第三章 心理实验设计(2)

高
成 绩
低 讲授 讨论 低 高 讲授 讨论
说明：学生学习能力的高低对学习成绩的作用还受教学方法的影响， 这就说明学生学习能力高低与老师教授水平之间有交互作用。
2.6因子实验设计
虚无假设： 1.自变量水平A上的效果为零 2.自变量水平B上的效果为零 3.A*B的作用为零

2.6因子实验设计
SS总变异 Df=npq-1
2.2双匹配组实验设计


被试间实验设计—每个被试只接受一种自变量处理 被试内实验设计―个被试接受所有的自变量的处理。
两种假设：第一，认为他们知道哪一个被试的特征 与实验任务的成绩具有高相关；第二，实验者认为他 们能够获得多有被试关于这个特征的分数。
2.2.1原理与设计

为了使两组被试相等，双匹配组设计，它建立在某 个因子上是完全相等的，这个因子叫匹配变量。 （主要是被试变量）
一般拉丁方实验设计较少用。
2.6因子实验设计
因变量>=2,下面以两因子实验设计为例
适合于这样的研究条件：
1.研究中有两个自变量，每个自变量有两个或多个 水平。 2.如果一个自变量有P个水平，另一个自变量有Q个 水平，实验中含P*Q个处理结合，研究者感兴趣于 所有处理水平的结合效应。
2.6因子实验设计
2.7因子实验设计

几个概念说明：
因子－－自变量 因子水平－－自变量水平 主效应－－实验中由一个因子的不同水平引起的变异。 简单效应－－当两因子具有交互作用时，想进一步明白， 一个因子在另一个因子上的每一个水平，哪一个水平 是显著的。（定义：在因子实验中，一个因子水平在 另一个因子的某一水平上的变异。） 处理效应－－实验总变异中由自变量引起的变异。主效 应，简单效应，交互作用都属于处理效应。
统计分析：
c.自由度计算 df=nP-1 组间：df＝P-1 组内：dfw=dft-dfb=P(n-1) d.计算组间均方 Msb=SSb/dfb SS总变异 DF=NP-1 Msw=SSw/dfw
SS总变异 DF=NP-1
SS组间 DF=P-1
SS组内 DF=P(N-1)
统计分析：
E.


假定：①每种处理水平的平均数是相等的 ②区组之间的总体平均数是相等的
C.2 F-TEST检验
SS残差 SS区组 SSA SS处理内 SS处理间 SS总变异 DF=(N-1)(P-1) DF=N-1 DF=P-1 DF=P(N-1) DF=P-1 DF=NP-1
2.4随机化区组实验设计
SS总变异 DF=NP-1
例：同一个人在做同难度任务时表现得难以一致或者同时做同一件事 时表现难以一致。



被试的随机分配与随机误差和系统误差的关系。
2.1双独立组设计（双随机组设计）

基本特点：研究中有一个自变量，自变量有两个水
平（ P=2 ）。它的基本方法是：把被试（实验单元） 随机分配给处理（自变量）的各个水平，每个被试只 接受一个水平的处理。完全随机实验设计是用随机化 的方式控制误差变异的。它假设，由于被试是随机分 配给各个处理水平的，被试之间的变异在各个处理水 平之间也应是随机分布、在统计上无差异的，不会只 影响某一个或几个处理水平。 被试的等同性――随机
可以分离出由于人少而造成的差异。 A. 原理（使用情况）： ①研究中有一个自变量，自变量至少大于两个水 准 ②还考虑一个额外变量，自变量与额外变量之间 没有交互作用。
2.4随机化区组实验设计
B.设计：额外变量为被试时，设计区组使其更加同质
例题：可以考查文章的生字密度对阅读理解影响此时智力是额外变量。
④检验虚无假设
确立自由度 df=n1+n2-2 查T值表 设定P值（概率水准）P=0.05 检验 0.01 或0.001等
2.1.3检验实际假设的总体步骤

例：RNA 核糖核酸与记忆有关的实验，通过训练有记 忆的老鼠后，它的脑子里是否有增多的RNA呢？取出 老鼠脑，磨碎，提炼，得到溶液，注射到其他老鼠。 7 只老鼠注射受过训练的老鼠的 RNA ，另外注射的是 没有受过训练过的RNA。 受训过RNA 实验组（7只） 接受 控制组（7只） 不接 没受训RNA 不接 接受

每个被试接受一个实验处理的结合。 A2 A3 A4
A1
S1
S5
S2
S6
S3
S7
S4
S8
S9
S13
S10
S14
S11
S15
S12
S16
单因素完全随机设计
2.6因子实验设计
A1 B1 S1
S7 S13
A1 B2 S2
S8 S14
A1 B3 S3
S9 S15
A2 B1 S4
S10 S16
A2 B2 S5
统计分析：
A.
虚无假设：假定所有总体的平均数是相等的（没有差异）
B.
计算组间平方和 SSB 组内平方和 SSW 组间平方和――系统误差
指各组平均值对总体平均值弥散程度的测定。

组内平方和――随机误差 总平均和 SST=SSB+SSW
指总体数据对总平均值弥散程度的指标。
指各数据对组内平均数弥散程度的测定
2.3多随机组设计


原理：单因子多水平实验水平的一种，要探 讨一个变量各个水平对因变量的作用。 双随机组设计，能初步的确定一种线性关系， 但有可能真实图像为曲线，因此，对于一个 自变量的设计，选择自变量的多种水平，而后把被试 随机地分布到每个水平，从而考查自变量的各个水 平是否存在差异，自变量的水平越多，评估的数量 关系越准确，多水平可有效确定自变量与因变量的 关系。（图）
2.5 单因素拉丁方实验设计
标准化方块： 在拉丁方格中的第一行和第一列是按字母 排序的时候，叫做标准化方块。 A B A B C B A B C A C A B 2×2 3×3

2.5 单因素拉丁方实验设计
1A 2B 3C 4D
B C D A
C D A B
D A B C
1 3C 1A 2B 4D
SS处理内 DF=P(PN-1)
SS残差 SSC DF=P-1 DF=(P-1)(P-2) SS单元内 DF=P*P(N-1)
2.5 单因素拉丁方实验设计


优点：减少实验误差，可以分离出两个误差因子。 缺点（1）前提条件：自变量与额外变量之间没有交
互作用，而且两额外变量之间无交互作用。 （2）自变量的交互作用要相等。 （3）有很强的顺序效应。


2.1.3检验实际假设的总体步骤



提出问题（是否真的有记忆RNA） 提出假设（假若RNA具有记忆作用）（对一个假设作 出显著性检验相对地讲是不难的，而要发现一个需要 作出显著性检验的假设则困难得多） 实验设计 实验假设 确立、拒绝零假设P值 抽样实验，收集数据 检验虚无假设
a1
a2
a3
a4
区组1（Q=101） 区组2（Q=102） 区组3（Q=104） 区组4（Q=107） 区组5（Q=96）
S1 S5 S9 S13 S17
S2 S6 S10 S14 S18
S3 S7 S11 S15 S19
S4 S8 S12 S16 S20
……..
2.4随机化区组实验设计
C 统计分析 C.1 虚无假设
C4 A4 A1 A2 A3
2.5 单因素拉丁方实验设计
C1 C2 C3 C4
B1
B2 B3 B4
A2
A4 A1 A3
A1
A3 A4 A2
A3
A1 A2 A4
A4
A2 A3 A1
2.5 单因素拉丁方实验设计
SS总变异 DF=NP-1 SS处理间 DF=P-1 SSA DF=P-1
SSB DF=P-1
缺点：①处理越多，找到同质被试就越困难。
②要求额外变量与自变量没有交互作用。
讨论：随机区组设计与随机组设计的区别。 （拿人工酒例子说明）
2.5 单因素拉丁方实验设计
拉丁方设计广泛应用于农业和工业研究，以及心理和教育科学研究 中。 适合满足下列条件的实验： 1.研究中有一个带有P>=2个水平的自变量，还有两个带有P>=2个水 平的无关变量，一个无关变量的水平被分配给P行，另一个无关 变量的水平被分配给P列。 2.研究者事先假定处理水平与无关变量水平之间没有交互作用。 3.随机分配处理水平给P*P个方格单元，每个处理仅在每行，每列中 出现一次。
练习：
假设：冲突应激对于胃溃疡的影响（猴子） 控制组 不给电击 实验组 饥饿，取食电击 结果 实验组有胃溃疡
分析：究竟是由于电击而得胃溃疡还是由于得不 到食物的心理而得胃溃疡呢？因而策略是给予控 制组电击，消除影响。
2.2.2 统计分析 配对组T检验
自由度：df=n-1
只要满足以下两个条件就能有效地减少偏差： （1)实验者知道哪一个被试变量与实验任务高度相关 （2)他能够获得这些变量的分数。 双随机组与匹配组设计都是相对于单因素两水平处理的设 计。
S11 S17
A2 B3 S6
S12 S18
S19
S20
S21
S22
S23
S24
两因素完全随机设计，被试的个数N=npq
2.6因子实验设计

交互作用（interaction effect）：当自变量对因变量的作用随另一 个自变量的改变而改变时，我们就称这两自变量间有交互作用，反之 则没有。或一个自变量的影响效果依赖于另外一个自变量的水平。
处理 实验组 是 测验 X
控制组
否
Y
2.1.1双随机设计

为了合乎两者之间相等，被试一般要大于30 （大样本），可避免由于随机波动而可能出 现的两组间的不平等。