实验法分析.PDF

實驗法分析 陳玉玲 1104343109 104 年12月 9日 一、完全隨機設計(completely randomized design, CRD) 隨機化的觀念可上溯至二十世紀二、三○年代英國著名統計學家 Ronald A. Fisher （1925 ）所從事的研究，他認為當要分派（assign ； 或譯為分配或指派）研究對象到實驗處理（ treatments ）的不同組別 時，分派這些研究對象的方式，必須是與研究對象的特質沒有任何關 係的，例如，不會因為某研究對象比較高或者是比較敏捷而被分派至 實驗組，分派的過程必須是隨機的被認為對實驗設計是既重要而且是 相當可取的 譚克平( ，2012) 。 完全隨機設計的實驗研究中是將實驗處理完全隨機分派到實驗 單位中，例如，情節 (plot) 、動物、土壤樣本等等。每個實驗單位接 受到實驗處理的機率是相同的 (v an Belle Kerr, 2012 ) 。 (一)完全隨機設計的優點 1.允許完全的彈性化(flexibility) ：可以使用任何數目的實驗 處理和重複性 (van Belle Kerr, 2012) 。 2.使用相當簡單的統計分析：即使使用不同的實驗處理，有些變 項重複和具有變項的實驗誤差存在，亦可使用簡單的統計分析 (van Belle Kerr, 2012) 。 3.當實驗的資料有遺失值時，其統計分析依然很簡單 (Van Belle Kerr, 2012) 。 4.提供最大數目的誤差自由度：以特定數目的實驗單位和實驗處 理 (van Belle Kerr, 2012) 。 5.試驗最簡單，試驗結果效力最高 ,適合任意處理數及重複數的 試驗 (臺灣大學統計與生物資訊諮詢中心， 2006) 。 6.確定 在實驗起步之前沒有系統性的差異 ，也是建立因果關係的 基本條件：即使執行隨機分派的過程，並不擔保各實驗水準的 實驗單位 成員就會完全相同或均質，此時實驗組與對照組的成 員仍有可能在某些特徵上是不均質的，但這可能性會相對較低， 隨機分派可以保證各組之間在實驗起步之前沒有系統性的差 異，組別間若仍有差異，則僅止於是隨機性的差異 譚克平( ， 1 2012) 。 7.當實驗單位是相對同質性的時候，完全隨機設計就可以適當地 考驗實驗處理對反應變項的效果 ( Shieh Jan, 2004) 。 (二) 完全隨機設計的缺點 1.因為缺乏對環境變異可能造成實驗誤差的限制，所以具有相當 低的正確性。 2.實驗的效率不高，只能分析單因素：不適用於大量的實驗處理， 因為這需要大量的實驗材料，而使用大量的實驗材料，便會增 加變異量 (van Belle Kerr, 2012) 。 3.研究領域的限制：雖然許多研究方法類的書籍 對完全隨機設計 的實驗法 多少有所著墨，很少能夠在真正的社會工作實驗中實 施（趙碧華和朱美珍譯，2000 ）。 例如，教育研究期刊中採用隨機化試驗的論文為數不多， 譚克平 (2012) 按照 一般途徑做初步的搜尋 ，只有3 篇有用隨 機分派的實驗研究法論文（方金雅和蘇姿云， 2005 ；洪儷瑜和 黃冠穎， 2007 ；章勝傑和 李冠蓉，2003 ）。 (三)完全隨機設計的 最適合的研究類型或條件 1.適合可以進行隨機分派，研究對象不會有意見的研究類型： 完 全隨機化的實驗研究法的最大限制在於其「人工化」的程度過 高，而如此的設寄情境在實際的心理與教育領域中，出現的機 率較低，因此研究結果的實用性也會打折扣（黃寶園，2006 ）。 2.適用的情境是「實驗材料具有同質性 (homoge