单因素完全随机实验设计
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。
单因素设计——精选推荐
单因素完全随机设计（黄希庭的心理学研究方法）单因素设计只有一个自变量，而随机化设计则是指采用随机化的方法分配被试到各个实验处理中。
单因素完全随机设计是指研究者在实验中只操纵一个自变量，并采用随机化的原则把被试分配到自变量的不同水平上的一种实验设计。
根据自变量水平的多少，单因素完全随机设计可分为两等组模型和多等组模型；根据有无试验前侧，可分为后测模型和前测后测模型；根据是否进行配对分组，可分为随机等组模型和随机配对等组模型。
一。
实验组控制组后测设计（一）实验组控制组后测设计模式只有一个自变量，并且自变量只有两个水平，其设计的基本模式如下：R1 X O1R2 O2首先采用随机分配的方法将被试分为同质的两组，两个组在理论上完全相同，然后随机选择其中的一组作为实验组接受实验处理，另一组作为控制组不接受实验处理。
在实验处理后，两组接受相同的后测，并对所获得的观测结果的差异进行比较，以推论实验处理的效果。
对于该设计实验结果的统计分析，可采用独立样本的t检验的方法进行数据统计分析。
（二）实验组控制组多组后测设计模式如果在一个实验中，实验因素具有三个或三个以上的处理水平时，上述设计的结构模式可变为：R1 X1 O1R2 X2 O2R3 X3 O3………Rn Xn OnRn+1 On+1这种模式和实验组控制组后测模式的区别仅在于增加了自变量的水平，即由两个水平变为多个水平，这种设计也成为随机多组后测设计。
在这种设计模式中，随机选取并分派被试组成等组，其中可以有一个组是不接受实验处理的控制组，其他各组分别接受不同的实验处理；也可以所有的组都接受不同的实验处理，对各组可能出现的结果差异进行比较。
对于单因素完全随机多等组后测设计的数据分析，可采用单因素方差分析的统计方法。
如F检验达到了统计显著性水平，表明在所有处理条件中至少有两个处理条件的差异达到了显著水平。
随后还需要进一步分析这些处理中哪些处理间具有显著的差异，进行有关单因素方差分析的事后多重比较（post hoc test）。
单因素实验设计
心理学研究方法
9
被试间设计的特点
� 被试间设计的优点： 主要优点是被试分数 相互独立，因而较好 地保证了结果的纯洁 性——避免了参加多 个实验处理可能产生 的练习效应、疲劳效 应、对比效应（敏感 或钝化）。
� 被试间设计的缺点： 被试需要量较大是一 个主要的缺点，尤其 在总体规模较小的时 候。
心理学研究方法
� 被试内设计的缺点： ① 被试缩减问题；
② 时间相关问题；
③ 顺序效应问题，如 后延效应（carryover effect）和累积误差 （progressive error）。
心理学研究方法
12
处理1
John 20 Mary 30 Bill 40 Kate 50
M=35
处理2
Huy 24 Tom 35 Daff 43 Ane 54
Y21Yi1
Yi2
Yij
Yip
均数
心理学研究方法
Yn1 μ.1
Yn2 μ.2
Ynj μ.j
Ynp μ.p
20
实验设计模型
α 假设：H0：μ.1=μ.2=……=μ.p 或 j=0 设计模型：Yij =μ+αj+∈i(j)
Yij——被试i在处理水平j上的分数 μ——总体平均数 αj——水平j的处理效应——变异源1 ∈i(j)——误差效应，成正态分布——变异源2
第11讲 单因素实验设计
Single-factor Experimental Design
要点
� 被试间设计与被试内设计 � 单因素实验常用设计模型
� 完全随机设计 � 随机区组设计 � 拉丁方设计 � 重复测量设计
心理学研究方法
2
实验设计过程: 两个侧面
单因素完全随机设计
所罗门四组设计
真实验研究设计是相对准实验研究设计和非实验研究设计而言，是
实验类研究中条件控制最为严格的一种，有时也简称实验研究设计。
真实验设计的基本逻辑是，根据随机化的原则把被试分配到不同的 实验条件中去，所形成的这些组具有同质性或是等组，也就是这些组在 相同的条件下完成相同的任务，他们的成绩在统计上应该是相等的。如 果这些组的成绩有所差异，则可以推论这些差异是由于不同的实验条件 造成的。
真实验研究设计的特点主要体现在，能够随机地选取并分配被试，能够在
有效控制无关因素干扰的基础上操纵自变量的变化，能够精确地测量因变量的变
化。因此只要能够严格控制无效变异来源的实验设计，都可以成为真实验设计。 在一个好的实验设计中，自变量是唯一正在被操纵的变量,而各组中的所有其他条 件都应当保持恒定。也就是，除自变量外，如果实验组和控制组的处理非常相似 , 那么因变量之间的差异一定是由自变量引起的。例如,在视错觉的实验研究中,被试
（一）实验组控制组后测设计 （二）实验组控制组前测后测设计 （三）所罗门四组设计
设计的基本模式 (一) 所罗门四组设计(sodmim fopolin也称重选实物设计，是由所罗门于1949年提出的一种具 有两个实验组和两个控制组的随机设计，其基本的设计模式为: R1 R2 R3 R4 O1 O3 X X X O2 O4 O5 O6
组设计还能够考察测验、历史和成熟等因素对因变量的影响。
所罗门四组设计是心理和行为科学研究中一种理想的研究设计，此种设计在内部效 度和外在效度方面均无缺点而言。但是，在研究过程中很难时找到四组同质的被试。这也 是所罗门四组设计应用的局限所在此，在研究的初幻及阶段一般不宜采用这种研究设计， 除非就实验假设作决定性检验的时候才虑加以使用。
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。
单因素完全随机设计
单因素完全随机设计单因素完全随机设计是一种重要的实验设计方法，适用于只有一个自变量和一个因变量的研究。
该设计方法的特点是实验对象被随机分为若干个互相独立的组，每组只应用一个处理方式，以确定自变量对因变量的影响。
本文将详细介绍单因素完全随机设计的应用、设计流程和实施步骤，并对其优缺点进行分析。
单因素完全随机设计被广泛应用于各领域的实验研究。
例如，在医学研究中，可以将不同剂量的药物应用于不同的实验组，观察其对病患的治疗效果；在教育研究中，可以将不同的教学方法应用于不同的班级，比较它们在学生学习成绩方面的差异。
通过使用单因素完全随机设计，研究者能够控制其他影响因素，从而更准确地研究自变量对因变量的影响。
设计单因素完全随机实验需要按照以下流程进行：确定研究问题和研究目的、选择实验设计、确定实验对象和实验条件、制定实验方案、实施实验、收集数据、进行数据分析和结果解读。
首先，需要明确研究问题和研究目的。
通过确定研究问题和研究目的，可以明确需要研究的自变量和因变量，以及可能存在的其他中介变量和控制变量。
其次，选择实验设计。
在单因素完全随机设计中，实验对象被随机分成若干组，每组只应用一个处理方式。
这样做的目的是确保组内实验对象的相似性，组间实验对象的差异主要由自变量引起。
第三步是确定实验对象和实验条件。
根据实验目的和实际情况，选择适当的实验对象和实验条件。
以药物研究为例，实验对象可以是动物，实验条件可以是不同剂量的药物。
第四步是制定实验方案。
根据实验设计和实验对象的特点，制定详细的实验方案。
包括实验的时间安排、实验的具体步骤、实验的测量方法等。
第五步是实施实验。
按照实验方案进行实验。
保证实验的操作的准确性和可重复性。
第六步是收集数据。
根据实验方案进行数据的收集。
需要明确不同处理组的测量对象和测量方法。
第七步是进行数据分析和结果解读。
根据实验数据进行统计分析，比较不同处理组的差异，判断自变量对因变量的影响。
根据结果来解读实验的结论。
单因素实验设计
四．单因素完全随机实验设计方差分析的前提条件
1.正态分布。 2.方差齐性。（分配给不同处理水平的被试在统计上是无差异的） 3.独立性。 4.连续性。
特别注意： ①如果自变量有两个水平，即实验中有两组被试，则F检验与两组Z或t检验等效。
也就是说，两个独立样本差异的显著性检验可以看成是单因素完全随机实验 设计的特例。
单因素实验设计
第一讲 单因素完全随机实验设计
一.单因素实验设计定义:实验中只有一个自变 量的实验设计。
分类： 1.单因素完全随机实验设计 2.单因素随机区组实验设计 3.单因素重复测量实验设计 4.单因素拉丁方实验设计
二．单因素完全随机实验设计的模式：
表：
三.单因素完全随机实验设计的基本特点：
1.实验中只有一个自变量，平，即实验有多组被试，则不能用Z或t检验去进行显 著性检验。
③如果F检验结果显著，则表明各组均数中至少有两组均数差异是显著的，但是 并不能知道哪几组均数差异显著，所以还需要进行多重比较。
思考题：单因素完全随机实验设计方差分析
有A、B、C三种不同的阅读策略训练方法，从5年级学生中随机挑选9名学生参 加训练，将其随机分为3组，每组3名学生，每组接受一种训练方法。一学期结 束后，对6名学生进行阅读能力测验，测验结果如表：
2.如自变量有P个水平，实验就有P组。
3.两种情况：
①随机选择N个同质的被试，并随机分配到P个不同水平的实验处理中， 每组被试人数可相同，也可不同。
②有P组不同质的被试接受同一种实验处理，每组被试人数可相同，也可 不同。
4.优点：每个被试只接受一次处理，没有疲劳与练习效应，实验设计和实施简单。 缺点：被试间的个体差异无法控制，实验的精度较低，如果实验中含有多个处 理水平时，需要的被试量也会比较大。
心理统计SPSS-第五章 因素型实验设计及方差分析过程剖析
1 2
A1
8 12
A2
16 11
A3
21 16
3
4 5
11
7 13
15
10 12
18
19 22
6
9
14
18
练习
One Way方差分析程序的适用条件： 1.三个以上相等独立被试组在不同条件下接受观测得 到三组以上的独立数据组； 2.来自三个以上不同总体的独立被试组在相同条件下 接受同样的观测，得到三组以上的独立数据组； 3.一般要求因变量必须是连续测量的数据或近似于连
究会得到多组数据，而这些数据必然存在变异。被试差异、测量误 差、其他额外变量的变化等。因素型实验的目的就是考察自变量或准自
变量变化是否引起了因变量数据足够大的改变，以至于可以认为其不同
水平间因变量的差异性并非误差因素造成，而且这种评估是与误差因素 引起数据的变化量相比较而完成的。数据变异可以通过离差平方和或方 差来反映，所以关于数据变异的分析叫方差分析。
续变化的数据；
4.数据总体为正态分布、各数据样本方差齐性。
二、多因素完全随机实验设计方差分析（GLM 方差分析）
当研究的自变量或准自变量不只一个，每个自变量的水平在两个 以上时，就会结合出四个以上的实验处理。将选取来的被试分成四个 独立组，每个组被试只接受一种条件下的实验观察，则构成多因素完 全随机实验设计。其数据分析则要使用SPSS程序中的“General Linear Model-Univariate”模块。 如果进行简单效应检验，可执行类似于下的句法命令： MANOVA SCORE by A(1,2) B(1,2) /design（此句要求先输出完整的方差分析表） /design=A within B(1) A within B(2) B within A(1) B within A(2). （ANOVA命令中不能做简单效应检验）
单因素完全随机设计
29 27 32 11 23 37
学生编号 （2班） 成绩 13 40 14 29 15 19 16 35 17 27 18 34
单因素完全随机实验设计
学生编号(1班）成绩
19 20
学生编号 （2班） 成绩 24 19 36 17 20 40
单因素完全随机实验设计
分析此实验
如何进行统计分析
单因素完全随机实验设计
进行one-way
ANOVA 分析需要满足的假设： 正态分布 因变量总体在因素的各个水平上呈 正态分布
如果不能保证正态分布，每组的样本量应不少于
15人
单因素完全随机实验设计
方差齐性
因变量在因素的各个水平上方差齐
性
如果各组方差不齐，而且各组样本量也不同，方
差分析的结果不可信
单因素完全随机实验设计
学生编号(1班）成绩
7 8 9 10 11 12
29 32 26 35 17 40
学生编号 （2班） 7 8 9 10 11 12
成绩 38 36 33 22 36 32
单因素完全随机实验设计
学生编号(1班）成绩
13 14 15 16 17 18
两个班的平均成绩、标准差、最高分和最低
分 两种教学方式对汉字读音记忆效果是否有差 异，哪一种教学方式更有效
单因素完全随机实验设计
学生编号(1班）成绩
1 2 3 4 5 6
22 26 34 33 34 11
学生编号 （2班） 成绩 1 29 2 36 3 27 4 19 5 37 6 28
指用随机化方法将被试随机分为几组 根据实验目的对各组被试实施不同的处理
单因素完全随机设计
单因素完全随机实验设计一、单因素完全随机实验设计的基本特点单因素完全随机实验设计适用于这样的研究：研究中有一个自变量，自变量有两个或多于两个水平(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。
图中清楚地显示了单因素完全随机实验设计的特点：实验中有一个自变量，自变量有4个水平，每个处理组有4个被试，每个被试接受一个处理水平，16个被试参加了实验。
二、单因素完全随机实验设计与计算举例(一)研究的问题与实验设计一个研究要探讨文章的生字密度对学生阅读理解的影响。
研究者的假设是：阅读理解随着文章中生字密度的增加而下降。
因此，该实验有一个自变量——生字密度，研究者感兴趣的四种生字密度是：5:1(a1)、10:1(a2)、15:1(a3)、20:1(a4)。
因变量是被试的阅读理解测验分数。
实施实验时，研究者将32名被试随机分为四组，每组被试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。
这是一个典型的单因素完全随机设计，虽然研究者不再检验实验中其它因素的影响，但实际上存在着多种可能对因变量产生影响的均在变量，例如：文章的长度、文章的主题熟悉性、文章类型等、通讯被试的年龄、受教育程度、阅读能力等。
这时，控制无关变量可做的工作之一是在选取四篇文章时，使它们在除生字密度以外的其它方面尽量匹配。
(二)实验数据及其计算在本书中，数据的方差分析计算是分步进行的：首先列出计算表，然后利用计算表中的数字进行基本量的计算，最后用基本量计算各种平方和。
其中，计算表包括原始数据表和平均数表，其作用主要是帮助读者了解基本量计算公式中各数字的意义和出处，在多因素方差分析中，基本量计算公式迅速增加，计算表的帮助是特别明显的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2.组内 3.合计
78.750 P(n-1)=28 2.813 268.875 np-1=31
注: F.01(3,28)=4.57
.
5、平方和与自由度分解
SS总变异 df=np-1
=31
6、解释
SS组间 df=p-1=3
SS组内 df=p（n-1)=28
A、各种平方和的含义
SS总变异：带有实验数据中所有的变异，包括实验处 理效应、无关变异和误差变异
F=SS最大/SS最小=36.000/10.875=3.31
.
(3)误差平方和的计算：相减法或直接计算法
完全随机实验设计的简单评价： 优点：实验设计和实施简单
不需要匹配被试 统计分析及对结果的解释简单 缺点：组内变异中混杂有被试的个体差异带来的无关变 异，导致F比率的分母项加大，从而使实验较为不敏感； 当有多个处理水平时，需要的被试量较大
μ1 μ2 … μJ … μP
.
6、适合检验的假说是： 两个或多个处理水平上的总体平均数相等，即：
H0：μ1 =μ2 = …… =μp 或处理效应为0，即： H0： αj = 0 7、单因素完全随机实验设计模型：
YiJ = μ + αj + εi(J) (i=1,2,……,n; j=1,2, ……,p) 其中：YiJ：被试 i 在处理水平 J 上的分数
i 1j 1 Y ij36420 .020
i n 1j n p 1yip j2y2 84 0 2 212.1 72 55
n py2ijA S326215 .0
i 1j 1
Pi n 1 y ij2 A 32 5 3 2 1 14 .26 5
n J 1
88
.
3、平方和的分解与计算 A、平方和分解模式
μ：总体平均数 αｊ：水平的处理效应
.
ε ：误差效应，它是一个正态分布的随机变量
二、单因素完全随机实验设计与计算举例
（一）研究的问题与实验设计 研究假设：阅读理解随着文章中生字密度的增加而下降
（文章的生字密度对学生阅读理解的影响） 自变量： 生字密度，共四种密度，A1—A4（1/5、
1/10、 1/15、1/20） 因变量： 阅读理解测验分数 被试分配：32名被试随机分成四组，每组阅读一种生字
SS组间：所有由于实验处理引起的变异，处理效应
.
SS组内：所有不能用实验处理解释的变异
F=MS组间/MS组内 B、同质性检验
其基本假设是分配给不同处理水平的被试在统计上是 无差异的，只有首先证实各组被试是同质的，才能做进一 步的全方差分析。计算方法：
SS1组= ( 32+62+… ) - ( 35)2/8=19.875 SS2组= (42+62+…) - (31)2/8 =10.875 SS3组= (82+92+…) - (56)2/8 =12.000 SS4组= (92+82+…) - (80)2/8 =36.00
.
a1 a2
a3
a4
S1
S2
S3
S4
0
S11
S12
S13 S14
S15
S16
.
5、单因素实验设计的数据模式
a1 a2 … aj … ap Y11 Y12 … Y1J … Y1P Y21 Y22 … Y2J … Y2P Yi1 Yi2 … YiJ … YiP Yn1 Yn2 … YnJ … YnP
单因素完全随机实验设计
.
单因素完全随机实验设计
一、基本概念 1、研究中只有一个自变量，但有两个或两个以上水平 2、被试随机分配给处理的各个水平，且每个被试只接受 一个水平的处理 3、用随机化的方式控制误差变异：由于被试是随机分配 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 4、被试分配如下表：
密度的文章，并回答阅读理解测验中有关文章 内容的问题
（二）实验数据及其计算
利用基本量计算平方和
.
1、计算表
a1 a2 a3 a4 3489 6698 4488 3277 5 4 5 12 7 5 6 13 5 3 7 12 2 3 6 11 ∑ 35 31 56 80 202
.
2、各种基本量的计算 np
SS总变异=SS组间+SS组内 B、平方和计算
SS总变异=[AS]—[Y]=268.875 SS组间 =[A] — [Y]=190.125 SS组内 =SS总变异—SS组内=78.750 4、方差分析表及 解释
.
变异来源 平方和 1.组间（生字密度）190.125
自由度 P-1=3
均方 F 63.375 22.53**