第三章 实验设计范文

第三章实验设计

本章主要内容

⏹主要内容：

⏹一实验设计的概念

⏹二实验设计的内容

⏹三实验设计的基本类型Ⅰ

⏹四实验设计的基本类型Ⅱ

一实验设计的概念

⏹实验设计（experimental design）是控制实验条件和安排实验程序的计划。

二实验设计的内容

⏹①自变量(或刺激变量) 的确定及其呈现的方式；

⏹②因变量(或反应变量)的指标及其测量方法；

⏹③对一切有关变量(或变项)的控制措施；

⏹④确定被试总体及被试样本人数和选择被试的方法；

⏹⑤拟定主试在实验开始前对被试者要说的指导语；

⏹⑥规定实验次数；

⏹⑦安排实验程序；

⏹⑧规定使用仪器的型号；

⏹⑨规定处理实验数据的方法。

怎样确定被试样本人数

⏹一项研究应从总体中抽取多少被试好?

⏹容量越大越好?

⏹容量越小，会影响样本的代表性，使抽样误差增大而降低实验研究推论的精确性。

⏹样本容量过大，虽然减少了抽样误差，但可能增大过失误差，增大无谓的经费开支和精力。怎样确定被试样本人数

⏹在样本的选择上，最重要的是样本要有高的代表性，愈有代表性的样本，类推样本总体的性质就愈正确。对总体而言，选取的样本是否具有代表性，根据下列三项因素而定：

⏹一是选取的样本大小是否足够，

⏹二是样本选取时抽样的方法是否恰当；

⏹三是从样本处所获得的数据是否精确。

⏹取样的样本要多少才算“够大”？

⏹在研究设计中，被试的数目要多大才算具有代表性，多大的样本才算够大，这个议题，社会科学研究领域中，似乎无一致结论。其中，学者sudman（1976）提出的看法，可供研究者参考。Sudman认为：

⏹初学者进行与前人相类似的研究时，可参考别人样本数，作为自己取样的参考。

⏹如果是地区性的研究，平均样本人数在500-1000人之间较为适合；而如果是全国性研究，平均样本人数约在1500-2500人之间较为适宜。

⏹学者Gay（1992）对于样本数多少，则提出以下看法：

⏹描述研究时，样本数最少占总体的10%，如果总体较小，则最小的样本数最好为总体的20%.

⏹相关研究的目的在于探究变量间的有无关系存在，受试者至少须在30人以上。

⏹因果比较研究与许多实验研究，各组的人数至少要有30位。

⏹如果实验研究设计得宜，有严密的实验控制，每组受试者至少在15人以上，但权威学者还是认为每组受试者最少应有30人，最为适宜。

⏹学者Borg与Gall（1983）二者即认为，样本数多少受到多种变量的影响，在下列几种条件或情景中，要采取较大的样本数：

⏹编制之测量工具的“信度”（可靠性）较低时。

⏹研究进行中有较多变量无法控制时。

⏹统计分析时，受试者须再细分为较小的各群组来分析比较时。

⏹实验设计时，预期会有较多受试者中途推出时。

怎样确定实验研究中被试样本人数

⏹确定样本人数时要考虑以下因素

⏹１、实验研究所要求的精确度

⏹精确度是指样本平均数与总体平均数的一致性程度。精确度是确定样本容量的一个重要因素。d是评价抽样结果精确度的一个指标。

⏹样本平均数（x’）估计总体平均数（u），从总体中随机抽取一个样本，即使没有系统误差和过失误差，x’也不一定等于u ，此时（x’-u）就是抽样误差。

⏹一般情况下，样本的分布为正态分布，所以对任一（x’i）而言，尽管存在着抽样误差，但由于x’i有９５％的可能性在临界值范围内，抽样误差不超过这个范围的一半（用d 表示），称d为最大允许抽样误差。

⏹但是如果（x’i－u ）大于d，即x’落到临界区之外，统计上就认为x’i 已不是来自该总体的一个样本了。

⏹2、研究问题所涉及的总体大小

⏹如6岁儿童的注意特点.

⏹3、研究者的经费、人力、物力等条件

⏹4、实验对象可供选择的可能性也制约着样本的大小

⏹如连体儿

⏹5、所选样本大小与实验类型有关

⏹如果实验是属于因素型实验，并采用相关设计的方法，那么样本的被试要大于40。若实验是属于函数型实验，并且用T检验，那么被试数可小于30。

⏹总之，上述5种因素，应综合起来考虑，决定一个研究的被试数量。

实验设计的基本类型

⏹从对实验控制条件的严密程度的不同：

⏹①真实验设计

⏹②准实验设计

⏹③非实验设计

⏹根据实验中要操纵变量的多少：

⏹①单因素实验设计

⏹②多因素实验设计

⏹根据在各种自变量及各种处理水平中是否用相同被试：

⏹①被试内设计

⏹②被试间设计

⏹③混合设计

三实验设计的基本类型Ⅰ

⏹（一）被试间设计

⏹（二）被试内设计

⏹（三）混合设计

（一）被试间设计

⏹被试间设计是每个被试（组）只接受一个自变量的处理，对另一被试者（组）进行另一种处理，故又称独立组设计。

（一）被试间设计

⏹优点：一种实验处理（或实验条件）不会影响另一种实验处理，避免了练习效应和疲劳效应等由实验顺序造成的误差。

⏹缺点：

⏹1、所需要的被试数量巨大。

⏹2、由于接受不同处理的总是不同的个体，不能排除个体差异对实验结果的混淆。

⏹举例：在一个实验中测定30个学生记忆无意义单词的能力。

⏹自变量：每个单词被诵读的次数：一次或五次。

⏹被试间设计：被试分成两组，每组十五个学生，一组学习五次，另一组学习一次。

⏹思考：本设计存在问题吗？

⏹等组问题

⏹在被试间设计中，实验者必须尽量减少两个或多个组别中的被试差异。

⏹被试间设计采用两类分组技术来解决等组问题：匹配和随机化。

1、匹配（matching）设计

⏹匹配设计是指将被试按某一个或几个特征上水平的相同或相似加以配对，然后再把每一对中的每个被试随机分配到各个组别。也叫对等组设计、配对组设计。

匹配组设计的步骤

⏹第一步：先对所有被试进行前测（pretest），然后根据前测的作业分数进行匹配。

⏹匹配时，前测的内容必须是和实验作业高度相关的。

⏹相同任务：如打靶；根据打靶成绩进行分组；

⏹类似任务：如问题解决→不同种类问题解决；

⏹相关任务：如智力测验→问题解决。

匹配组设计的步骤

⏹第二步，得到前测分数后，就可以根据这个成绩进行匹配分组。

⏹举例：在某项研究中要将30 个被试分配到三个自变量水平A、B、C 中。

⏹研究者需要先将被试按前测作业分数的高低排列，然后将前三个被试随机分配到A、B、C 三组，接着将接下来的三个被试如法分配，直到分配完毕。

1、匹配（matching）设计

⏹对动物进行被试间设计的实验研究时，一项重要的匹配技术是拆窝技术（split-litter technique）。

匹配设计的优缺点

⏹优点：在实验处理之前，就把组间变异缩到最小，并使各组内变异比单独的随机分配更接近相等。