第四讲 真 实验(一) 单因素实验设计.pptVIP

被试分配模式（自变量a有4个水平，无关变量b和c各4个水平） 如考察四种生字密度对学生阅读理解的影响，从4个班随机选择32名学生，每个班8名，实验在周一到周四下午分四次进行 自变量a(生字密度)4个水平，班级b和测试时间c作为无关变量，各有4个水平；构建一个4×4的拉丁方格，每个班级的8名学生随机分配到4次测试时间 平方和的分解 SS总变异=SS处理间+SS处理内=SSA+(SSB+SSC+SS单元内+SS残差) 拉丁方设计局限 关于自变量与无关变量不存在交互作用的假设很多情况下难以保证 要求每个无关变量的水平数与自变量的水平数相等 方差齐性检验 方差分析的前提条件：各组被试要同质 方法：比较变异最大的组与变异最小的组之间是否差异显著 差异显著，方差不齐，被试组分配不同质，不能用常规的方差分析 F（3，11）= 2.574，p 0.05 在SPSS中的计算 被试间实验设计的优点和缺点 优点 避免单个被试接受多个水平的实验处理 排除组内设计中的练习效应、疲劳效应等问题 不需要对不同实验处理采用平衡法控制顺序误差 缺点 分配给不同实验处理的各组被试之间可能存在差异 组间设计需要更多的被试 花费更多的时间和人力 避免被试组间差异的方法 随机化的分配被试到各实验处理 等组匹配：将某一特征相同或相似的被试分配到不同的处理组，一般根据前测或预实验的结果匹配被试 单因素被试内实验设计（单因素重复测量实验设计） 基本特点 一个自变量，自变量有两个或多个水平 该自变量是被试内变量 每个被试接受所有实验水平的处理 自变量三个水平（a1，a2，a3），6名被试 例子 物体的清晰程度对儿童识别能力的影响 自变量：图形的清晰度，高、中、低三个水平 实验材料：100幅图形 12名被试，每名被试接受所有的实验处理，即识别300幅图形 因变量：被试命名100幅图形的正确数 被试命名不同清晰度图形的正确数 方差分析表 F (2, 22) = 5.803, p = 0.009 0.01, MSe = 253.528 在SPSS中的计算 被试内实验设计的优点和缺点 优点 只需要少量被试就可以获得大量数据 节省了时间和人力，提高了实验效率 避免被试个体差异对实验结果的影响 适用于特殊被试群体，如脑损伤患者 缺点 被试一次接受多种实验处理，易产生疲劳、厌倦情绪 各实验处理间可能会相互污染 各实验处理间隔一段时间进行，需防止偶然事件的影响 连续接受实验处理，易产生练习效应或疲劳效应（顺序误差） 解决顺序误差的方法——平衡设计技术： 为了消除实验顺序效应而采取的一些系统改变实验处理顺序的设计；让被试在所有顺序下接受处理 ABBA或BAAB设计 拉丁方格的安排 6个自变量水平的拉丁方安排 不同被试（组）循环接受全部实验处理 不同实验处理在不同呈现顺序上出现的机会相等 被试（组）的数量是排列顺序数的倍数 总结（单因素被试间和被试内设计） 相同点 一个自变量，自变量有两个或多个水平 不同点 被试间设计——自变量是被试间变量 被试内设计——自变量是被试内变量 各有优缺点 单因素随机区组实验设计 适用情境： 研究中有一个自变量，自变量有2个或多个水平 研究中还有一个无关变量，也有两个或多个水平 自变量的水平和无关变量的水平之间没有交互作用 当无关变量是被试变量时，首先将被试在这个无关变量上匹配，形成不同的区组，然后将区组内的被试分配给不同的实验处理；区组内的被试在无关变量上更同质，接受实验处理时可以看作不受无关变量的影响；区组之间的变异反映了无关变量的影响，可以利用方差分析进行分离，以减少误差变异 被试分配模式(A因素4个水平) 每个区组内的四个被试在区组变量上同质 如考察生字密度对阅读理解的影响，生字密度有4个水平；考虑到学生的智力会对阅读理解分数产生影响，智力可以作为一个无关变量，分离其效应 单因素随机区组设计：选择32个学生，进行智力测验，按照智力测验分数将学生分成8个区组(每个区组内的4名学生智力分数相仿)，然后分配每个区组内4个同质的被试分别阅读一种生字密度的文章 平方和的分解 SS总变异=SS处理间+SS处理内=SS处理间+SS区组+SS残差 单因素拉丁方实验设计 拉丁方实验设计扩展了随机区组实验设计的原则，可以分离出两个无关变量的效应 适用情境 研究中有一个自变量，有2个以上的水平(p) 另有两个无关变量，也有两个以上的水平(p) 自变量和无关变量之间没有交互作用 自变量和无关变量水平数相等；随机分配处理水平给p2个方格单元，每个处理水平仅在每行、每列中出现一次。每个方格单元分配一个或多个被试接受处理，实验共需要的被试数量是N=np2 真实验：单因素实验设计 基本概念 因素：研究者在实验中感兴趣的一个变量，通过操纵这个