被试间实验设计

第四章
54
通过实例来掌握多自变量被试间设计
应用举例2：性格类型、空气中负离子水平、 激怒情绪对心率水平影响的研究
❖研究者：Baron et al， 1985 ❖实验设计：
3（被试类型：A型，不确定型，B型） ×2（激怒条件：生气，不生气） ×3（负离子水平：高，中，低）
2020/4/16
第四章
2020/4/16
第四章源自文库
28
二、单因素随机区组实验设计
实验设计评价
❖优点
减少实验误差(无关变量的效应) 灵活性高
❖缺点
如果实验处理水平多，找同质被试困难 相对完全随机试验设计而言，其受限制较多，要求
自变量和无关变量没有交互作用
2020/4/16
第四章
29
二、单因素随机区组实验设计
应用举例
设计的含义
实验有一个自变量，自变量有四个水平，每种处理组 有5名被试，每个被试只接受了一种水平的处理
2020/4/16
第四章
19
一、单因素完全随机实验设计
实验评价
❖ 优点
实验设计和实施简单 每种实验处理水平的被试量可以不等 不需要匹配被试。 实验结果的统计和解释简单
❖ 缺点：
被试间个体差异会带来组内的变异 需要的被试量相对较多
在总体上，同伴的类型并不能改变被试吃薄脆饼干的 数目，所以这个因素并没有显著的主效应
被试性别和同伴性别这两条线并不是平行的，表明二 者间存在交互作用
2020/4/16
第四章
52
2020/4/16
第四章
只 有 显 著 的 被 试 性 别 主 效 应
53
2020/4/16
同伴性别和被试性别主效应都显著
随机化法(randomization method)
❖随机化
随机地选择被试和分派被试
从被试者总体中用随机法抽取被试样本 把被试随机分到实验组和控制组中去。
不仅能应用于被试分配，也能应用于刺激呈现 采用随机化法的前提是样本量要大
2020/4/16
第四章
10
三、如何消除被试间设计中的个体差异
2020/4/16
第四章
42
三因素完全随机实验设计
基本模式
2020/4/16
第四章
43
三因素完全随机实验设计
注意问题
❖研究中要有3个自变量且每个自变量有两个或两 个以上的处理水平
❖若实验中有A、B、C三个因素，对应的水平数是p 、q、r，那么共有p×q×r个处理水平的结合
❖被试数：n×p×q×r 个
第四章
32
第三节 多自变量被试间实验设计
一．为什么用多自变量被试间实验设计 二．多因素被试间实验设计的类型 三．通过实例来掌握多自变量被试间设计
2020/4/16
第四章
33
多自变量被试间实验设计
为什么用多自变量被试间实验设计？
❖ 实际研究中，一项实验仅有一个自变量的情 况不多
❖ 与单自变量的实验相比，多自变量设计的效 率更高，且能提供更多的信息
2020/4/16
第四章
20
一、单因素完全随机实验设计
应用举例
❖生字密度对学生阅读理解的影响
假设：阅读理解成绩随生字密度的增加而下降 自变量：生字密度，4种水平：高，较高，较低，低 因变量：阅读理解测验分数
2020/4/16
第四章
21
表1 被试阅读不同生字密度文章的阅读理解成绩
a1
a2
a3
第四章
36
多自变量被试间实验设计
多因素被试间实验设计的类型
❖两因素完全随机实验设计 ❖两因素随机区组设计 ❖三因素完全随机实验设计
2020/4/16
第四章
37
多自变量被试间实验设计
特点
❖两个自变量：A，B ❖每个自变量有两个或两个以上水平：A：
a1，a2；B：b1，b2 ❖随机分配被试接受实验处理的一种结合：
实验设计的变式——两个实验组设计
2020/4/16
第四章
24
实验设计的变式——两个实验组设计
❖设计评价
①比较实验组与控制组的结果，能够确定自变量 是否起作用
②比较实验组不同处理水平的结果，能够确定自 变量与因变量的关系是线性还是非线性的
2020/4/16
第四章
25
二、单因素随机区组实验设计
随机区组
被试间设计
2020/4/16
第四章
1
被试间设计
第一节 被试间设计概述 第二节 单自变量被试间设计 第三节 多自变量被试间实验设计
2020/4/16
第四章
2
第四章 被试间设计
学习重点：
❖ 把握被试间设计的定义和类型 ❖ 理解使用被试间设计的要求 ❖ 掌握单因素被试间设计的类型和具体使用过程 ❖ 领会多自变量被试间设计的本质 ❖ 通过具体的实例掌握多自变量被试间设计的程
两因素随机区组实验设计
基本模式
2020/4/16
第四章
41
三因素完全随机实验设计
特点
❖三个自变量：A，B，C ❖每个自变量有两个或两个以上水平 ❖随机分配被试 ❖每个被试接受实验处理的一种结合，最简单的
是2×2×2因素被试内实验设计，共有8个实验处 理：
a1b1c1,a2b1c1,a1b2c1,a2b2c1,a1b1c2,a2b1c2,a1b2 c2，a2b2c2
选择被试间实验设计需要注意的问题
❖实验并非越复杂越好 ❖对于初学者来说，应该从简单的实验入手 ❖实验设计简单，从被试选择到结果分析和解释
都会较容易
2020/4/16
第四章
15
第二节 单自变量被试间设计
一．单因素完全随机实验设计 二．单因素随机区组设计 三．单因素拉丁方设计
2020/4/16
第四章
16
❖每个被试只接受实验处理的一种水平
2020/4/16
第四章
5
一、被试间设计的含义及类型
被试间设计类型
❖根据自变量的数目不同分为
单自变量被试间设计
只有一个自变量，可以有两个或多个水平 被试随机分配 每个被试只接受一种水平的实验处理
多自变量被试间设计
也称多因素被试间设计，简称因素设计 有两个或两个以上的自变量，且每个自变量有两个或两个以
❖实验目的：考察难度对被试在限定时间内正确 解答数学题的影响
❖自变量是难度：5个水平 ❖无关变量：被试个体差异，如智力 ❖被试分配：25名被试，通过初测成绩分成5个区
组，每个区组5名被试
2020/4/16
第四章
30
二、单因素随机区组实验设计
2020/4/16
第四章
31
二、单因素随机区组实验设计
2020/4/16
上的水平 被试随机分配，每个被试接受一个实验处理的结合
2020/4/16
第四章
6
一、被试间设计的含义及类型
被试间设计类型
❖根据对无关变量的控制程度分为
随机组设计
用随机分配的方法将被试分组，使各组无关变量保持相等
配对组设计
先将影响实验结果的某些因素水平的被试配对，然后再随 机分配被试接受不同的实验处理
有些因素如动机、态度等无法找到可靠的依据进行匹配
2020/4/16
第四章
13
三、如何消除被试间设计中的个体差异
随机化法 VS 匹配法
❖样本大的时候，随机化法可以较好的控制 额外变量的影响
❖样本小的时候，匹配法可以较好的控制额 外变量的影响
2020/4/16
第四章
14
三、如何消除被试间设计中的个体差异
❖区指的是接受实验处理的一个单位，多个区在 一起就是区组，也指某个变量相对同质的一组 被试
❖使用区组方法减少误差的变异，控制无关变量 ❖用区组方法可以分离出无关变量引起的变异，
使其不出现在处理效应和误差变异之中
2020/4/16
第四章
26
二、单因素随机区组实验设计
单因素随机区组实验设计
❖研究中有两个变量，自变量和无关变量
❖ 还可获得实验中每个自变量的主效应以及变 量之间的交互作用
2020/4/16
第四章
34
扩展阅读：如何描述实验中的变量
方法一：因素命名法 每个因素的名字放在简化符号之后的圆括
号内 例如：
2020/4/16
第四章
35
扩展阅读：如何描述实验中的变量
方法二：因素和水平命名法
例5的写法更一目了然
2020/4/16
2020/4/16
第四章
7
二、何时选用被试间设计
何时选用被试间设计？ ❖存在变量混淆 ❖存在处理的顺序效应 ❖很难编出相同的实验材料
2020/4/16
第四章
8
三、如何消除被试间设计中的个体差异
消除被试间设计中的个体差异 ❖随机化法 ❖匹配法
2020/4/16
第四章
9
三、如何消除被试间设计中的个体差异
单因素多水平完全随机实验设计
含义
❖只有一个自变量，自变量有两个以上水平 ❖被试随机地被分配到实验处理的各个水平 ❖每个被试只接受一个水平的实验处理
2020/4/16
第四章
17
一、单因素完全随机实验设计
基本模式
2020/4/16
第四章
18
一、单因素完全随机实验设计
字母的含义
A 代表因素，a代表因素的水平，有四个水平a1、a2、 a3、a4，S代表被试，S1-S20指被试1到20
随机化法评价
❖优点
可以使样本对总体有较好的代表性 从理论上讲，随机法是控制额外变量的最佳方法
❖缺点
需要被试数量较多
2020/4/16
第四章
11
三、如何消除被试间设计中的个体差异
匹配法（matching method）
❖含义
找出在与自变量相关的某些变量上相似的被试组成成 对的被试
❖使用匹配法的步骤
序及需要注意的问题。
2020/4/16
第四章
3
第一节 被试间设计概述
一．被试间设计的含义及类型 二．何时选用被试间设计 三．如何消除被试间设计中的个体差异 四．选择被试间实验设计需要注意的问题
2020/4/16
第四章
4
一、被试间设计的含义及类型
被试间设计（between-subject design）也 称独立组设计、无关样本设计、独立测量 设计
2020/4/16
第四章
44
通过实例来掌握多自变量被试间设计
❖主效应
每个自变量单独产生的效应。
❖交互作用
一个自变量对另一个自变量的影响作用。
2020/4/16
第四章
45
扩展阅读：有意思的因素间的交互作用
实验假设：男性数学表现会受到相关刻板 印象的影响。
研究者：Aroson.et al. 1999 被试：欧洲裔男性 自变量：数学能力：中等，高等（被试间变量），刻
a1 b1 ，a2 b1 ，a1 b2 ， a2 b2
2020/4/16
第四章
38
两因素完全随机实验设计
基本模式
2020/4/16
第四章
39
两因素随机区组实验设计
特点
❖两个自变量 ❖每个自变量有两个或两个以上水平 ❖用区组技术匹配被试 ❖每个被试接受实验处理的一种结合
2020/4/16
第四章
40
板印象：有，无
2020/4/16
第四章
46
扩展阅读：有意思的因素间的交互作用 实验结果
从图中可以看出两个因素间的交互作用显著
2020/4/16
第四章
47
通过实例来掌握多自变量被试间设计
目的
性别和进食行为的关系研究
研究者
Pliner & Chaiken（1990）
假设
女性的进食量会受到其同伴性别的影响
测量所有被试者与实验中所要完成的作业密切相关的 特点
根据测得的结果，把实验组和控制组被试的特点匹配 成相等状态
2020/4/16
第四章
12
三、如何消除被试间设计中的个体差异
匹配法（matching method） ❖匹配法评价
优点
排除被试变量对自变量效果的混淆
缺点
在实际上很难施行
如果被试特性超过一个以上，实验者常会顾此失彼，甚 至无法匹配
自变量和无关变量都有两个及以上水平 这里的无关变量是被试变量 需要先匹配被试，再进行实验处理
❖二者之间没有交互作用
2020/4/16
第四章
27
二、单因素随机区组实验设计
基本模式
实验有一个自变量A，A有5个水平；还有一个无关变量（被试），将 20名被试在无关变量上匹配，分为5个区组，每个区组内4个被试同质
异性同伴在场，女性会吃的较少 同性同伴在场，她们会吃的较多
男性进食量不受同伴性别影响
2020/4/16
第四章
48
应用举例1:性别和进食行为的关系研究
❖自变量：被试性别、同伴性别 ❖因变量：进食行为（吃饼干数目） ❖结果：
2020/4/16
第四章
49
练习：假如上述实验出现以下结果，请你对 结果进行解释（主效应/交互作用）
a4
3
4
8
9
6
6
9
8
4
4
8
8
3
2
7
7
5
4
5
12
7
5
6
13
5
3
7
12
2
3
6
11
∑ 35
31
56
80
表最后一行是将每种生字密度下的阅读理解成绩总加后的结果
2020/4/16
第四章
22
生字密度的效应达到了显著水平，F（3,28）=22.53， p<0.01
2020/4/16
第四章
23
一、单因素完全随机实验设计
没有主效应 和
交互作用
2020/4/16
第四章
50
只 有 显 著 的 同 伴 性 别 主 效 应
2020/4/16
第四章
51
通过实例来掌握多自变量被试间设计
❖在多自变量实验中，先看主效应，再看交 互作用
❖从图19可看出：
在总体上，男性比女性吃薄脆饼干的平均数要显著的 多，因此被试性别有显著的主效应