单因素完全随机区组设计
第五章 真实验设计 1单因素完全随机
实验设计中使用的符号
X：表示一种处理，即研究者操作或变化的实验变量（自变量）； 在比较不同的处理时，以X0， X1， X2 …表示
O：表示处理前或后的一种观测或度量
自左至右：表示时间次序或先后
同一横行的X或O：表示这些X或O作用于同一组被试
R：表示被试已被随机化选择、分配 M：表示把被试加以配对 ……由虚线所隔开的各组是非同质的，虚线表示不能随机选择和 部署两组
同样A在B2水平上是否简单效应； B在A1水平上是否简单效应； B在A2水平上是否简单效应；
5．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
2．处理与处理水平的结合
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 。
第五章 真实验设计
第一节 单因素完全随机设计
心理学研究方法
理论（或思辨）的研究方法 现象学（或描述）的研究方法
观察法
个案法 访谈法 实证的研究方法 相关法
实验法 传统实验心理学方法 认知实验心理学方法
认知神经科学方法
做实验研究，需要具备两方面的知识：
1) 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。 2) 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。
单因素实验设计
单因素实验设计单因素实验设计是指在实验中只有一个研究因素，即研究者只分析一个因素对效应指标的作用，但单因素实验设计并不是意味着该实验中只有一个因素与效应指标有关联。
单因素实验设计的主要目标之一就是如何控制混杂因素对研究结果的影响。
常用的控制混杂因素的方法有完全随机设计、随机区组设计和拉丁方设计等。
一、完全随机设计1.概念与特点又称单因素设计或成组设计，是医学科研中最常用的一种研究设计方法，它是将同质的受试对象随机地分配到各处理组进行实验观察，或从不同总体中随机抽样进行对比研究。
该设计适用面广，不受组数的限制，且各组的样本含量可以相等，也可以不相等，但在总体样本量不变的情况下，各组样本量相同时的设计效率最高。
例如：为了研究煤矿粉尘作业环境对尘肺的影响，将18只大鼠随机分到甲、乙、丙3组，每组6只，分别在地面办公楼、煤炭仓库和矿井下染尘，12周后测量大鼠全肺湿重（g），通过评价不同环境下大鼠全肺平均湿重推断煤矿粉尘对作用尘肺的影响，具体的随机分组可以如下实施：第一步：将18只大鼠编号：1，2，3， (18)第二步：可任意设置种子数，但应作为实验档案记录保存（本例设置spss11.0软件的种子数为200）；第三步：用计算机软件一次产生18个随机数，每个随意数对应一只老鼠（本例用spss11.0软件采用均匀分布最大值为18时产成的18个随机数）；第四步：最小的6个随机数对应编号的大鼠为甲组，排序后的第7个至第12个随机数随因编号为乙组，最大的6个随机数对应编号的大鼠为丙组（结果见表1）。
表1 分配结果编号 1 2 3 4 5 6 7 8 93.75 8.75 16.29 11.12 5.49 3.98 13.64 16.71 1.69随机数组别甲乙丙乙乙甲丙丙甲编号10 11 12 13 14 15 16 17 1813.62 16.36 2.12 4.74 11.54 3.98 0.13 17.35 16.38 随机数组别丙丙甲乙乙甲甲丙丙2.随机数的产生方法（1）随机数字表：如附表13（马斌荣，医学统计学，第4版），这是一个由0～9十个数字组成60行25列的数字表。
第 讲单因素实验设计
高照明度 中等照明度
低照明度
组X
X
组Y
Y
组Z
Z
目录
原始数据表如下：
姓名
1 张明 ……
30 刘修 31 刘冬
…… 60 黄卫 61 李家
…… 90 张岩
组别（V1）
工作效率（V2）
高（照明度） 56
高
67
中等
53
中等
61
低
45
低
68
目录
不同照明条件对工作效率影响研究的统计分析：
不同照明条件下工作效率比较
如果水平数为2，则进行 independent samples T test; 如果水平数大于2，则进行完全随机的方差分析： analyze— compare means—One-Way ANOVA
(3目) 录两个处理水平的单因素完全随机设计举例
不同照明条件对工作效率的影响研究
研究2种照明条件下工人车零件的效率。被试60人，随机分 为2组，每组30人，每组被试分别接受1种处理，见下表：
高照明度
低照明度
组X
X
组Y
Y
目录
不同照明条件对工作效率的影响研究：
原始数据表
姓名
组别（V1）
工作效率（V2）
1 张明 ……
29 刘修
30 刘冬
31 黄卫
32 李家 ……
60 张岩
高（照明度） 56
高
67
高
53
低
61
低
45
低
68
目录
不同照明条件对工作效率影响研究的统计分析：
表1 不同照明条件下工作效率比较
目录
-- 基本方法：首先将被试在无关变量上进行匹配，并区分为 不同的组别（每一区组内的被试在无关变量上相似，不同区 组的被试在无关变量上不同），然后把各区组的被试随机分 配给自变量的各个水平，每个被试只接受一个水平的处理。
完全随机设计说明
均小于.0001， A、B间有交互作用，从A1B1（0.8）、
A1B2(1.0)、A2B1(1.2)、A2B2(2.1)各自均值的 关系可知：A、B间有协同作用。
重复测量设计
重复测量设计
例：为研究Nm23H1基因AN：对肝癌细胞 SMMC-7721增殖和转移的影响，将4~6周龄 雌性裸鼠10只随机等分为两组。一组接种蛋 白高表达细胞克隆AN2，另一组未转染细胞 SMMC-7721作对照，测定癌细胞计数，以光 密度吸收值A595nm来反映，试分析转移基因 AN2是否对肝癌细胞有抑制作用。
配对设计(paired design)—概念
配对的特征或条件： 动物实验：常以种属、品系、性别相同，年龄、 体重相近的两只动物配成对子； 临床疗效观察常将病种、病型、族别、性别相 同，年龄相差不超过2—3岁，生活习惯、工作环 境等相似的病人配成对子；
配对设计(paired design)—注意的问题
完全随机设计
完全随机设计—概念
完全随机设计(completely random design) 亦称单因素设计。将受试对象随机分到各处理组
中进行实验观察，或分别从不同总体中随机抽 样进行对比观察。 它适用于两个或两个以上样本的比较。各组间样 本量可相等，也可不相等。样本相等时统计分 析效率较高。
全随机设计—随机分组
完全随机设计
统计假设检验方法
计量资料：t检验、方差分析或秩和检验等。
计数资料：卡方检验等
完全随机设计
优缺点： 优点：设计及统计分析简单， 缺点：试验效率不高，只能分析单因素。
配对设计
配对设计(paired design)—概念
将受试对象按某些特征或条件配成对子，然后 分别把每对中的两个受试对象随机分配到试验组 和对照组，再给予每对中的个体以不同处理，连 续试验若干对，观察对子间的差别有无意义。
心理学与教育研究中的多因素实验设计——————舒华
心理学与教育研究中的多因素实验设计——————舒华第二章 几种基本的实验设计一、 基本特点适用于：研究中有一个自变量，自变量有两个或多于两个水平。
方法：把被试随机分配给自变量的各个水平，每个水平被试只接受一个水平的处理。
二、 计算与举例（一） 检验的问题与实验设计 （二） 实验数据及其计算()()()()()22i 22j T 2j ij j ss ss X X NX X ss n nNss ss n S X ss ss X X ss X =+=-=-=∙-=-=∙=-∑∑∑∑∑∑∑∑∑∑∑∑总变异组间组内总变异组间组内总变异组间一、 基本特点适用于：研究中有一个变量，自变量有两个或多个水平（P ≥2），研究中还有一个无关变量，也有两个或多个水平（n ≥2）；并且自变量的水平与无关变量的水平之间没有交互作用。
适合检验的假说：（1）处理水平的总体平均数相等或处理效应为零；（2）区组的总体平均数相等或区组效应为零。
二、计算ss ss ss (ss SS ss =+=++总变异组间组内组间区组残差）三、优点：从实验中分离出了一个无关变量的效应，从而减少了实验误差。
一、 基本特点定义：是一个含P 行、P 列、把P 个字母分配给方格的管理方案，其中每个字母在每行中只出现一次。
适用于：（１）研究中自变量与无关变量的水平平均≥２，一个无关变量的水平被分配给Ｐ行，另一个则给Ｐ列；（２）假定处理水平与无关变量水平之间没有交互作用， （３）随即分配处理水平给2P 个方格单元，每个处理水平仅在每行，每列中出现一次。
1c 2c 3c 4c无关变量Ｃ的四个水平 无关变量Ｂ的四个水平 1b 自变量Ａ的四个水平 2b3b4bA B C SS SS SS SS SS SS SS SS =+=++++处理间总变异处理内残差单元内（）一、 基本特点：（也叫被试内设计） 基本方法：实验中每个被试接受所有的处理水平目 的：利用被试自己做控制，使被试的各方面特点在所有的处理中保持恒定，以最大限度地控制由被试的个体差异带来的变异。
单因素随机区组设计的方差分析
MSr Fr MSe MSb Fb MSe
变异来源 组间 区组
平方和 SSB SSR
自由度 k-1 n-1
均方 MSB MSR
F F=MSB/MSE F=MSR/MSE
p <0.05 或>0.05
误差
总变异
SSE
SST
（k-1）(n-1)
nk-1
MSE
例9-6：为研究听、触觉刺激对视觉的干扰效 果，随机抽取5名被试分别在5种不同的干扰下读
组内变异源于组内被试间的差异和实验误差，怎样
将被试间差异引起的变异从组内变异中分离出来，
从而提高F检验的精确度和灵敏度？
随机区组设计
单因素随机区组设计的方差分析
主要内容
随机区组设计（重点） 方差分析（重点）
1 随机区组设计
某研究要探讨文章的生字密度对学生阅读理解的影响， 生字密度有4个水平。由于考虑到学生的智力可能对阅读 理解测验分数产生影响，在实验实施之前，研究者首先 给32个学生做了智力测验，并按智力测验的分数将学生 分为8个区组，然后随机分配每个区组内的4个同质被试 分别阅读一种生字密度的文章，并回答阅读理解测验中 有关文章内容的问题。
k
( X ) 2
i 1
nj
nj
利用样本统计量进行方差分析（
SSB n ( X j X t )
j 1 k 2
X
k
2 ， ，n j ） S j j
SSB n j ( X j X t ) 2
j 1
SSW ( X ij X j ) n s 2 j
SST X
j 1 i 1
nj
k
nj
2
单因素实验设计
单因素实验设计单因素实验设计是指在实验中只有一个研究因素，即研究者只分析一个因素对效应指标的作用，但单因素实验设计并不是意味着该实验中只有一个因素与效应指标有关联。
单因素实验设计的主要目标之一就是如何控制混杂因素对研究结果的影响。
常用的控制混杂因素的方法有完全随机设计、随机区组设计和拉丁方设计等。
一、完全随机设计1.概念与特点又称单因素设计或成组设计，是医学科研中最常用的一种研究设计方法，它是将同质的受试对象随机地分配到各处理组进行实验观察，或从不同总体中随机抽样进行对比研究。
该设计适用面广，不受组数的限制，且各组的样本含量可以相等，也可以不相等，但在总体样本量不变的情况下，各组样本量相同时的设计效率最高。
例如：为了研究煤矿粉尘作业环境对尘肺的影响，将18只大鼠随机分到甲、乙、丙3组，每组6只，分别在地面办公楼、煤炭仓库和矿井下染尘，12周后测量大鼠全肺湿重（g），通过评价不同环境下大鼠全肺平均湿重推断煤矿粉尘对作用尘肺的影响，具体的随机分组可以如下实施：第一步：将18只大鼠编号：1，2，3， (18)第二步：可任意设置种子数，但应作为实验档案记录保存（本例设置spss11.0软件的种子数为200）；第三步：用计算机软件一次产生18个随机数，每个随意数对应一只老鼠（本例用spss11.0软件采用均匀分布最大值为18时产成的18个随机数）；第四步：最小的6个随机数对应编号的大鼠为甲组，排序后的第7个至第12个随机数随因编号为乙组，最大的6个随机数对应编号的大鼠为丙组（结果见表1）。
表1 分配结果编号 1 2 3 4 5 6 7 8 93.75 8.75 16.29 11.12 5.49 3.98 13.64 16.71 1.69随机数组别甲乙丙乙乙甲丙丙甲编号10 11 12 13 14 15 16 17 1813.62 16.36 2.12 4.74 11.54 3.98 0.13 17.35 16.38 随机数组别丙丙甲乙乙甲甲丙丙2.随机数的产生方法（1）随机数字表：如附表13（马斌荣，医学统计学，第4版），这是一个由0～9十个数字组成60行25列的数字表。
随机区组试验设计与分析
第一节 完全随机实验设计及分析
本试验中，水平数m＝3，重复r=5，共进行35＝15次试验。 此15次试验先做哪一个呢？ 试验的先后顺序必须随机确定。随机化方法可采用抽签的方 法，也可用随机数字表确定试验顺序。 现在采用查随机数字表确定试验顺序 （1）对所有试验编号 （2）确定读取随机数字的起始点，并读取相应数目的随机数字。 （3）根据随机数字的大小确定试验的先后顺序。
然后分别在各区组内，用随机的方法将各个处理逐个安排于各供试 单元中。
第二节 随机区组试验设计方法
由于同一区组内的各处理单元的排列顺序是随机而定的，故这 样的区组叫做随机区组。 随机区组设计是一种适用性较广泛的设计方法。既可用于单因素试 验，也适用于多因素试验。
第二节 随机区组试验设计方法
随机区组试验设计方法安排单因素试验
除杂方法（Ai） 平均值 xt
差异显著性
a=0.05
a=0.01
A4
28.4
a
A
A2
27.5
ab
A
A3
27.0
b
A
A1
25.2
c
B
A5
21.3
d
C
第二节 随机区组试验设计方法
2.1 设计方法
实验设计五原则中，其中的一条就是区组的原则。 随机区组试验设计是一种随机排列的完全区组的试验设计。 其方法是： 根据局部控制的原理，将试验的所有供试单元先按重复划分成非处 理条件相对一致的若干单元组，每一组的供试单元数与试验的处理数 相等。
雌鼠编号 1 2 3 4 5 6 7 8 … 39 40
随机数字 09 47 27 96 54 49 17 46 … 03 10
余数
1 3 3 4 2 1 1 2 …3 2
单因素随机区组实验设计
单因素随机区组实验设计一、单因素随机区组实验设计的基本特点心理和教育科学研究中，被试的个体差异是误差变异的重要来源。
它常常会混淆实验处理的效应，因此是无关变异。
随机区组设计使用区组方法减小误差变异，即用区组方法分离出由无关变量引起的变异，使它不出现在处理效应和误差变异中。
单因素随机区组设计适用于这样的情境：研究中有一个自变量，自变量有两个或多个水平(P ≥2)，研究中还有一个无关变量，也有两个或多个水平(n ≥2)，并且自变量的水平与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，一般首先将被试在这个无关变量上进行匹配，然后将他们随机分配给不同的实验处理。
这样，区组内的被试在此无关变量上更加同质，他们接受不同的处理水平时，可看作不受无关变量的影响，主要受处理的影响而区组之间的变异反映了无关变量的影响，我们可以利用方差分析技术区分出这一部分变异，以减少误差变异，获得对处理效应的更精确的估价。
另外，环境因素也是潜在可考虑的区组变量，例如，每天的时间、每年的季节、地点、仪器等方面的因素也可以进行区组，以减少误差变异，时间是一个特别有效的区组变量，因为它常常还会带来一些附加的变量，如身体的生理周期、疲劳等等。
单因素随机区组实验设计适合检验的假说有两个： (1)处理水平的总体平均数相等，即：0.1.2.:P H μμμ==⋅⋅⋅⋅⋅⋅⋅=或处理效应等于0，即：0:0j H a =(2)区组的总体平均数相等，即：0.1.2.:n H μμμ==⋅⋅⋅⋅⋅⋅⋅=或区组效应等于0，即：20:0i H π=图中可以看出实验中有一个自变量，自变量有4个水平。
实验中还有一个无关变量，将16个被试在无关变量上进行匹配，分为4个区组，每个区组内4个同质被试，随机分配每个被试接受一个处理水平。
二、单因素随机区组实验设计与计算举例(一)研究的问题与实验设计我们仍然利用第一节中文章的生字密度对阅读理解影响的研究做例子。
完全随机设计
样本均数与总体均数（或配对）比较 完全随机设计 —随机分组
12 动物完全随机分两组结果（采用随机数字表）
动物编号 1
2
3
4 65 9 B
5 27 3 A
6 09 2 A
7 52 8 B
8 66 10 B
9 51 7 B
10 07 1 A
11 47 6 A
12 70 11 B
随机数字 35 92 28 序号（R） 5 12 处理级别 A B 4 A
完全随机设计
完全随机设计—概念
完全随机设计(completely random design) 亦称单因素设计。将受试对象随机分到各处理组 中进行实验观察，或分别从不同总体中随机抽 样进行对比观察。 它适用于两个或两个以上样本的比较。各组间样 本量可相等，也可不相等。样本相等时统计分 析效率较高。
完全随机检验等。 计数资料：卡方检验等
完全随机设计
优缺点： 优点：设计及统计分析简单， 缺点：试验效率不高，只能分析单因素。
配对设计
配对设计(paired design)—概念
将受试对象按某些特征或条件配成对子，然后 分别把每对中的两个受试对象随机分配到试验组 和对照组，再给予每对中的个体以不同处理，连 续试验若干对，观察对子间的差别有无意义。
完全随机设计—随机分组
例1 将12头动物随机分配到A、B两组。 1、先将12头动物编号为1、2……12号。然后 在随机数字表内任意确定一个起始点和方向 连续取12个随机数字，并依次抄录于动物编 号下。 2、本例从随机数字表第6行第19、20列起向下 读取12个随机数字，取两位随机数字。 3、将随机数字从小到大顺序排列后得序号R， 并规定R=1～6者为A组，R=7～12者为B组。
第三章常用的几种实验设计方法
基本类型
1.完全随机设计 2.配对设计 3.配伍组设计 （随机区组设计） 4.自身比较设计 5.交叉设计 6.拉丁方设计
试验设计的步骤
1.根据试验的目的选择试验方案。 2.确定处理因素和处理水平。 3.确定试验类型。 4.根据实验效应的类型和处理因素的
情况选择统计方法。 5.确定样本量。 6.确定分组方案。
配伍组设计是先将若干个受试对 象按一定条件划分成若干个区组。每 一配伍组包含的受试对象，随机地分 别接受不同处理，每个配伍组的例数 等于处理组个数。
配伍的条件是影响实验效应的主要非 处理因素。可以按单一非处理因素分配伍 组，也可以按几个非处理因素的组合分配 伍组。
例如实验动物的种属、窝别、性别。年 龄、体重相同和相近的划人一个配伍组或 区组；临床试验根据具体要求可将性别、 体重、年龄、职业、病情和病程等条件相 同和相近的列入一个配伍组。分别将同一 配伍组内的受试对象随机地分别分配到各 处理组中去。
•2．双向误差控制，可以减少实验误差，比 配伍组设计优越。
(6) 缺点
• 1．要求各因素的水平数相等且无交互作 用，在实际应用中有一定的局限性；
• 2.重复数少，对差别的估计往往不够精 确，为了提高精确度，可将处理数相 同的几个拉丁方结合起来进行实验设 计。
例1.研究蛇毒的抑瘤作用，拟将四种瘤株匀浆接种小白 鼠；一天后分别用四种不同的蛇毒成份，各取四种不同 的剂量腹腔注射，每日一次．连续10天，停药一天，解 剖测瘤重。
交叉实验设计进行的实验所得数 据的统计处理可用方差分析，如果资 料的性质不适宜用方差分析则可用秩 和检验。
方差分析步骤：
秩和检验
1．处理间的比较(本例即A、B两种参数电针刺激 间的比较)
第5章 全面试验设计法
2、试验结果分析 按照表5-1所确定的试验顺序进行试验，所得试验结果如表5-2所
示。将表5-2的试验数据按第2章中的表2-2进行整理，此处省略整理过 程，详细过程，作为课外作业去完成！
2、对于完全随机区组等重复双因素全面试验设计，可将每个重复 作为区组，而每个区组内按随机顺序进行一套ab个水平组合的试验。试 验数据表的格式，如表5-12所示（p113）。方差分析方法，请参见 p114，此处不作详述。
在完全随机区组试验设计中，区组因素的选取是很关键的一步，应 根据具体情况，把对试验影响较大的试验条件提出来作为区组因素.
5.2 双因素全面试验设计法（简介）
同时考察两个因素的全面试验,称为双因素全面试验,又称为双因素 析因试验.在双因素全面试验中,因素A有a个水平,因素B有b 个水平,故A
与B的水平组合有ab个,若各水平的重复数为r,则共要进行abr=n个试验, 这n次试验可以按完全随机化法或完全随机区组法进行.
试验因素
区组因素B
A
B1
B2 …… Bj …… Bb
A1
x11
x12 …… x1j …… x1b
x1.
A2
x21
x22 …… x21 …… x2b
x2.
Ai
xi1
xi2 …… xij …… xib
xi.
Aa
xa1
xa1 …… xa1 …… xab
xa.
x.1 x.2 …… x.j …… x.b
比较表2-7和表5-7可以发现, 完全随机区组单因素试验数据表格式, 与双因素无重复试验的数据表格式是一样的.
实验设计方法
3.多因素多水平研究的设计方法选择：
多因素、多水平研究不仅要回答因素
的主次，而且要回答交互作用与最佳
组合。
多因素的设计方法:析因设计、正交设
计与均匀设计三种。
析因设计是全面考虑，全部实施，工作量大， 故目前仅用于简单的多因素、多水平试验。
正交设计是全面考虑，部分实施，工作量小于
析因设计，故一般多因素水平研究常用这种设
倚。(因此不宜用作慢性病)
自身前后配对设计
3.数据处理 计量资料： 正态：配对t检验 非正态：符号秩和检验 配对χ2检验 计数资料： 秩和检验 方法一致性Kappa
自身前后配对设计
4.模式: 以N代表受试对象的总体，Ne代表符合纳入 标准并确定受试对象的人数， D 代表反应指标测定 值，C为空白对照或安慰剂对照，T为被试因素，则 其基本模式是：
例如：单纯比较三个不同药物(三个处理)的降压效 应
①只需回答处理间(组间)差异有无统计意义，这就 属单因素实验； ②还需考核五种不同类型高血压对降压的影响，则 需回答的问题有两个，即属于两因素实验； ③如果除回答前两个问题外，还需考核三个不同年 龄段对降压的影响，那么需回答的问题有三个，就 属于三因素实验。 ④至于组间有差异，若需了解哪(个或些)两两之间 差异有无统计意义，则需作统计学次级分析，这不 作为因素考虑。
式中d为预定的平均差数
自身前后配对设计
6.注意事项 ①尽量控制实验条件，保证处理前后其他条件具有 可比性。并避免时间过长的实验，以删除时间与 大自然条件变化的影响。 ②在离体实验中，由于器官组织脱离正常体内环境， 它们的生物反应可能有一定的变化，必要时应另
安排合理配对或改为异体配对设计。
③个体间差异较大时，可用相对差数进行分析，即
(仅供参考)随机区组设计
常用实验设计方法（一）一、完全随机设计（c o m p l e t e l y r a n d o m d e s i g n）属于单因素实验设计，可为两或多个水平。
将受试对象按随机化方法分配到各处理组，各处理组例数可以相等或不等。
优点：简单易行缺点：①只能分析一个因素的效应；②需要足够的样本含量，使各组基线(混杂)均衡可比。
设计要点◆完全随机设计的两组比较◆完全随机设计的多组比较1.两组比较为实验“736”对肉瘤的抑制作用，将16只长出肉瘤的小鼠随机分为两组，实验组注射“736”，对照组注射同量的生理盐水，10天后解剖称瘤重，试问：①该实验为何种设计类型？②请写出相应的设计方案？③对资料进行统计分析？组别瘤重（克）给药组1.62.22.02.02.51.03.71.5对照组2.14.92.74.32.51.74.53.4随机分配方案：①动物编号1-16②分配随机数：随机排列表第6行取0-15，弃去16-19。
③规定：随机数奇数分配至“736”组，偶数为对照组1表示给药组“736”，0表示对照组（生理盐水）备注：常用的随机分配方案：①按随机数的奇偶分配至两组；②按随机数的余数分配至各组；③将随机数排序，等分成各区段，对应将研究对象分配至各组。
统计分析①数据录入（d a t a1.x l s/s h e e t1）g r o u p瘤重11.612.2121212.51113.711.502.104.902.704.302.501.704.503.4②统计分析结果解释：两组瘤重平均水平差异有统计学意义，给药组的瘤重低于对照组。
2.完全随机设计多组比较研究某药在机体内的杀虫效果，选取20只小鼠，用幼虫感染，8d后随机取15只分为三组分别给予该药的不同药量以杀灭蠕虫，另5只为对照，用药2d后，将所有的小鼠杀死计数体内成虫数。
获得资料如下：对照低剂量中剂量高剂量381279378172346338275235340334412230470198265282318303286250试问：①该实验为何种设计类型？②请写出相应的设计方案？③对资料进行统计分析？随机分配方案：①动物编号1-20②分配随机数：随机排列表第10行。
DOE实验设计的基本类型
②随机区组设计。
又称被试内设计。
它先把被试按某些特质分到不同区组，使各区组内的被试更接近同质，而区组间的被试更加不同。
然后将各区组内的被试随机分派接受不同的处理,或按不同顺序接受所有的处理。
这样，对于一个区组来说是接受所有处理的。
这一点与完全随机化设计不同。
完全随机化设计中各组只分别接受各自所应该接受的处理。
Ⅴ是随机区组设计的基本模式。
它与完全随机化设计的不同还表现在把"区组'这一变量也纳入了实验设计。
这样,总变异就可以分成"处理间'、"区组间'及"误差'。
与完全随机化设计相比，它能把由个别差异造成的变异估计出来。
划分区组的依据与要考察的反应变量密切相关，即当同一区组的被试在第1个实验处理中得分高于其他区组时，在第2个处理中的得分也同样高。
因此，随机区组设计的统计方法一般用相关样本的t检验或方差分析。
另外,如果随机区组设计中的每一区组都进行所有的处理，便称为完全区组设计；如果每区组所进行的处理数小于总的处理数，则称为不完全区组设计。
后者虽然每一区组不进行所有的处理，但每一处理所在的区组数须相同。
大部分心理学家在实验中的处理数都不太多，基本上是用完全区组设计。
若处理数很多(农业实验中常遇到这种情况)，由于实验的总实施次数很大，限于人力、财力及时间，则须采用不完全区组设计。
单因素设计与多因素设计这两种设计是根据实验中自变量的多少来划分的。
①单因素设计。
它的自变量只有一个，其他能影响结果的因素均作为无关变量而加以控制。
这种设计简明易行，但由于在实际生活中影响心理活动的因素常不止一个，所以当情况比较复杂时，最好使用多因素实验设计。
②多因素设计。
自变量为两个或两个以上的实验设计。
常用的多因素设计有完全随机化、随机区组和拉丁方等。
完全随机化多因素设计根据自变量及每个自变量的变化水平(处理)的多少进行随机分组。
在22因素设计中，有两个自变量因素A、B，每个因素又有两种水平，共有 4种可能的处理，即A1B1、A1B2、A2B1、A2B2。
第二节 随机完全区组设计
表12-4 杨树激素的多重比较
激素种类A A4 平均数 1227.5 0.05显著性 0.01显著性
A3
A1 A2
1210.5
1184.5 1179.5
a a b b b
A A A A
结论：在5%的显著水平上，A4与A1、A4与A2有显著差异。
首选A4激素，其次是A3，具体选择哪种激素看其他条件。
2 苗床间的多重比较（LSD法）
i 1 j 1
二、方差分析的数 学 模 型
yij i j ij
yij : 观察值,
: 总平均数， i : Ai的主效应， j : 区组B j的效应, ij : 相互独立的观察值误差，服从N（0， 2）。
三、变异来源
数学模型：yij
i j ij
yi
4738 4718
A3
A4 区组和
1182
1184
1199
1259 4826
1336
1328 5321
1125
1139 4460
4842
4910 19208
y j
4601
计算变异来源 A、B的和与观察值总和。
第二步：计算平方和
C y 19208 23059204 ab 4 4
苗床4 — B4
A2 1092 A3 1125 A4 1139 A1 1104
每个小区栽培10株苗木。到施肥季节进行施肥。秋季苗木停止生长后， 测量每株苗木的生物量(g)，各小区10株苗的平均生物量见上图。
第一步：计算各变异来源的和
表12-2 每个小区的生物量 ( g )
激素种类 Ａ A1 A2 区组 Ｂ B1 1133 1102 B2 1182 1186 B3 1319 1338 B4 1104 1092 激素和
方差分析的应用范围单因素完全随机设计,随机化区组设计,拉丁方
方差分析(ANOVA)方差分析的应用范围单因素完全随机设计, 随机化区组设计,拉丁方设计多因素析因设计,裂区设计,交叉设计,正交设计多变量多元方差分析回归方程的假设检验第一节完全随机设计与资料分析方差分析目的：根据多个组间样本均数的差别推断总体均数是否存在差别。
一、方差分析的基本思想：表12.2 红细胞沉降率(mm/h)抗凝剂红细胞沉降率niX S2Σx Σx2甲17, 16, 16, 15 4 16.0 0.67 64 1026 乙10, 11, 12, 12 4 11.3 0.92 45 509 丙11, 9, 8, 9 4 9.3 1.58 37 347 合计12 12.2 3.17 146 1882观察值之间有变异，这变异可以用离均差平方和表示。
67.105)(112..=-=∑∑==GinjijTixxSS进一步分析，总变异中有两类变异：1. 组内变异，指各组内观察值的差异50.9)1()(12112.=-=-=∑∑∑===GiiiGinjiijWsnxxSS i2. 组间变异，指各组间样本均数与总均数的差异17.96)(12...=-=∑=GiiiBxxnSS由于组内变异完全是个体间的差异，因此可以认为是随机误差。
而组间变异反映组间均数的差异，其可能仅仅包含随机误差，这时零假设成立。
也可能除随机误差外，还包含处理的效应，这时则备择假设成立。
组间变异和组内变异的自由度不同，无可比性。
计算均方，再进行比较：37.4506.109.489/50.92/17.96)/()1/(====--=WBWBMSMSGnSSGSSF二、方差分析的基本步骤1. 方差分析的基本条件a. 各组观察值分别服从总体均数为μi的正态分布。
b. 各组观察值总体方差相等。
多组间的方差齐性检验检验假设：H0：σ21=σ22=…=σ2G，H1：σ2i不全相等，α=0.150.0])(111[)1(311)ln()1()/ln()(12122=----+---=∑∑==Gi iiGiicGnnGSnGSGnχ查表得p>0.75，差异无统计学意义，故认为各组间方差不齐。