心理学实验设计

第四讲多因素实验设计一、实验设计概述二、实验设计的思想基础三、实验设计的基本过程四、单因素拉丁方实验设计五、两因素实验设计六、研究实例一实验设计概述（一）什么是实验设计?广义的实验设计指科学研究的一般程序的知识，它包括从问题的提出、假说的形成、变量的选择等等一直到结果的分析、论文的写作一系列内容。它给研究者展示如何进行科学研究的概貌，试图解决研究的全过程。狭义的实验设计特指实施实验处理的一个计划方案以及与计划方案有关的统计分析。狭义的实验设计着重解决的是从如何建立统计假说到作出结论这一段。实验设计包括的活动如下：1．建立与研究假说有关的统计假说；2．确定实验中使用的实验处理(自变量)和必须控制的多余条件(额外变量)；3．确定实验中需要的实验单元(被试)的数量及被试抽样的总体；4．确定将实验条件分配给被试的方法；5．确定实验中每个被试要记载的测量(因变量)和使用的统计分析。做实验研究，需要具备两方面的知识：一是有关研究课题的知识；作为研究基础的理论背景、研究的基本假设与预期……。研究课题的确定主要取决于研究者对所要研究的问题的专业知识，它保证开展的研究在特定的领域中有继承、有发展、有一定的科学价值。二是有关实验的一般结构，即实验设计及统计学知识。研究的质量主要取决于研究者的实验设计及统计学知识，它保证研究结果的可靠性，结论的合理性。本讲讨论的内容主要集中于后一部分，即实验的一般结构的知识。（二）实验设计发展的趋势在心理与教育科学中，实验设计与统计显得比在其它学科中更为重要。Why?传统心理学研究主要有两条路线：1实验室实验2心理测量多因素实验设计与多元统计相结合是近十几年来心理与教育研究的发展趋势。它的目的在于克服传统研究的不足，使研究情境接近现实，同时最大限度地保证结果的精度。多因素实验设计的几个重要特点是：1．实验中尽可能地控制额外变量，但这种控制不是主要靠实验室仪器、环境的改善来实现的，而是通过实验设计方案的周密安排及相应的统计方法来达到的。例如，随机区组实验设计、拉丁方实验设计、重复测量实验设计等。2．实验中尽可能容纳较多的自变量，即采用因素设计。同时，实验设计要解决伴随多因素而引起的一系列问题。例如，被试内设计、混合设计等试图提供如何根据实验目的与实验条件，在不降低实验中感兴趣的变量的结果精度的基础上，增加实验实施的可行性。（三）实验设计中一些常用术语1．因素(factor)与因素实验设计(factoralexperimentaldesign)因素指研究者在实验中感兴趣的一个变量，研究者通过操纵、改变它，来估价它对因变量(dependentvariable)的影响，这个变量也叫自变量(independentvariable)。实验中所操纵的变量的每个特定的值叫因素的水平(1evel)，研究者需要事先确定因素的水平及其数量。2．处理(treatment)与处理水平的结合(treatmentcombinations)处理与处理水平的结合都是指实验中一个特定的、独特的实验条件。例如，在一个探讨人在快速呈现条件下命名汉字的2X2两因素完全随机实验设计中，有呈现速度(A)和汉字频率(B)两个因素，其中呈现速度有50毫秒(A1)和100毫秒(A2)两个水平，汉字有高频字(B1)和低频字(B2)两个水平。这时，实验中有4种处理水平的结合：A1B1、A1B2、A2B1、A2B2。3．主效应(maineffects)与交互作用(interaction)实验中由一个因素的不同水平引起的变异叫因素的主效应。在一个单因素实验中，由自变量的不同水平的数据计算的方差即这个自变量的处理效应，或主效应。在一个多因素实验中，计算一个因素的主效应时应忽略实验中其它因素的不同水平的差异。在一个多因素实验中，研究者常常需要估价因素的不同水平之间的复杂的变化关系。当一个因素的水平在另一个因素的不同水平上变化趋势不一致时，我们称两个因素之间存在交互作用。A因素与B因素的交互作用05101520253035A1A2B1B24．简单效应(simpleeffects)在因素实验中，一个因素的水平在另一个因素的某个水平上的变异叫简单效应。例如，在一个2X2两因素实验中，A因素和B因素各有两个水平。A因素的两个水平在B1水平的方差叫A在B1水平的简单效应，A因素的两个水平在B2水平的方差叫A在B2水平的简单效应。当方差分析中发现一个两次交互作用时，往往需要进一步做简单效应检验，以说明两个因素之间交互作用的实质。5．处理效应(treatmenteffect)和误差变异(errorvariance)处理效应指实验的总变异中由自变量引起的变异，主效应、简单效应、交互作用都是处理效应。误差变异指总变异中不能由自变量，或明显的无关变量解释的那部分变异。有两种误差变异：(1)单元内误差(within—cellerror)(2)残差(residualerror)6．比较(comparisons)对各处理水平平均数之间差异的估价叫比较。例如，在一个2X3两因素实验中，A因素和B因素的主效应都是显著的。对于A因素来说，主效应显著明显是由于A1水平与A2水平之间的差异显著，而B因素的主效应显著则有多种可能，可能是由于B1与B2水平之间差异显著，也可能是B2与B3、B1与B3水平之间差异显著，甚至还可能是由于B1与B2、B3之间相比差异显著。因此，当一个处理的主效应显著，且处理的水平数多于2时，需要进一步揭示主效应显著的意义，即到底哪些水平之间比较是差异显著的，这就是比较的主要任务。二实验设计的思想基础（一）统计检验的基本思想任何实验都是从提出问题和研究假设开始的。在心理与教育研究中，多数假说需要进行统计推论或统计检验。由于为假说取得肯定的支持难度很大，在实验研究中，研究者常常不直接对研究假说加以证实，而是采取检验它的虚无形式，即检验虚无假说。虚无假说是研究假说的否定式。H0：H1：（二）方差分析的基本思想方差分析(analysisofvariance或ANOVA)是由英国统计学家SirRonaldFisher发展的。F检验就是以他的名字命名的。这种方法对实验设计和统计分析的发展产生了重大的贡献。变异的可分解性处理效应与误差变异的比较（三）方差分析的基本假设使用方差分析去检验理论假说时，有两组假设是需要满足的：1．F分布的基本假设(1)正态分布(normality)(2)变异的同质性(homogeneityofvariance)(3)独立性(independence)2实验变异的合适分解模式（四）实验中各种变异的操纵与控制1、自变量的操纵如何操纵自变量的变化？在自变量的取值范围内依次取一些不同的点，然后观察在这些不同值的条件下，相应的因变量的值有没有差异。如果有差异就说明因变量是随自变量变化而变化的，即它们之间有因果关系。如果没有差异就说明自变量的变化对因变量没有影响。自变量水平的确定问题自变量的水平可以是性质上的差别，也可以是数量程度上的差别。自变量至少有两个水平，以便研究者操纵自变量的变化。自变量的水平选取一般都是参考前人已有的研究基础上，结合自己的研究目的来确定。如果没有资料，还应该通过预实验来确定。自变量的操作性定义有些研究中自变量的定义是比较具体的，可以直接观察和测量，比如一些刺激变量。但有些研究中自变量的定义却是比较抽象的，不能直接观察和测量。对于前者，我们可以方便的确定自变量的不同水平，对于后者则比较困难。所以有必要对后者进行操作性定义。操作性定义就是将抽象的定义转化为可直接观察、测量的特征的过程。例如，“挫折”，我们看不见摸不着，所以必须给它下一个操作定义。可以把“挫折”定义为“在一个人即将解出一道难题并赢得100美元奖金之前打断他”另外，把攻击行为定义为“受挫折的个体对阻碍其解题的人使用无礼言语的次数”。操作定义使抽象的概念能够得到具体检验。2、因变量的观测因变量指标的确定实验研究探讨自变量不同水平下，因变量观测值之间是否有差异。因此，和自变量一样，对于某些比较抽象的因变量，也需要进行操作性定义，即用可观察和测量的行为特征来界定因变量。而因变量的这种操作性的定义也就是因变量的指标。指标的可靠性因变量的指标应该是可靠的，即在不同场合和时间重复测试的条件下，观测值能够比较稳定和一致。如果同一被试在相同的实验条件下，有时在因变量指标上得分高，有时得分低，那么这个指标就是不可靠的。指标的有效性如果所选取的指标能够较好的反映该因变量的理论内涵或构想，那么就称该指标是有效的。这一点是与操作性定义的过程密切相关。指标的敏感性因变量的指标不能太难或太容易，否则就会对自变量的变化不敏感。天花板效应（ceilingeffect）当要求被试完成的任务过于容易，所有自变量水平下的被试都取得了非常好的成绩，没有什么差别，这时我们说出现了天花板效应。地板效应（flooreffect）当要求被试完成的任务过于困难，所有自变量水平下的被试都取得了非常低的成绩，没有什么差别，这时我们说出现了地板效应。3、额外变量的控制额外变量是指研究中除自变量外所有可能对因变量产生影响的因素。由于额外变量会影响因变量，所以它们会与自变量发生混淆，即不知道因变量的变化到底是由自变量还是额外变量引起的。因此需要对额外变量进行识别和控制。额外变量的识别一般是根据前人的研究结果和自己研究工作的经验来进行的。而对额外变量的控制，通常有如下几种方法：随机化消除法恒定法匹配法附加自变量统计控制法(1)随机化(randomization)控制无关变异的一个重要方法是随机化，这是控制所有可能出现的无关变异的最有效的方法。实验中的随机化包括两个方面：①实验单元或被试是从一个更大的、研究者感兴趣的总体中随机选择的；②实验单元或被试是随机分配给各个处理条件的。前者对实验结果的概括力是重要的。后者对实验的内部效度是关键的。如果被试分配的随机化达到了，从理论上说，实验中各个处理组可以被认为在各方面上是统计上没有差异的。这时，测量到的因变量的变异可以认为主要是由自变量的变化引起的。（2）消除法实验者采用某些措施把影响因变量的额外变量消除掉，使它不在出现在实验过程之中。心理实验在暗室、隔音室进行，就是为了消除作为额外变量的视觉刺激和听觉刺激。（3）恒定法研究者采取措施使额外变量在整个实验过程中保持恒定不变，这样因变量的变化就不能归因为这些已经保持恒定的变量。实验常常要在同一时间，同一房间里进行，要使用同一型号的实验仪器；房间的温度，湿度等各种环境条件尽量保持一定；主试的态度和行为的一致，指导语的标准化等等。也就是说尽量使被试实验环境中的各种条件保持恒定。（4）匹配分组法用完全随机的方法进行分组，在理论上或统计学上可以达到等组的效果，但实际上却难免有些误差。尤其是实验研究已经确定某个被试变量有重要影响，为了更准确的控制它的效应，可以采用先匹配，再随机分组的方法。具体做法是：先按照某被试变量的水平或值将所有被试分成N个组，每组的人数与自变量的水平相等。每组内的被试在该被试变量上的值是相等或相近的。再将每组被试随机分派到不同自变量的水平下接受处理。相比于完全随机的方法，这样就能在更大程度保证不同组之间额外被试变量效应的平衡和相等。(5)附加自变量有时研究者可以考虑不从实验中消除某个无关变量，而是把它包括进实验设计，增加一个自变量。例如，研究者感兴趣于探讨教学方法对学习分数的影响，并且不想去除智力因素。他可以把智力作为一个自变量，在智力测验分数的基础上将被试分为智力高、中、低三组。这时，实验设计中增加了一个有三个水平的自变量----智力。借助方差分析的帮助，研究者可以把由智力引起的变异从总变异中区分出来，以研究智力对学习分数的影响。同时，研究者可以探讨教学方法与智力之间的交互作用。这就是因素设计。（6）统计控制法无关变异还可以通过各种实验设计和统计分析的帮助得到控制。例如