者对实验市场规则的理解较差；此时，研究人员并不能排除实验说明B本身的指导效果并不比说明A要差、而仅仅是由于研究人员阅读第二份说明时语速过快造成实验参与者理解障碍这一可能性。 这个例子告诉我们在条件允许的前提下，应尽可能地运用随机化设计。 在实验设计过程中，任何系统法则都是主观的法则： 实验者必须预先假设在安排实验条件的过程中，实验者所运用的特定的系统法则不造成任何可能的系统误差。 在该假设成立的前提下，采用系统法则才不会对实验设计造成危害。 反之，随机化的实验设计过程是客观的过程。 例3.2：1931年进行的Lanarkshire牛奶实验。该实验旨在检验生牛奶和净化后的牛奶对青少年生长发育的影响。 实验安排如下：5000名学生饮用生牛奶，另外5000名学生饮用净化后的牛奶，还有10000名学生不饮用牛奶。历经5个月之后，研究人员测评各组学生的身高、体重等生长发育指标的变化。 实验结果表明，饮用牛奶的学生5个月内身高和体重的增长远远超过不饮用牛奶的学生的身高体重增长。 造成这一现象的原因与该实验的设计有很大关联： 首先，研究人员将20000名学生随机分配到实验组和参照组中； 随后，研究人员将许多营养不良的学生调整到实验组中，也就是让营养不良的孩子在5个月内能喝到牛奶。 由于营养不良的青少年饮用牛奶的效果要优于正常青少年饮用牛奶的效果，在本实验中牛奶对青少年成长的贡献被高估了。 Lanarkshire牛奶实验失效的原因在于，其实验设计过程未能按照与实验参与者个体特征无关的原则安排实验条件。 对Lanarkshire牛奶实验的一个可能的改进是用双胞胎作为实验参与者，双生姊妹（兄弟）中的一个参加实验组，而另一个参加参照组。 征召双胞胎作为实验对象的好处是双胞胎的个体特征近似，除实验变量之外的因素由此得到了极大的控制。 为什么随机化设计能帮助我们避免系统误差？下面的简单的统计模型能帮助你理解其背后的原因： 观察值it = 个体i的效果 + 实验设置t的效果 当观察值足够多时，各实验参与者的个体差异给观察值造成的影响服从均值为零的随机分布。 而第t个实验设置对观察值的影响，对每个参与该设置的实验参与者而言是一致的。 只要对实验设置的安排是随机的，那么所有参与第t个实验设置的参与者的个体差异对观察值所造成的影响仍然服从均值为零的随机分布。 如果有N个实验对象参与了第t个实验设置，我们就能直观地得到下式： → 0 + 实验效果 = 实验效果 简言之，通过随机化设计，我们能够得到对实验效果的一致无偏的估计量。 完全随机设计，即Completely Randomized Design（CRD），是指将总共N个实验参与者随机分配到k个不同的实验设置中去的实验设计方法。 当研究人员既不需要专门剔除某种特定因素对实验结果的影响、也不需要分析多个实验变量的交互作用时，通常会采用完全随机设计的方法。 完全随机设计可涉及一个实验变量或若干个相互不关联的实验变量。大多数情况下，完全随机设计只涉及一个实验变量。 方差分析，既Analysis of Variance（ANOVA），是在完全随