实验设计与统计分析.ppt
合集下载
田间试验与统计方法田间试验PPT课件
第8页/共68页
（3）控制引起差异的外界主要因素 土壤差异是最主要的又是较难控制的 通常采用的有以下三种措施： • (1)选择肥力均匀的试验地； • (2)试验中采用适当的小区技术； • (3)应用良好的试验设计和相应的统计分析。
第9页/共68页
二、试验地的土壤差异 ➢试验地的土壤差异来源 （1）形成基础不同 （2）土地利用上的差异
• 土壤差异表现的形式确实不知时，用方形小区较妥。因为虽 不如用狭长小区那样获得较高的精确度，但亦不会产生最大 的误差。
第26页/共68页
三、重复次数
重复次数越多，误差越小 ；误差大小与重复次数平方根成反比
第27页/共68页
• 一定范围内，增加重复次数比增大小区面积更有效地降低试 验误差，从而可以提高精确度。
• 由于土壤局部差异，长方形小区有利于均分它，而正方形小 区可能独占它
• 例如图2-3，某试验地下面有暗沟，它对长方形各处理小区 影响不同。因此，在一般情况下，小区的理想形状为长方形。
第23页/共68页
• 不论是呈梯度或呈斑块状的土壤肥力差异，采用狭长小区均 能较全面地包括不同肥力的土壤。
• 如已知试验田呈肥力梯度时，小区的方向是使长的一边与肥 力变化最大的方向平行，使区组方向与肥力梯度方向垂直 (图2.4)，这样可提供较高的精确度。
• 原则:同一重复或区组内的土壤肥力应尽可能相对一 致，而不同重复之间可存在差异。
• 区组间的差异大，并不增大试验误差，因可通过统计 分析扣除其影响；而区组内的差异小，能有效地减少 试验误差，因而可增加试验的精确度。
设置区组是控制土壤差异最简单有效的方法之一。
第33页/共68页
第五节 常用的田间试验设计
第24页/共68页
（3）控制引起差异的外界主要因素 土壤差异是最主要的又是较难控制的 通常采用的有以下三种措施： • (1)选择肥力均匀的试验地； • (2)试验中采用适当的小区技术； • (3)应用良好的试验设计和相应的统计分析。
第9页/共68页
二、试验地的土壤差异 ➢试验地的土壤差异来源 （1）形成基础不同 （2）土地利用上的差异
• 土壤差异表现的形式确实不知时，用方形小区较妥。因为虽 不如用狭长小区那样获得较高的精确度，但亦不会产生最大 的误差。
第26页/共68页
三、重复次数
重复次数越多，误差越小 ；误差大小与重复次数平方根成反比
第27页/共68页
• 一定范围内，增加重复次数比增大小区面积更有效地降低试 验误差，从而可以提高精确度。
• 由于土壤局部差异，长方形小区有利于均分它，而正方形小 区可能独占它
• 例如图2-3，某试验地下面有暗沟，它对长方形各处理小区 影响不同。因此，在一般情况下，小区的理想形状为长方形。
第23页/共68页
• 不论是呈梯度或呈斑块状的土壤肥力差异，采用狭长小区均 能较全面地包括不同肥力的土壤。
• 如已知试验田呈肥力梯度时，小区的方向是使长的一边与肥 力变化最大的方向平行，使区组方向与肥力梯度方向垂直 (图2.4)，这样可提供较高的精确度。
• 原则:同一重复或区组内的土壤肥力应尽可能相对一 致，而不同重复之间可存在差异。
• 区组间的差异大，并不增大试验误差，因可通过统计 分析扣除其影响；而区组内的差异小，能有效地减少 试验误差，因而可增加试验的精确度。
设置区组是控制土壤差异最简单有效的方法之一。
第33页/共68页
第五节 常用的田间试验设计
第24页/共68页
(汇总)食品实验设计与统计分析第二节.ppt
一般贝努利试验与n次贝努力试验不严格区分 二项分布的定义：
设随机变量 x 所有可能取值为零和正整数：0,1,2, … n, 且有：
P（x=k）= P n(k) = C n k p k q n-k (k = 0,1,…,n )，其中p > 0, q > 0, p + q =1,
则称为随机变量服从参数为n和p的二项式分布,记为 x~B(n,p)。
t x /S x
f x
df
df
1 / df
2 / 2
1
t2 df
df 1 2
Ftdf Pt t1
t1 f t df
优选文档
28
优选文档
29
实际样品中σ12和σ22常是未知的，但在样本含量充分大
的情况下，通常是用S12与S22分别代替σ12和σ22，于是常
用
估计， x1 x2
S12
n1
S
2 2
，n2记为：
S x1 x2
S12
n1
S
2 2
n2
2 1
2 2
2
S
2 0
S12
df1
S
2 2
df
2
df1 df2
SS1 SS2 n1 n2 2
0
4
n
Px m Pn k m
C
k n
pk qnk
m
5
m2
Pm1 x m2 Pn m1 k m2 Cnk pk qnk
k m1
(m1≤m2)
优选文档
4
优选文档
5
优选文档
6
3.1.1.2 二项分布的概率计算和应用条件 已知随机变量x~B(n,p) 正好有k次发生的概率。
设随机变量 x 所有可能取值为零和正整数：0,1,2, … n, 且有：
P（x=k）= P n(k) = C n k p k q n-k (k = 0,1,…,n )，其中p > 0, q > 0, p + q =1,
则称为随机变量服从参数为n和p的二项式分布,记为 x~B(n,p)。
t x /S x
f x
df
df
1 / df
2 / 2
1
t2 df
df 1 2
Ftdf Pt t1
t1 f t df
优选文档
28
优选文档
29
实际样品中σ12和σ22常是未知的，但在样本含量充分大
的情况下，通常是用S12与S22分别代替σ12和σ22，于是常
用
估计， x1 x2
S12
n1
S
2 2
，n2记为：
S x1 x2
S12
n1
S
2 2
n2
2 1
2 2
2
S
2 0
S12
df1
S
2 2
df
2
df1 df2
SS1 SS2 n1 n2 2
0
4
n
Px m Pn k m
C
k n
pk qnk
m
5
m2
Pm1 x m2 Pn m1 k m2 Cnk pk qnk
k m1
(m1≤m2)
优选文档
4
优选文档
5
优选文档
6
3.1.1.2 二项分布的概率计算和应用条件 已知随机变量x~B(n,p) 正好有k次发生的概率。
试验设计与统计分析
Section 2.2 次数分布表
一、 间断性变数资料的整理
表1 100个麦穗的每穗小穗数
18 15 17 19 16 15 20 18 19 17 17 18 17 16 18 20 19 17 16 18 17 16 17 19 18 18 17 17 17 18 18 15 16 18 18 18 17 20 19 18 17 19 15 17 17 17 16 17 18 18 17 19 19 17 19 17 18 16 18 17 17 19 16 16 17 17 17 15 17 16 18 19 18 18 19 19 20 17 16 19 18 17 18 20 19 16 18 19 17 16 15 16 18 17 18 17 17 16 19 17
第1章 绪论
Introduction
一、什么是统计学
➢ 统计学(statistics)是关于数据（data）的科 学，是从数据中提取信息的一门学科，包括设 计、搜集、整理、分析和表达等步骤
➢ Data are numbers, but they are not “just numbers”
➢ 数据(data)+说明 (context)=信息 (information) ▪ 例：50 (just a number) ▪ 50公斤是可接受的体重 ▪ 50分是不及格的分数
二、 连续性变数资料的整理
3. 确定组数和组距( class interval ) 根据极差分为若 干组，每组的距离相等，称为组距。 在确定组数和组距 时应考虑：
(1)观察值个数的多少； (2)极差的大小； (3)便于计算； (4)能反映出资料的真实面貌等方面。 样本大小(即样本内包含观察值的个数的多少)与组 数多少的关系可参照表4来确定。
实验设计与数据处理ppt
整合不同来源的数据。
数据清洗与整理
对数据进行排序、分组和筛选。 构建数据子集或合并数据集。
数据转换与变换
数据转换
1
2
将数据从一种形式或格式转换为另一种。
数据标准化或归一化。
3
数据转换与变换
数据变换 数据平滑或滤波。
对数据进行数学运算或函 数处理。
对数据进行对数、指数或 多项式变换。
数据分析方法
研究成果评价
创新性
该研究在数据处理方法上具有一定的创新性，为相关领域的数据 处理提供了新的解决方案。
实用性
研究成果在实际应用中表现出较高的实用价值，能够提高数据处理 效率和准确性。
局限性
尽管该研究取得了一定的成果，但仍存在一定的局限性，如需进一 步完善数据处理算法和拓展应用范围。
研究不足与展望
研究不足
选择合适的图表类型来传 达信息。
简洁明了，突出关键信息。
可视化原则
01
03 02
03 实验结果分析
实验结果解读
实验数据整理
将实验数据整理成表格或图形，便于观察和对 比。
异常值处理
识别并处理异常值，以避免对结果产生不良影 响。
数据分析方法
选择合适的数据分析方法，如均值、中位数、方差等，以全面了解数据分布和 特征。
描述性分析 推理性分析
01
计算均值、中位数、众数等统 计量。
02
生成直方图、箱线图等图表。
03
04
使用统计检验，如t检验、卡方
检验等。
05
构建和检验回归和相关模型。
06
数据可视化
图表类型 柱状图、折线图、饼图、散点图等。 可视化工具
数据可视化
• Excel、Tableau、Power BI等。
数据清洗与整理
对数据进行排序、分组和筛选。 构建数据子集或合并数据集。
数据转换与变换
数据转换
1
2
将数据从一种形式或格式转换为另一种。
数据标准化或归一化。
3
数据转换与变换
数据变换 数据平滑或滤波。
对数据进行数学运算或函 数处理。
对数据进行对数、指数或 多项式变换。
数据分析方法
研究成果评价
创新性
该研究在数据处理方法上具有一定的创新性，为相关领域的数据 处理提供了新的解决方案。
实用性
研究成果在实际应用中表现出较高的实用价值，能够提高数据处理 效率和准确性。
局限性
尽管该研究取得了一定的成果，但仍存在一定的局限性，如需进一 步完善数据处理算法和拓展应用范围。
研究不足与展望
研究不足
选择合适的图表类型来传 达信息。
简洁明了，突出关键信息。
可视化原则
01
03 02
03 实验结果分析
实验结果解读
实验数据整理
将实验数据整理成表格或图形，便于观察和对 比。
异常值处理
识别并处理异常值，以避免对结果产生不良影 响。
数据分析方法
选择合适的数据分析方法，如均值、中位数、方差等，以全面了解数据分布和 特征。
描述性分析 推理性分析
01
计算均值、中位数、众数等统 计量。
02
生成直方图、箱线图等图表。
03
04
使用统计检验，如t检验、卡方
检验等。
05
构建和检验回归和相关模型。
06
数据可视化
图表类型 柱状图、折线图、饼图、散点图等。 可视化工具
数据可视化
• Excel、Tableau、Power BI等。
实验心理学实验设计与数据统计分析PPT课件
2021
3.实验设计的内容 广义地说，实验设计包括以下几方面： （1）形成统计假设，并为检验假设、搜集和分析 数据制定有效的计划； （2）阐明检验统计假设所遵循的决策； （3）按计划搜集资料； （4）按计划分析资料； （5）对统计假设的真伪作出归纳性推断。
2021
4、分类
（1）依据：实验控制条件严密程度不同，即： ①对内在无效来源和外在无关因素的控制程度； ②能否随机选择和分配被试； ③能否主动操纵实验变量.
真实验设计 准实验设计
非实验设计
2021
（2）依据：每个实验都需要回答三个问题 ①实验采用多少自变量？ ②各自变量内又采用多少处理水平？
③在各自变量和各处理水平中用相同的被试者，还 是用不同的被试者？
根据这三个条件的组合，就可构成许多不同类型的 实验设计。
被试内设计 被试间设计
混合设计
➢这三种设计为实验中的“三大动态因素”（不可并存）
2021
（7）仪器使用 （8）选择和成熟的交互作用及其他
2021
2、影响外部效度的因素
实验的外部效度：指实验研究的结果能被概括到实验 情景以外的程度。即实验结果的普遍代表性和适用性。 （1）测验的反作用 前测增加或降低被试对实验条件的敏感性，使得实验 结果难以推广。 （2） 选择偏差与实验变量的交互作用 抽样或分组没有做到真正的随机化，带来选择偏差 （即以非对等组进行比较）。 （3） 实验安排的反作用
2021
②保障被试退出的自由（这一原则规定，研究者必须 尊重被试的自由，允许被试在任何时候放弃或退出实 验，被试应当被告知自己有权利随时选择放弃实 验。）；
③保护被试免遭伤害（这一原则要求研究者在实验进 行中和完成后，都必须确保被试不会因为实验而产生 任何不良反应）
3.实验设计的内容 广义地说，实验设计包括以下几方面： （1）形成统计假设，并为检验假设、搜集和分析 数据制定有效的计划； （2）阐明检验统计假设所遵循的决策； （3）按计划搜集资料； （4）按计划分析资料； （5）对统计假设的真伪作出归纳性推断。
2021
4、分类
（1）依据：实验控制条件严密程度不同，即： ①对内在无效来源和外在无关因素的控制程度； ②能否随机选择和分配被试； ③能否主动操纵实验变量.
真实验设计 准实验设计
非实验设计
2021
（2）依据：每个实验都需要回答三个问题 ①实验采用多少自变量？ ②各自变量内又采用多少处理水平？
③在各自变量和各处理水平中用相同的被试者，还 是用不同的被试者？
根据这三个条件的组合，就可构成许多不同类型的 实验设计。
被试内设计 被试间设计
混合设计
➢这三种设计为实验中的“三大动态因素”（不可并存）
2021
（7）仪器使用 （8）选择和成熟的交互作用及其他
2021
2、影响外部效度的因素
实验的外部效度：指实验研究的结果能被概括到实验 情景以外的程度。即实验结果的普遍代表性和适用性。 （1）测验的反作用 前测增加或降低被试对实验条件的敏感性，使得实验 结果难以推广。 （2） 选择偏差与实验变量的交互作用 抽样或分组没有做到真正的随机化，带来选择偏差 （即以非对等组进行比较）。 （3） 实验安排的反作用
2021
②保障被试退出的自由（这一原则规定，研究者必须 尊重被试的自由，允许被试在任何时候放弃或退出实 验，被试应当被告知自己有权利随时选择放弃实 验。）；
③保护被试免遭伤害（这一原则要求研究者在实验进 行中和完成后，都必须确保被试不会因为实验而产生 任何不良反应）
实验设计与统计分析
实验设计与统计分析内容细目第一节实验设计的基本类型一、被试者内设计 46（一）实验前后设计（二）定时系列设计（三）抵消实验条件的设计二、被试者间设计 51（一）随机组设计（二）配对组设计三、混合设计 56第二节多变量实验技术一、多自变量实验的优点 58二、多因素实验设计 63三、拉丁方设计 65第三节实验数据的统计分析一、统计表和统计图 66（一）统计表（二）统计图二、实验数据的初步整理 73（一）偶然误差与系统误差（二）集中量（三）差异量三、显著性检验 82（一）显著性检验的含义（二） t检验（三）F检验（四）X2检验本章摘要1.实验设计乃是进行科学实验前做的具体计划。
它主要是指控制实验条件和安排实验程序的计划。
它的目的在于找出实验条件和实验结果之间的关系，做出正确的结论，来检验解决问题的假设。
2.实验设计根据自变量的多少，各自变量内处理水平的多少，和被试情况的不同，而构成不同类型的实验设计。
3.实验设计大体上分为三类：被试者内设计，被试者间设计，混合设计。
被试者内设计乃是指被试者在自变量发生变化的所有情况下接受实验。
被试者只接受多个自变量情况中的一个，即不同的被试者接近不同自变量的情况，则称为被试者间设计。
兼有被试者内设计和被试者间设计的实验设计为混合设计。
4.多自变量是指一个实验中包含有两个或两个以上的自变量。
它不是指同一自变量的多个水平。
多自变量实验具有三个明显的优点：（1）工作效率高；（2）实验的控制较好；（3）实验结果更有价值。
5.当一个自变量的水平受到另一个自变量的水平的不同影响时，交互作用就发生了。
在有交互作用的情况下，分别讨论每一自变量的效应就不够了。
此情况下还必须分析讨论出现交互作用的原因和后果。
6.多因素实验设计是指在同一实验里可以同时观测两个或两个以上自变量的影响，以及自变量与自变量交互作用效果的实验设计。
在心理学实验中，居多的是多因素实验设计。
7.拉丁方设计是多自变量实验设计中较为常用的设计方案。
《实验设计统计学》课件
企业市场研究案例
总结词
市场策略、消费者行为
详细描述
企业市场研究中的实验设计统计学案例主要关注市场策略和消费者行为。这些案例通常涉及产品测试、广告效果 评估和销售预测等方面的实验设计和数据分析，为企业制定有效的市场策略提供科学依据。
THANK YOU
实验设计统计学案例 分析
医学研究案例
总结词
严谨、数据驱动
详细描述
医学研究中的实验设计统计学案例通常涉及药物研发、临床试验和流行病学研 究。这些案例强调严谨的实验设计和数据分析，以提供可靠的科学依据，从而 为疾病诊断、治疗和预防提供支持。
社会科学研究案例
总结词
人类行为、社会现象
详细描述
社会科学研究中的实验设计统计学案例通常关注人类行为和社会现象，如心理学、经济学、政治学和 社会学等领域的研究。这些案例通过实验设计和统计分析，探究人类行为和社会现象的内在规律和影 响因素。
法律法规遵守
遵循相关法律法规，如涉及人类受试者的医学研究伦 理审查等。
新技术的发展和应用
大数据处理技术
利用大数据技术处理大规模数据集，提高分析效率和准确性。
人工智能和机器学习
应用人工智能和机器学习算法改进实验设计和数据分析。
云计算和分布式计算
利用云计算和分布式计算资源，实现高效的数据存储和处理。
06
随机化实验设计通常采用随机数字表、随机排列表或计算 机随机数生成器等方法进行随机分配，确保每个实验对象 被选中的概率相等。
随机化实验设计可以有效地控制潜在的混杂因素和干扰因 素，使实验结果更加客观、真实。
配对实验设计
配对实验设计是将相似或相同的实验对象进行配对，然后将配对后的实验对象随机 分配到不同的处理组和对照组。
实验设计与统计分析
1.重复(replication)
定义：在试验中，将一个处理实施在两个或 两个以上的试验单位上，称为处理有重复。如 用某种饲料喂4头猪，就说这个处理(饲料)有4 次重复。 作用：
(1)估计误差
_
y 单个观测值是无法估计误差的大小。只有 获得多个观测值，才可以根据这些观测值之间 的差异来估计试验误差。 24
试验设计基本原则：
重复试验以降低结果的机会变异。
随机化安排指定的处理。
控制隐藏变量对反应的效应。
统计显著性(Statistical Significance)。
若观察的效果太大，在概率分布上极不可能发生，
称为该效应统计显著。
试验设计三原则的关系及作用
重复 随机化
无偏误差估计 估计误差
43
第三节 随机区组设计及其统计分析
一、 随机区组设计 二、随机区组设计试验结果的统计分析
一、随机区组设计
1.特点：使用了田间试验设计三个原则，并根据“局
部控制”的原则，将试验地按肥力程度划分为等于
重复数的区组，一区组安排一重复，区组内各处理
二是受误差影响不容易发现试验效应的规律。
16
3、试验方案中应包括对照水平或处理(check, CK)
对照是试验中比较处理效应的基准。
品种比较试验中常统一规定同生态区内使用对 照品种。
17
4、注意比较间的唯一差异性原则，才能正确
解析出试验因素的效应。唯一差异性原则：
为保证试验结果的严格可比性，除了试验因
素设置不同的水平外，其余因素或其他所有
条件均应保持一致，以排除非试验因素对试
验结果的干扰，这样的比较结果才能可靠。
如在对小麦进行叶面喷施P肥的试验中，可能
相关主题
- 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)。
第五章 實驗設計與統計分析
授課教師：鄭景峰
實驗設計
內在效度與外在效度、實驗設計的類別
統計分析
基本觀念、統計方法
內在效度(Internal validity)
內在效度：可界定為控制無關變數的程度。內 在效度考慮的是，實驗處理(自變項)是否真正引 起某特質(依變項)的變化？研究者必須控制所有 可能影響依變項的變因。
實驗設計的類別
實驗前設計、真實驗設計、準實驗設計、事後回溯設 計、運動流行病學設計、單一受試者設計
代表符號說明
R
代表以隨機的方式，將受試者分派到各組
O
代表觀察或測試，以取得資料。其右下方的數字，代 表觀察或測試的次序。
T
代表實驗處理或操弄，其右下方的數字，代表處理、 操弄的次序。如果沒有T出現的組別，即為控制組。
2. 研究結果的理想推論，也必須要有所謂的生態效度 (ecological validity)。而生態效度所關心的是研究的情境 是否接近實際的生態情境？或是否在實驗過程中能讓受 試者充分且自然的自我表現？
3. 對實驗的反應和交互作用可以透過所羅門四組設計來評 估；選擇樣本的誤差和實驗處理的交互作用可以隨機選 取受試者來控制；對實驗的安排之反應效果只能由研究 者來控制。
到各組。 在組內受試者設計，也就是重複量數設計(repeated-
measures design)時，使用對抗平衡次序(counterbalanced order)給受試者施以自變項的處理，使研究的 結果不會因處理的次序而引起偏差。 給控制組/對照組使用安慰劑(placebo)。控制組接受一個 「假」的實驗處理，而實驗組接受真的實驗處理。 以單盲(single-blind)或雙盲(double-blind)的方式來實施 實驗處理。單盲是指受試者對當次的處理，不知道是真 處理(真藥)或假處理(安慰劑)；雙盲是指受試者和施測者 均不知當次的處理是真或是假，以免引起心理上或預期 性的效果。 艾維斯效果(Avis effect)：控制內在效度威脅的一種方法， 受試者可能會因為身在控制組而特別努力。
4. 多實驗處理所造成的影響，可經由平衡或隨機安排處理 給受試者來達到部分的控制，但是只有研究者可以掌握 實驗處理是否仍然會產生干擾，這個決定大部分是根據 對實驗處理的知識，而不是由實驗設計的種類來決定。
生態學效度(ecological validity)？
研究模仿真實情境的程序。生態的效度涉 及實驗的效果，概括於其他類似環境的條 件和程度，所要問的問題是：在什麼條件 (即情境、處理、實驗、依變項等)可期待得 到相同的結果。為了使實驗具有生態的效 度，研究設計需能確定實驗的效應，不受 特定實驗環境的約制。
2. 取樣偏差和實驗處理的交互作用(Interaction of selection biases and experimental treatment)：當某個群組是根據某個特質選出 來的，實驗處理可能只對具有該特質的群組有效。
3. 實驗安排的反應(Reactive effects of experimental arrangements)： 實驗處理在非常受限制的情境才有效(如實驗試中)，可能在較少 受限制的情境(如真實世界)裡則未必有效。
影響信度的因素
所謂信度(reliability)指測量結果的一致性或穩定 性。
亦即指對同一事物進行兩次獲兩次以上的測量， 其結果的相似程度。其相似程度越高，即代表信 度越高，測量的結果也就越可靠。
信度與誤差之間有密切的關係。誤差變異愈大， 信度愈低；誤差變異愈小，信度愈高。
探討影響信度的因素，基本上即是探討誤差的來 源。
威脅(threats)實驗內在效度的因素有下列八點：
1. 歷史(history)：是指實驗過程中所發生非預期的事件。 －－時間的效應
2. 成熟(maturation)：因時間飛逝而加之於人體上的變 化，如成長發育、老化、疲勞等因素。－－受試者身 心發生變化的效應
3. 測試(testing)：經過一次測試後，即使中間沒有任何 介入，也會影響下一次相同測試的成績表現。－－做 測驗的學習
3. 以差值做簡單的ANOVA：以後測值減去前測值，求得 每位受試者的差值(difference score)，再以差值做簡單 的ANOVA。此方法初看之下不錯，但因差數的信度不 高，且前測值低者改變或進步的幅度通常比前測值高 者大，所以前測值通常與差值呈負相關。
真實驗設計
(True-experimental design)
影響信度的因素
造成誤差的原因
1. 受試者因素：如受測者的身心健康狀況、動機、注意 力、持久性、作答態度等變動。
2. 主試者因素：如非標準化的測驗程序、主試者的偏頗 與暗示、評分的主觀性等。
3. 測驗情境因素：測驗環境條件如通風、光線、聲音、 桌面、空間因素等皆有影響的作用。
4. 測驗內容因素：試題取樣不當、內部一致性低、題數 過少等。
8. 取樣與成熟的交互作用(selection-maturation interaction)：因取樣 的偏差和成熟因素所引起的交互作用，也會影響內在效度。
9. 研究者對受試者的預期(expectancy)，對內在效度也是一種威脅。
如何掌控對內在效度的威脅？
隨機分配受試者到各組別(random assignment)。 依某一特質，將受試者配對(matched-pair)後隨機分派
真實驗設計
(True-experimental design)
3. 隨機分組前後測設計：在隨機分組之外，本設 計還加上前測和後測。此設計的主要目的在探 究處理(T)所引起的變化有多大。或許因為有前 測，內在效度會受到影響，但在此設計情況下， 內在效度是在能掌控的範圍之下。
隨機分組前後測設計
此種2 × 2的ANOVA，經常在體育、運動訓練的 研究中看到，而其統計分析的方法，可能可使用 下列三種：
6. 取樣偏差(selection bias)：如沒有以隨機方式抽樣，沒有以隨機的 方式分派組別，或以不同的抽樣方式形成組別，以致在實驗之前 組別之間已經有顯著的差異存在。
7. 實驗流失率(experimental mortality)：受試者因太累、沒時間、生 病等因素，而在實驗過程中途流失，對內在效度也有某一程度的 影響。
5. 時間因素
實驗設計的類別
實驗設計是使研究者據以考驗假設，並就自變項 與依變項間的關係獲致有效結論的程序藍圖。
研究設計需處理如下的問題：
1. 如何選取實驗組與控制組的受試者？ 2. 如何操縱與控制變項？ 3. 如何控制無關變項？ 4. 如何進行觀察？ 5. 解釋資料的關係時，應採用哪種統計分析方法？
4. 多重處理的干擾(Multiple-treatment interference)：當受試者接 受一個以上的實驗處理，前一個處理可能會干擾到下一個。
如何掌控對外在效度的威脅？
1. 一般來說，以隨機的方法取樣，或以夠好的取樣(good enough sampling)，取出有代表性的受試者或樣本，是 掌控對外在效度威脅最主要的方法。
4. 儀器的使用(instrumentation)：儀器是否經過校正， 或不同實驗者對儀器操作，也都會引起測試結果的誤 差。－－測量工具的變化
內在效度(Internal validity)
威脅(threats)實驗內在效度的因素有下列八點：
5. 統計迴歸(statistical regression)：以表現在兩個極端的兩組做研究 比較時，好的一組之表現會退步，而差的一組之表現會進步，即 兩組的成績會往平均數迴歸。此現象在受試者沒有依隨機分組的 研究中較為嚴重，也常發生在高低焦慮、高低體適能、高低技術 等的比較研究。－－極端選樣
groups design) 4. 所羅門四組設計(Solomon four-group design)
真實驗設計
(True-experimental design)
1. 隨機分組設計：因為以隨機分派組別，可以確 定兩組間之差異是因處理(T)引起，但處理之前 沒有觀察(O)，所以無法知道處理引起的變化有 多大。此種設計是自變項有兩個層級(two levels)， 即控制組和實驗組，可以用獨立樣本t考驗 (independent t-test)來考驗O1和O2之差異。
所羅門四組設計：此設計是隨機分組前後測設計和隨機分 組設計的組合，這是一種強而有力的設計，不但能檢測處 理的效果(看是否O2＞O4，或是否O5＞O6)，可知道處理 效果的大小(看O2－O1是否大於O4－O3)，也可評估測試 (testing)的效度(看是否O4＞O6)，更可查知前測與處理(T) 的交互作用(看O2是否大於O5)。然而，此設計也是一種不 經濟的設計，因為受試者必須多一倍，且目前仍沒有適當 的統計分析方法，或許碩士或博士論文，最好不要使用此 類設計。
外在效度(External validity)？
生態效度(ecological validity)？
外在效度：是指結果的可概括性，即指自變項與結果(依 變項)之間的關係，可以普遍應用於其他不屬於此一實驗 情境的程度。外在效度具有下列四個威脅：
1. 對測驗的反應或交互作用(reactive or interactive effects of testing)：前測可能使得受試者對後來的測驗更有知覺或更敏感。 它的結果是，實驗在沒有前測的情況下就會變得比較沒有效果。
---
出現在組別之間時，代表沒有以隨機方式來分派組別。
實驗前設計(Pre-experimental design)
此種設計因對效度的掌控很有限而得名， 最主要是沒有以隨機的方式來分派受試者， 也無法確定依變項的變化是因自變項而起。
方法
1. 單組測驗研究(one-shot study) 2. 單組前後測設計(one-group pretest-posttest) 3. 靜態組別比較(static group comparison)
授課教師：鄭景峰
實驗設計
內在效度與外在效度、實驗設計的類別
統計分析
基本觀念、統計方法
內在效度(Internal validity)
內在效度：可界定為控制無關變數的程度。內 在效度考慮的是，實驗處理(自變項)是否真正引 起某特質(依變項)的變化？研究者必須控制所有 可能影響依變項的變因。
實驗設計的類別
實驗前設計、真實驗設計、準實驗設計、事後回溯設 計、運動流行病學設計、單一受試者設計
代表符號說明
R
代表以隨機的方式，將受試者分派到各組
O
代表觀察或測試，以取得資料。其右下方的數字，代 表觀察或測試的次序。
T
代表實驗處理或操弄，其右下方的數字，代表處理、 操弄的次序。如果沒有T出現的組別，即為控制組。
2. 研究結果的理想推論，也必須要有所謂的生態效度 (ecological validity)。而生態效度所關心的是研究的情境 是否接近實際的生態情境？或是否在實驗過程中能讓受 試者充分且自然的自我表現？
3. 對實驗的反應和交互作用可以透過所羅門四組設計來評 估；選擇樣本的誤差和實驗處理的交互作用可以隨機選 取受試者來控制；對實驗的安排之反應效果只能由研究 者來控制。
到各組。 在組內受試者設計，也就是重複量數設計(repeated-
measures design)時，使用對抗平衡次序(counterbalanced order)給受試者施以自變項的處理，使研究的 結果不會因處理的次序而引起偏差。 給控制組/對照組使用安慰劑(placebo)。控制組接受一個 「假」的實驗處理，而實驗組接受真的實驗處理。 以單盲(single-blind)或雙盲(double-blind)的方式來實施 實驗處理。單盲是指受試者對當次的處理，不知道是真 處理(真藥)或假處理(安慰劑)；雙盲是指受試者和施測者 均不知當次的處理是真或是假，以免引起心理上或預期 性的效果。 艾維斯效果(Avis effect)：控制內在效度威脅的一種方法， 受試者可能會因為身在控制組而特別努力。
4. 多實驗處理所造成的影響，可經由平衡或隨機安排處理 給受試者來達到部分的控制，但是只有研究者可以掌握 實驗處理是否仍然會產生干擾，這個決定大部分是根據 對實驗處理的知識，而不是由實驗設計的種類來決定。
生態學效度(ecological validity)？
研究模仿真實情境的程序。生態的效度涉 及實驗的效果，概括於其他類似環境的條 件和程度，所要問的問題是：在什麼條件 (即情境、處理、實驗、依變項等)可期待得 到相同的結果。為了使實驗具有生態的效 度，研究設計需能確定實驗的效應，不受 特定實驗環境的約制。
2. 取樣偏差和實驗處理的交互作用(Interaction of selection biases and experimental treatment)：當某個群組是根據某個特質選出 來的，實驗處理可能只對具有該特質的群組有效。
3. 實驗安排的反應(Reactive effects of experimental arrangements)： 實驗處理在非常受限制的情境才有效(如實驗試中)，可能在較少 受限制的情境(如真實世界)裡則未必有效。
影響信度的因素
所謂信度(reliability)指測量結果的一致性或穩定 性。
亦即指對同一事物進行兩次獲兩次以上的測量， 其結果的相似程度。其相似程度越高，即代表信 度越高，測量的結果也就越可靠。
信度與誤差之間有密切的關係。誤差變異愈大， 信度愈低；誤差變異愈小，信度愈高。
探討影響信度的因素，基本上即是探討誤差的來 源。
威脅(threats)實驗內在效度的因素有下列八點：
1. 歷史(history)：是指實驗過程中所發生非預期的事件。 －－時間的效應
2. 成熟(maturation)：因時間飛逝而加之於人體上的變 化，如成長發育、老化、疲勞等因素。－－受試者身 心發生變化的效應
3. 測試(testing)：經過一次測試後，即使中間沒有任何 介入，也會影響下一次相同測試的成績表現。－－做 測驗的學習
3. 以差值做簡單的ANOVA：以後測值減去前測值，求得 每位受試者的差值(difference score)，再以差值做簡單 的ANOVA。此方法初看之下不錯，但因差數的信度不 高，且前測值低者改變或進步的幅度通常比前測值高 者大，所以前測值通常與差值呈負相關。
真實驗設計
(True-experimental design)
影響信度的因素
造成誤差的原因
1. 受試者因素：如受測者的身心健康狀況、動機、注意 力、持久性、作答態度等變動。
2. 主試者因素：如非標準化的測驗程序、主試者的偏頗 與暗示、評分的主觀性等。
3. 測驗情境因素：測驗環境條件如通風、光線、聲音、 桌面、空間因素等皆有影響的作用。
4. 測驗內容因素：試題取樣不當、內部一致性低、題數 過少等。
8. 取樣與成熟的交互作用(selection-maturation interaction)：因取樣 的偏差和成熟因素所引起的交互作用，也會影響內在效度。
9. 研究者對受試者的預期(expectancy)，對內在效度也是一種威脅。
如何掌控對內在效度的威脅？
隨機分配受試者到各組別(random assignment)。 依某一特質，將受試者配對(matched-pair)後隨機分派
真實驗設計
(True-experimental design)
3. 隨機分組前後測設計：在隨機分組之外，本設 計還加上前測和後測。此設計的主要目的在探 究處理(T)所引起的變化有多大。或許因為有前 測，內在效度會受到影響，但在此設計情況下， 內在效度是在能掌控的範圍之下。
隨機分組前後測設計
此種2 × 2的ANOVA，經常在體育、運動訓練的 研究中看到，而其統計分析的方法，可能可使用 下列三種：
6. 取樣偏差(selection bias)：如沒有以隨機方式抽樣，沒有以隨機的 方式分派組別，或以不同的抽樣方式形成組別，以致在實驗之前 組別之間已經有顯著的差異存在。
7. 實驗流失率(experimental mortality)：受試者因太累、沒時間、生 病等因素，而在實驗過程中途流失，對內在效度也有某一程度的 影響。
5. 時間因素
實驗設計的類別
實驗設計是使研究者據以考驗假設，並就自變項 與依變項間的關係獲致有效結論的程序藍圖。
研究設計需處理如下的問題：
1. 如何選取實驗組與控制組的受試者？ 2. 如何操縱與控制變項？ 3. 如何控制無關變項？ 4. 如何進行觀察？ 5. 解釋資料的關係時，應採用哪種統計分析方法？
4. 多重處理的干擾(Multiple-treatment interference)：當受試者接 受一個以上的實驗處理，前一個處理可能會干擾到下一個。
如何掌控對外在效度的威脅？
1. 一般來說，以隨機的方法取樣，或以夠好的取樣(good enough sampling)，取出有代表性的受試者或樣本，是 掌控對外在效度威脅最主要的方法。
4. 儀器的使用(instrumentation)：儀器是否經過校正， 或不同實驗者對儀器操作，也都會引起測試結果的誤 差。－－測量工具的變化
內在效度(Internal validity)
威脅(threats)實驗內在效度的因素有下列八點：
5. 統計迴歸(statistical regression)：以表現在兩個極端的兩組做研究 比較時，好的一組之表現會退步，而差的一組之表現會進步，即 兩組的成績會往平均數迴歸。此現象在受試者沒有依隨機分組的 研究中較為嚴重，也常發生在高低焦慮、高低體適能、高低技術 等的比較研究。－－極端選樣
groups design) 4. 所羅門四組設計(Solomon four-group design)
真實驗設計
(True-experimental design)
1. 隨機分組設計：因為以隨機分派組別，可以確 定兩組間之差異是因處理(T)引起，但處理之前 沒有觀察(O)，所以無法知道處理引起的變化有 多大。此種設計是自變項有兩個層級(two levels)， 即控制組和實驗組，可以用獨立樣本t考驗 (independent t-test)來考驗O1和O2之差異。
所羅門四組設計：此設計是隨機分組前後測設計和隨機分 組設計的組合，這是一種強而有力的設計，不但能檢測處 理的效果(看是否O2＞O4，或是否O5＞O6)，可知道處理 效果的大小(看O2－O1是否大於O4－O3)，也可評估測試 (testing)的效度(看是否O4＞O6)，更可查知前測與處理(T) 的交互作用(看O2是否大於O5)。然而，此設計也是一種不 經濟的設計，因為受試者必須多一倍，且目前仍沒有適當 的統計分析方法，或許碩士或博士論文，最好不要使用此 類設計。
外在效度(External validity)？
生態效度(ecological validity)？
外在效度：是指結果的可概括性，即指自變項與結果(依 變項)之間的關係，可以普遍應用於其他不屬於此一實驗 情境的程度。外在效度具有下列四個威脅：
1. 對測驗的反應或交互作用(reactive or interactive effects of testing)：前測可能使得受試者對後來的測驗更有知覺或更敏感。 它的結果是，實驗在沒有前測的情況下就會變得比較沒有效果。
---
出現在組別之間時，代表沒有以隨機方式來分派組別。
實驗前設計(Pre-experimental design)
此種設計因對效度的掌控很有限而得名， 最主要是沒有以隨機的方式來分派受試者， 也無法確定依變項的變化是因自變項而起。
方法
1. 單組測驗研究(one-shot study) 2. 單組前後測設計(one-group pretest-posttest) 3. 靜態組別比較(static group comparison)