实验设计

探索生活百科 2023-10-11 04:08

【拼音】：shiyan sheji

[外语]：实验设计

实验前研究者根据研究目的制定的实验计划和方法策略。其主要内容是合理安排实验程序，提出如何对实验数据进行统计分析，心理实验设计的主要步骤可概括为：

(1) 根据研究目的提出假设；

(2) 制定验证假设的方法和程序；

(3) 选择合适的统计方法对实验数据进行处理和分析。

功能及其评估

实验设计的主要作用是控制变量。第一个是在控制条件下有效地操纵或改变自变量，以便可以观察到因变量（即响应变量）的变化。例如，在研究两种教学方式对儿童学业成绩的影响时，实验设计者应安排其他条件尽可能相等，如选择家庭和学校环境相似、学业基础相似、学习成绩相似的两组儿童。相同年龄，仅控制两种不同教学方法的使用，然后检查两者对学习成果的影响。好的实验设计主要体现在实验程序的合理安排和无关变量的有效控制。心理实验中的一些无关变量可以通过物理、化学实验等一定的实验仪器和技术来消除，但大多数是难以消除的，必须依靠实验设计来平衡或抵消其影响。这种控制方法称为实验控制方法，常用的有以下几种：

(1)消除或保持恒定法：主要利用实验室条件消除无关变量的干扰。对于年龄、体重、实验环境、受试者水平等无法消除的变量，尽量保持恒定；

(2)平衡法：即按照随机原则将受试者分为实验组和对照组，使无关变量对两组的影响相等；

（3）偏移法：其目的是控制实验顺序造成的影响，主要采用循环法（当只有两个实验处理时，采用AB、BA方法）；

（4）纳入法：即将不相关的变量作为自变量，将实验由单因素设计改为多因素设计，然后对结果进行多元统计分析，找出独立作用每个自变量和交互作用。还有一些不相关的变量。尽管已知它们对结果有影响，但由于实验条件的限制，不可能用实验控制方法来平衡或抵消它们。它们只能在实验完成后使用统计方法进行分析并排除在结论之外。这种控制方法称为统计控制方法。常用的统计控制方法主要是协方差分析或协方差分析。当研究工作因实际困难或行政原因而无法以个体为基础进行随机抽样，且必须保持群体（如班级单位）的完整性时，常常使用这种方法。

评价一个实验设计的标准有很多，但主要看它是否能够充分发挥以下功能：

(1) 恰当地解决研究者想要解决的问题，即实验设计必须与研究问题相匹配；

（2）具有良好的“内部效度”，即能有效控制不相关变量，使响应变量的变化完全由自变量决定；

（3）实验结果应具有一定的科学性和普遍性，并能推断其他学科或其他情况，即具有较高的“外部效度”。

基本类型

常用的心理实验设计有几种基本类型，并且这些类型经常组合使用。

单套设计和撞色设计

根据是否设立控制组（control group）分为两种基本设计类型。

(1) 单组设计。所选受试者分组时不存在对照组。基本模式是前测试-治疗-后测试。通过前后两次测量值的差异来检验实验处理的效果。统计结果一般采用t检验方法。现在很少单独使用这种类型的实验设计。由于前测与后测之间存在诸多因素，如成熟度、前测对后测的影响、测量工具的变形、情境的变化等，与实验处理的效果相混淆。，从而降低了实验的内部效度。

(2) 撞色设计。这是心理学实验最基本的设计之一。它将受试者分为两组，一组是实验组，接受实验处理（也称处理）；另一组为对照组，不进行实验处理。为了使两组受试者尽可能同质并便于比较，一般采用随机分配的方式对受试者进行分组，通过测量两组之间的差异来检验实验治疗的效果。其基本模型如Ⅰ。

即使受试者是随机分配的，在样本不是很大的情况下，也很难确保两组在治疗前是同质的，因此两组之间测量结果的差异并不一定都是治疗的结果。为了弥补这一缺点，常在治疗前对两组进行测量，即模式II。

如果前测结果相似，可以直接比较两组后测，用t检验方法检验差异。这个时候就可以认为差异完全是治疗造成的。如果两次预检验不同，则应将预检验作为协变量进行独立样本单因素协变量分析。这种设计的优点是克服了大部分影响内部效度的无关变量。但由于预测试的存在，增加了预测试的反作用，从而降低了外部效应。所谓测试的反作用是指治疗前进行的预测试可能会增加或降低受试者对治疗的敏感性。

完全随机设计和随机区组设计

基于分组和处理方法的两种基本设计类型。

(1) 完全随机设计。也称为受试者间设计或独立小组设计。它起源于抽样理论，即根据概率和统计原理，将受试者随机分配到各个组，并接受每个组应进行的治疗。由于是随机分配的，理论上每组在接受治疗前各方面都是平等的。如果在相同条件下对两组或多组进行相同的治疗，则各组的平均效果不应有统计学上的显着差异；如果两个或多个组接受不同的治疗，则结果均值的差异可以得出结论是由于治疗的差异造成的。本设计的实验结果一般采用独立样本t检验或方差分析。对比设计中列出的模式III和IV可以说是完全随机设计，也可以算作对比设计。

模式三的特点是实验组不进行前测，对照组不进行后测。由于受试者是随机分配的，实验组和对照组被认为是同质的，因此可以通过比较对照组的前测和实验组的后测来推断治疗效果。虽然这种交叉事后测试方法理论上可以克服事前测试的不利影响，但更理想的随机比较设计是模式IV。它将受试者随机分为4组，即两个实验组和两个对照组。两组中一组有预测试，另一组没有预测试。图案表中的Y₁、Y₂、Y₃、Y₄均为后测结果。利用独立样本2×2 ANOVA方法检验“预测与未预测的差异”、“实验处理与未处理的差异”以及“预测与处理的交互作用是否显着”，可以克服预测的存在性。还可以防止实验组和对照组之间可能存在的不均匀性。这样的设计虽然比较理想，但是有四组受试者，人数多，实验量大，所以并不经济。

(2) 随机区块设计。也称为受试者内设计。它首先根据一定的特征将学科划分为不同的区块，使每个区块内的学科更加接近同质性，而区块之间的学科则更加具有差异性。然后，每个组中的受试者被随机分配接受不同的治疗，或以不同的顺序接受所有治疗。这样，所有的处理都被一个块接受。这与完全随机设计不同。在完全随机的设计中，每组只接受他们应该接受的治疗。 V是随机区组设计的基本模型。它与完全随机设计的区别还体现在实验设计中也包含了变量“block”。这样，总变异可以分为“处理间”、“块间”和“误差”。与完全随机设计相比，它可以估计个体差异引起的变异。划分区块的依据与要考察的响应变量密切相关，即当同一区块中的受试者在第一次实验处理中得分高于其他区块时，他们在第二次实验处理中的得分也会同样高。因此，随机区组设计的统计方法一般采用相关样本t检验或方差分析。另外，如果随机区组设计中的每个区组都进行所有处理，则称为完整区组设计；如果每个区组中进行的处理次数少于总处理次数，则称为不完全区组设计。。在后者中，虽然不是所有的处理都在每个块中进行，但是每个处理所在的块的数量必须相同。大多数心理学家在实验中并没有太多的治疗方法，基本上采用完整的区组设计。如果处理次数较多（农业实验中经常出现这种情况），则必须采用不完全区组设计，因为实验总数非常大，且受到人力、财力和时间的限制。

单因素设计和多因素设计

根据实验中自变量的数量来划分两种设计。

(1) 单因素设计。它只有一个自变量，其他影响结果的因素作为无关变量进行控制。这种设计简单、易于实现，但由于现实生活中影响心理活动的因素往往不止一种，当情况较复杂时，最好采用多因素实验设计。

(2) 多因素设计。具有两个或多个自变量的实验设计。常用的多因素设计包括完全随机化、随机区组和拉丁方设计。完全随机多因素设计根据自变量和每个自变量的变化水平（治疗）对组进行随机分组。在2×2因子设计中，有两个自变量因子A和B，每个因子有两个水平。有 4 种可能的治疗方法，即 A₁B₁、A₁B₂、A₂B₁、A₂B₂。这就需要将受试者随机分为4组，每组接受一种治疗，即模式VI。通过独立样本的2×2因子方差分析，可以分析因子A或B的个体效应以及A与B之间的交互作用。随机区组多因素设计需要在2×2因素设计中选择一组受试者，以便每个受试者接受4次治疗。按照顺序，哪个人先接受哪种治疗是通过随机方法确定的。这样，每个受试者的四个处理结果就是一个块。本设计采用的统计方法是相关样本的方差分析。