实验心理学08-多因素的实验设计
多因素实验设计
多因素实验设计-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN3多因素组内实验设计多因素组内（被试内）实验设计是单因素组内实验设计的扩展。
在多因素被试内实验设计中，基本方法是：随机取样被试，参加实验的被试接受全部实验处理水平的结合。
以两因素被试内实验设计举例，表2中自变量A因素有两个水平，B 因素有四个水平。
两个因素共有2×4=8种处理水平的结合，即A1B1，A1B2，A1B3，A1B4，A2B1，A2B2，A2B3，A2B4。
参加实验的每个被试接受所有自变量实验处理水平的结合。
实验设计的基本思想是，由于每个被试接受所有的试验处理水平的结合，因而实验处理后测量到的差异应当来自A因素、B因素，或来自A因素与B因素的交互作用。
表2 两因素被试内实验设计举例4混合实验设计在多因素实验设计中，当两个或多个因素均为被试间因素时，我们称之为组间或被试间实验设计，当两个或多个因素均为被试内因素时，我们称之为组内或被试内实验设计。
然而，还有一种可能性，多因素实验设计中的自变量既包含有被试间因素，又包含有被试内因素，这种情况我们称之为混合实验设计（Mixed Factorial Design）。
混合实验设计的基本方法是，首先确定实验中的被试间因素和被试内因素，将被试按被试间因素的水平数随机分组，然后，每组被试接受被试间因素的某一处理水平与被试内因素所有处理水平的结合。
我们仍以两因素混合实6解决多变量实验设计缺点的方法一种常用的方法是在确认分解的各因素之间不存在交互作用的前提下，将复杂的多变量实验设计分解为若干个单因素和简单的多因素实验设计，分多次实施实验，然后再将多个实验获得的数据放到一起进行分析和讨论，这样就减少了由于实验设计的复杂给主试和实验者实施实验带来的困难，提高了实验者对实验过程的可控性。
多因素实验设计(正交实验设计) ppt课件
7
4
1
2
1
3
1
5
1
6
1
7
1
2
3 4
1
1 1
1
2 2
1
2 2
2
1 2
2
1 2
2
2 1
2
2 1
5
6 7 8
2
2 2 2
1
1 2 2
2
2 1 1
1
2 1 2
2
1 2 1
1
2 2 1
2
1 1 2
◆每一列中1、2均各出现4次 ◆无论哪两列出现的有序排列
(1,1)、(1,2)、(2,1)、(2,2) 都是两次
正交试验法原理的解释
3 4 5 6 7
L8（41×24） L8（41×24） L8（41×24） L18（61×36） L18（61×36）
L18（61×36） L16（44×23）
L18（61×36） L16（44×23）
L8（41×24）的设计由L8（27）的改造而成
将相同位级的正交表改造成位级数不同的正交表
并列法
乳化能力 0.56 0.74 0.57 0.87 0.85 0.82 0.67 0.64 0.66
1.87 2.54 1.97 0.623 0.847 0.657 0.67 A－B－C
极差 R 因素主 —次 最佳水 平组
温度——酯化时间——催化剂种类
A2 B2C2
温度 120℃，酯化时间 2h，催化剂种类：乙
分别对各指标进行直观分析，得出因素的主次和优方案如下表： 指标 提取物得率％
K2
（A）乙醇浓度％
K1
K3
多因素实验设计
如果每个处理用5名被试，共需 名被试 名被试。 如果每个处理用 名被试，共需5名被试。 名被试 被试分派如下： 被试分派如下：
a1 b1 s1 s2 s3 s4 s5
a1 b2 s1 s2 s3 s4 s5
a1 b3 s1 s2 s3 s4 s5
a2 b1 s1 s2 s3 s4 s5
a2 b2 s1 s2 s3 s4 s5
（二）例子 假定研究者要研究两种教学呈法对不同能力学生学独阅阅的 影响。 影响。 自变量： 自变量： 教学方法 A： 两个水平，正常讲授（a1）和独立学习和讨论（a2） 两个水平，正常讲授（a1）和独立学习和讨论（a2） 两个水平，能力较高（b1）和能力较低（b2） 学习能力 B：两个水平，能力较高（b1）和能力较低（b2） 因变量： 因变量：学习成绩
a2 b3 s1 s2 s3 s4 s5
4. 实验结果（阅阅理解阅阅） 实验结果（阅阅理解阅阅）
材材，被试内） B（材材，被试内） 易材材 材材材
3 4 2 5 1 2 2 4 1 3 无彩彩
呈呈呈呈 被试内） （被试内） 黑黑彩彩
2 2 3 1 2 0 1 1 0 1
3 5 3 2 2 1 1 3 2 4
二、自变量安排
一旦研究者确定了一个设计，那么， 一旦研究者确定了一个设计，那么，也就确定了不同处理 的数目
1. 2×2设计的自变量安排：有 ？个处理组合 × 设计的自变量安排： 设计的自变量安排 被试间设计： （1） 2×2被试间设计：如果每个处理组合需要 个 ） × 被试间设计 如果每个处理组合需要6个 被试，则共需 ？名被试 被试， B （年龄） 年龄） A
3 4 2 5 1 2 2 4 1 3 无彩彩
呈呈呈呈 被试间） （被试间） 黑黑彩彩
心理学多因素实验设计模版
多因素实验设计
1.两因素完全随机实验设计
（1）模式：
（2）实施过程：如果有自变量p个水平，另一个变量有q个水平，那么实验中含有p*q个处理水平结合。
两个自变量都为被试间变量，被试被随机分配给各处理水平结合，每个被试只接受一个处理
水平结合的处理。
（3）统计方法：单因素方差分析
【简单效应检验】
适用：当两个因素的交互作用是显著的时候，考察一个因素在另一个因素的每个水平上的处理效应，即确定它的处理效应在另一个因素的哪些水平上是显著的。
思路：分别计算某个因素的不同水平上，另外一个因素的不同水平间的差异情况。
（4）优点：克服了因重复产生的练习效应、序列效应。
缺点：难以创设相等的组（被试不同质）。
2.两因素被试内实验设计
（1）模式：
（2）实施过程：如果有自变量p个水平，另一个变量有q个水平，实验中含有p*q个处理水平结合。
两个自变量都是被试内变量，每个被试接受所有处理水平结合的处理。
（3）统计方法：SPSS中的重复测量
（4）优点：能够创设相等的组。
缺点：克服了因重复产生的练习效应、序列效应。
3.两因素混合实验设计
（1）模式：
（2）实施过程：如果有自变量p个水平，另一个变量有q个水平，实验中含有p*q个处理水平结合。
两个变量中一个是被试内变量，另一个是被试间变量。
（3）统计方法：SPSS中的重复测量
（4）优点：有效的控制额外变量，更有利于揭示变量间的因果关系。
缺点：操作繁杂，费时费力。
多因素实验设计
《实验心理学》设计性实验设计方案细目表专业：应用心理学年级：09 级01班学号：200911130119 姓名：王传宝张威威周洪侠张慧敏王坤娇范延妮王玉环成绩：设计项目内容教师评价实验名称转速和刺激时间对螺旋后效的影响实验目的1检验转速、刺激时间对螺旋后效的影响2学习测量运动后效的方法3学习多因素实验设计实验仪器与材料秒表;转速器；同心圆卡片（最大圆直径与转速器相同，其余圆直径依次递减2cm，并分别在圆周上注明号数，最小圆为1号）实验类型4×2多因素实验设计：R Xa1Xb1 O1; R Xa1Xb2 O2; R Xa2Xb1 O3; R Xa2Xb2 O4; R Xa3Xb1 O5; R Xa3Xb2 O6;R Xa4Xb1 O7; R Xa4Xb2 O8变量自变量及其操纵实验有两个变量：A因素为刺激时间(分为15秒、30秒、45秒60秒四个水平)；B因素为转速（分为20r/min 、40r/min 两个水平）因变量及其测量旋转后效持续时间和后效的范围额外变量及其控制1 疲劳效应：在每次的螺旋后效之后都给被试3分钟的休息时间2 要保证实验室的安静以能够给被试提供一个适宜的实验环境，并要求被试进行深呼吸，避免激动情绪的影响。
被试20名非心理学专业的未被污染的大学生，男女各半，视听觉正常（或矫正视听觉正常），随机分为两组。
指导语这是一个观察转动器的旋转旋转的实验。
实验时我先让转动器旋转起来，你听到我喊“预备······看”时，就注视着转动器的中心。
当我喊“停”时，你就马上注视那张卡片上同心圆的圆心。
这时你会觉得有一个向外扩散的螺旋。
告诉我这个向外扩散的螺旋的最大范围和第几号圆一样大。
等你再也看不到扩散现象的时候就立即告诉我。
现在咱们可以先做两次。
你要注意掌握扩散范围的标准，以及扩散现象停止的标准，这种标准在整个实验中要前后一致。
多因素实验设计
④交互效应 交互作用反映的是两个或者多个因素的联合效应。当 一个因素如何起作用受另一个因素影响时，我们称两 个因素之间存在交互作用，这种交互作用称做二重交 互作用。
当一个因素如何起作用受到另外两个因素的影响时， 我们称三个因素之间存在交互作用，这种交互作用称
作三及交互作用的数 目之间的关系
在另外两个因素的水平结合上的效应。
简单简单效应检验实际上是把其中两个因素均固定在 各自的某一个特定的水平上，考察第三个因素对因变 量的影响。
3.多因素实验设计的基本步骤
①确定各自变量的水平，将各个自变量的水平进行结合 ，得出自变量的结合水平，即实验处理。
②根据具体情况确定每种实验处理的重复次数（即每种 实验处理需要多少被试）。
例如，在包括两个因素的实验设计中，其中一个因素 有2个水平，另一个因素有3个水平，以A和B代表两 个因素，以a1、a2和b1、b2、b3分别代表A因素和B 因素的水平，a1b1、a1b2、a1b3、a2b1、a2b2、 a3b3代表各水平结合。我们称该实验设计为双因素实 验设计，又称为A×B因素设计，也可成为2×3因素设 计，“×”表示因素之间的相互结合关系。
③按照实验所采用的设计方式，根据每种实验处理的重 复次数，确定被试的组数、总人数和选取方法，然后选 出被试。N=NQ。
④按照实验所采用的设计方式，对被试进行分组或安排
⑤对被试实施实验处理，获得因变量数据，得出原始数 据表。然后按照不同的设计方法采用不同的统计处理。
4.多因素实验设计的类型
根据自变量的数目及其水平分类 ①两因素设计：2×2 ，2×3 …… ②三因素设计：2×2×2 ，2×3×3 ……
教龄 B：两个水平，10年以上（b1）和10年 以下（b2）
第五讲 真实验(二) 多因素实验设计
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
两因素随机区组实验设计
适用条件 研究中有两个自变量， 研究中有两个自变量，每个自变量有两 个或多个水平 研究中有一个无关变量， 研究中有一个无关变量，且这个无关变 量与自变量之间没有交互作用， 量与自变量之间没有交互作用，研究者 希望分离出这个无关变量的变异
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
数据表
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
方差分析
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
方差分析结果
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
347应用心理硕士全套计划，全部 资料，全套课程，全套真题， QQ:653762003
两因素完全随机（被试间）实验 设计
• • • •
基本特点 两个自变量， 两个自变量，每个自变量有两个或两个 以上的水平， 以上的水平，如p×q个处理水平 × 个处理水平 两个自变量都是被试间变量 被试随机分配给各处理水平结合 每个被试只接受一个处理水平结合的处 理
多因素实验设计多因素实验设计的优点单因素实验设计只考察一个自变量对因变量的影响忽略了其它因素以及因素间的交互作用对因变量的影响与实际情况不相符结果的推论性低多因素实验设计同时探讨多个自变量对因变量的影响能揭示多个变量间的交互作用结果的推论性高典型的两因素实验设计两因素完全随机实验设计两个自变量都是被试间变量两因素被试内实验设计两个自变量都是被试内变量两因素混合实验设计一个自变量是被试内变量一个是被试间变量两因素完全随机被试间实验设计基本特点两个自变量每个自变量有两个或两个以上的水平如pq个处理水平两个自变量都是被试间变量被试随机分配给各处理水平结合每
多因素实验设计方法
多因素实验设计方法
《多因素实验设计方法》
嘿，你知道吗？多因素实验设计方法可有意思啦！这就像是一个神奇的魔法盒，能让我们发现好多隐藏的秘密呢。
想象一下，我们面对一个复杂的问题，就好像走进了一个迷宫。
单因素实验就像是只沿着一条路走，可能会错过很多其他的精彩。
但多因素实验设计呢，就不一样啦！它就像是同时打开了好多条路，让我们能更全面地去探索这个迷宫。
比如说，我们想研究一种药物的效果。
光看剂量这一个因素可不行呀，还得考虑患者的年龄、性别、身体状况等等好多方面呢。
多因素实验设计就能把这些都考虑进去，让我们得到更准确、更有价值的结果。
而且哦，它还特别灵活。
我们可以根据具体的需求，自由地选择要研究的因素，还可以调整每个因素的水平。
就像是搭积木一样，我们可以搭出各种不同的形状，来满足我们不同的研究目的。
在进行多因素实验设计的时候，可得精心策划。
要想好每个因素怎么设置，怎么去收集数据，怎么分析结果。
这就像是导演一场大戏，每个环节都不能马虎。
多因素实验设计方法真的是超级实用，能让我们更深入地了解事物之间的关系，发现那些不容易被注意到的规律。
它就像是一把钥匙，能打开知识宝库的大门，让我们看到更多的精彩。
多因素实验设计PPT教案
第10页/共34页
4.多因素实验设计的类型
根据自变量的数目及其水平分类 ①两因素设计：2×2 ，2×3 …… ②三因素设计：2×2×2 ，2×3×3 ……
根据被试分派程序分类 ①多因素完全随机（被试间）设计 ②多因素随机区组设计 ③多因素被试内设计 ④多因素混合设计
2.基本特点 两个或两个以上自变量，每个自变量有两个或两个以上
的水平，如p×q个处理水平
自变量都是被试间变量 被试随机分配给各处理水平结合 每个被试只接受一个处理水平结合的处理
第12页/共34页
第13页/共34页
第14页/共34页
举例： 假定研究者要研究高低教龄教师采用两种教学
方法对学生学习成绩的影响。 自变量： 教学方法 A： 两个水平，正常讲授（a1）和独
第3页/共34页
④交互效应 交互作用反映的是两个或者多个因素的联合效应。当一个因素如何起作 用受另一个因素影响时，我们称两个因素之间存在交互作用，这种交互 作用称做二重交互作用。
第4页/共34页
第5页/共34页
当一个因素如何起作用受到另外两个因素的影响时， 我们称三个因素之间存在交互作用，这种交互作用称 作三重交互作用。
第17页/共34页
例如，研究不同声音刺激对学生解答数学问题的影 响。
自变量：声音刺激（A1为欢快的音乐，A2为朗读 课文的声音，A3为噪音，A4为正常安静）
因变量：数学测验成绩 另外学生原有个体差异对解答数学问题的影响，根
据学生平时作业成绩，把学生分为优秀、中等、较 差3个组别，这样每个组就成为一个区组。同一个 区组中的被试按设计要求随机地在某一种声音刺激 下解答数学问题。这种实验设计就是随机区组设计。
心理学多因素实验设计案例
心理学多因素实验设计案例案例：不同音乐类型和学习环境对记忆效果的影响。
一、实验目的。
咱就想知道啊，听着不同类型的音乐，然后在不同的学习环境里，到底对记忆东西有啥不一样的影响呢？是能让我们像超级学霸一样过目不忘，还是变得像金鱼一样只有七秒记忆呢 。
二、实验因素和水平。
1. 音乐类型（因素A）水平一：古典音乐，就像莫扎特、贝多芬那些高大上的曲子，感觉一听就很有文化气息 。
水平二：流行音乐，周杰伦啊、泰勒·斯威夫特之类的，超级抓耳，大街小巷都在放的那种。
水平三：摇滚音乐，比如崔健、AC/DC，充满激情，让你听了就忍不住想摇头晃脑的那种。
2. 学习环境（因素B）水平一：安静的图书馆环境，超安静，只有翻书的沙沙声和偶尔的咳嗽声。
水平二：稍微有点嘈杂的咖啡店环境，有咖啡机的嗡嗡声，人们的低声交谈声。
水平三：家庭环境，可能会有电视的背景音，家人偶尔走动的声音。
三、实验设计类型。
我们采用3×3的完全随机多因素实验设计。
也就是说，我们要把这音乐类型的三个水平和学习环境的三个水平进行各种组合，然后随机分配给不同的参与者。
四、实验对象。
找了90个大学生，为啥是大学生呢？因为他们学习任务多，而且好忽悠……不是，是因为他们比较容易找到，而且处于经常需要记忆知识的阶段 。
五、实验过程。
1. 先把这90个大学生随机分成9组，每组10个人。
2. 对于第一组，让他们戴着耳机听古典音乐，然后坐在模拟图书馆的安静环境里，给他们一篇文章看15分钟，然后把文章拿走，让他们尽可能地回忆文章里的内容，记录下他们能回忆起来的字数。
3. 第二组呢，同样听古典音乐，但是是在模拟咖啡店的嘈杂环境里做同样的事情，记录回忆字数。
4. 第三组听古典音乐，在模拟家庭环境里进行，然后记录。
5. 第四组换成流行音乐，按照上面三种环境分别进行实验，记录回忆字数。
6. 第五组听摇滚音乐，也在三种环境下依次做实验，记录结果。
六、可能的结果和解释。
多因素实验设计实验报告(3篇)
第1篇一、实验目的本研究旨在探讨多因素实验设计在心理学领域中的应用，通过实验验证不同自变量对因变量的影响，并分析自变量之间的交互作用。
本实验选取了两个自变量：实验组别和实验时长，考察其对被试反应时间的影响。
二、实验方法1. 实验对象实验对象为30名大学生，男女各半，年龄在18-22岁之间。
所有被试均无色盲、色弱等视觉障碍。
2. 实验材料实验材料为一系列图片，每张图片包含一个字母，要求被试在看到图片后尽快判断该字母是否为目标字母。
3. 实验设计本实验采用2（实验组别：实验组与对照组）×2（实验时长：短时长与长时长）的多因素实验设计。
其中，实验组别为自变量A，实验时长为自变量B。
4. 实验程序（1）实验前，向被试说明实验目的和实验流程，并要求被试在实验过程中保持专注。
（2）实验过程中，将30名被试随机分为两组，每组15人。
实验组进行短时长实验，对照组进行长时长实验。
（3）短时长实验：实验组被试在30秒内完成所有图片判断任务。
（4）长时长实验：对照组被试在60秒内完成所有图片判断任务。
（5）实验结束后，收集被试的反应时间数据。
5. 数据处理采用SPSS软件对实验数据进行方差分析，以检验自变量A和B对因变量（反应时间）的影响，以及自变量之间的交互作用。
三、实验结果1. 实验组别对反应时间的影响方差分析结果显示，实验组别对反应时间有显著影响（F(1,28) = 8.71，p <0.01）。
具体来说，实验组被试的平均反应时间为523.71毫秒，对照组被试的平均反应时间为598.43毫秒。
2. 实验时长对反应时间的影响方差分析结果显示，实验时长对反应时间有显著影响（F(1,28) = 6.82，p <0.05）。
具体来说，短时长实验组被试的平均反应时间为523.71毫秒，长时长实验组被试的平均反应时间为598.43毫秒。
3. 自变量之间的交互作用方差分析结果显示，实验组别与实验时长之间存在交互作用（F(1,28) = 5.05，p < 0.05）。
多因素实验设计
多变量实验设计在心理学实验设计中，一类实验设计是考察单一自变量（或称为因素）对因变量的影响，这类实验设计称为单变量实验设计（Single-Variable Experiment）；另外一类实验设计是考察两个或两个以上的自变量（或因素）对因变量的影响，这类实验设计称为多变量试验设计（Multiple-Variable Experiment）。
多变量实验设计包括多因素组间实验设计、多因素组内实验设计和混合实验设计。
2多因素组间实验设计多因素组间实验设计是单因素组间实验设计的扩展。
在多因素完全随机实验设计中，基本方法是：随机取样被试，并将参加实验的被试分为若干个实验处理组，每组被试分别接受一种实验处理水平的结合。
我们以两因素完全随机实验设计举例，表1中自变量A因素有两个水平，B因素有四个水平。
两个因素共有2×4=8种处理水平的结合，即A1B1，A1B2，A1B3，A1B4，A2B1，A2B2，A2B3，A2B4。
将被试随机分为八组，每组被试接受一个自变量实验处理水平的结合。
实验设计的基本思想是，由于实验处理前，被试是随机分配给各实验处理组的，因而保证了各组被试实验之前无差异。
实验处理后测量到的差异可能来自A因素、B因素，或来自A因素与B因素的交互作用。
表1 两因素完全随机实验设计举例实验处理水平的结合后测实验组1 A1B1 Y实验组2 A1B2 Y实验组3 A1B3 Y实验组4 A1B4 Y实验组5 A2B1 Y实验组6 A2B2 Y实验组7 A2B3 Y实验组8 A2B4 Y3多因素组内实验设计多因素组内（被试内）实验设计是单因素组内实验设计的扩展。
在多因素被试内实验设计中，基本方法是：随机取样被试，参加实验的被试接受全部实验处理水平的结合。
以两因素被试内实验设计举例，表2中自变量A因素有两个水平，B因素有四个水平。
两个因素共有2×4=8种处理水平的结合，即A1B1，A1B2，A1B3，A1B4，A2B1，A2B2，A2B3，A2B4。
多因素实验设计
第一节 混合设计（mixed design） 第二节 因素设计(factorial design)与交 互作用 第三节 自然组设计（natural-groups design）
第一节 混合设计（mixed design）
一、组内设计（within-group design）与 组间设计（between-group design） 二、混合设计的类型 三、选用设计类型的考虑
被试 1-2 3-4 5-6 7-8 1 J K L M 实验顺序 2 K M J L 3 L J M K 4 M L K J
2×2因素的混合设计
组 B1 B2 被试 1-4 5-8 9-12 13-16 实验顺序 A1B1——A2B1 A2B1——A1B1 A1B2——A2B2 A2B2——A1B2
三、选用设计类型的考虑
1、我们首先要考虑所采用的自变量是否需要 特殊的设计才可以有效地操纵。 2、其次，我们就是要考虑经济、方便、数据 处理的准确度等。
第二节 因素设计与交互作用
一、因素设计 二、因素设计的安排 三、交互作用的意义
一、因素设计
因素设计是关于两个或两个以上变量（因素）的实验 设计，它的特点是将实验中的每个变量的多个水平 都结合起来进行实验。 因素设计的最简单形式就是实验中有两个自变量，每 个自变量各有两个水平。这就是2×2因素设计，这 种设计共有四种可能的组合。 因素设计一般使用两个或三个因素，每个因素有2-6个 水平，因素过多或水平过多都将使实验变得十分复 杂而难以进行，并且结果也难以合理地解释。
IWS-CWS
在这种混合设计中，由于两个变量都属于被试内设 计，因此只有一个被试组。 例如前面提到的记忆广度和呈现速度（A1、A2）及 记忆材料类型（B1、B2）之间的关系。其中呈现 速度（A1、A2）可以采用不完全被试内设计来施 行，也就是一半被试先接受A1，另一半被试先接 受A2。而材料类型则采用完全被试内设计（B1、 B2）。在这个设计中，哪一个因素采用何种处理 是可以随意换的，但是在某些实验中情况可能就 会复杂一些。
多因素实验设计 因素分解
多因素实验设计因素分解交互作用的数量：KCn=K！/n(K-n)！K：因素（自变量）的数量；n：交互作用的次数1 单因素实验设计1.1 单因素完全随机实验设计：分解：SS总变异=SS组间+SS组内计算：SS总变异=[AS]-[Y] df=np-1SS组间=[A]-[Y] df=p-1SS组内= SS总变异-SS组间df=p(n-1)1.2 单因素随机区组实验设计分解：SS总变异=SS处理间+SS处理内=SSA+（SS区组+SS残差）计算：SS总变异=[AS]-[Y] df=np-1SSA=[A]-[Y] df=p-1SS处理内=SS总变异-SS处理间SS区组=[S]-[Y] df=n-1SS残差=SS总变异-SSA-SS区组df=(n-1)(p-1)1.3 单因素拉丁方实验设计分解：SS总变异=SS处理间+SS处理内=SSA+（SSB+SSC+SS单元内+SS残差）计算：SS总变异=[ABCS]-[Y] df=np-1SSA=[A]-[Y] df=p-1SSB=[B]-[Y] df=p-1SSC=[C]-[Y] df=p-1SS单元内=[ABCS]-[ABC] df=p2(n-1)SS残差={[ABC]-[Y]}-SSA-SSB-SSC df=(n-1)(p-2)1.4 单因素重复测量实验设计分解：SS总变异=SS被试间+SS被试内=SS被试间+（SSA+SS残差）计算：SS总变异=[AS]-[Y] df=np-1SS被试间=[S]-[Y] df=n-1SS被试内=SS总变异-SS被试间SSA=[A]-[Y] df=p-1SS残差= SS总变异-SS被试间-SSA df=(n-1)(p-1)2 两因素实验设计2.1 两因素完全随机实验设计分解：SS总变异=SS处理间+SS处理内=（SSA+SSB+SSAB）+SS单元内计算：SS总变异=[ABS]-[Y] df=npq-1SSA=[A]-[Y] df=p-1SSB=[B]-[Y] df=q-1SSAB=[AB]-[Y]-SSA-SSB df=(p-1)(q-1)SS单元内=SS总变异-SSA-SSB-SSABdf=pq(n-1)同质性检验：F=max（SS1组，SS2组，SS3组…SSn组）\min（SS1组，SS2组，SS3组…SSn组）2.2 两因素随机区组实验设计分解：SS总变异=SS处理间+SS处理内=（SSA+SSB+SSAB）+（SS区组+SS残差）计算：SS总变异=[ABS]-[Y] df=npq-1SS区组=[S]-[Y] df=n-1SS处理间=[AB]-[Y]SSA=[A]-[Y] df=p-1SSB=[B]-[Y] df=q-1SSAB=[AB]-[Y]-SSA-SSB df=(p-1)(q-1)SS处理内=SS总变异-SS处理间SS残差=SS总变异-SSA-SSB-SSABdf=(pq-1)(n-1)2.3 两因素混合实验设计分解：SS总变异=SS被试间+SS被试内=（SSA+SS被试A）+（SSB+SSAB +SSB×被试A）计算：SS总变异=[ABS]-[Y] df=npq-1SS被试间=[AS]-[Y]SSA=[A]-[Y] df=p-1SS被试A=SS被试间-SSA df=p(n-1)SS被试内=SS总变异-SS被试间SSB=[B]-[Y] df=q-1SSAB=[AB]-[Y]-SSA-SSB df=(p-1)(q-1)SS B×被试A=SS被试内-SSB-SSABdf=p(q-1)(n-1)2.4 两因素重复测量实验设计分解：SS总变异=SS被试间+SS被试内=SS被试间+（SSA+SS A×被试+SSB+SSB×被试+SSAB+SSA×B×被试）计算：SS总变异=[ABS]-[Y] df=npq-1SS被试间=[S]-[Y] df=n-1SS被试内=SS总变异-SS被试间SSA=[A]-[Y] df=p-1SSA×被试=[AS]-[Y]-SS被试间-SSA df=(p-1)(n-1)SSB=[B]-[Y] df=q-1SSAB=[AB]-[Y]-SSA-SSB df=(p-1)(q-1)SSB×被试=[BS]-[Y]-SS被试间-SSBdf=(q-1)(n-1)SSA×B×被试=SS被试内-SSA-SSA×被试-SSB-SSB×被试-SSAB df=(n-1)(p-1)(q-1)3 三因素实验设计3.1 三因素完全随机实验设计分解：SS总变异=SS处理间+SS处理内=（SSA+SSB+SSC+SSAB+SSAC+SSBC+SSABC）+SS单元内计算：SS总变异=[ABCS]-[Y] df=npqr-1SSA=[A]-[Y] df=p-1SSB=[B]-[Y] df=q-1SSC=[C]-[Y] df=r-1SSAB=[AB]-[Y] df=(p-1)(q-1)SSAC=[AC]-[Y] df=(p-1)(r-1)SSBC=[BC]-[Y] df=(q-1)(r-1)SSABC=[ABC]-[Y]-SSA-SSB-SSC-SSAB-SSAC-SSBC df=(p-1)(q-1)(r-1)SS单元内=SS总变异-SSA-SSB-SSC-SSAB-SSAC-SSBC-SSABC df=pqr(n-1)3.2 三因素混合实验设计3.2.1 重复测量一个因素分解：SS总变异=SS被试间+SS被试内=（SSA+SSC+SSAC+SS被试(AC)）+（SSB+SSAB+SSBC+SSABC+SSB×被试(AC)）计算：SS总变异=[ABCS]-[Y] df=npqr-1SS被试间=[ACS]-[Y] df=npr(q-1)SSA=[A]-[Y] df=p-1SSC=[C]-[Y] df=r-1SSAC=[AC]-[Y] df=(p-1)(r-1)SS被试(AC)=SS被试间-SSA-SSC-SSAC df=pr(n-1)SS被试内=SS总变异-SS被试间SSB=[B]-[Y] df=q-1SSAB=[AB]-[Y] df=(p-1)(q-1)SSBC=[BC]-[Y] df=(q-1)(r-1)SSABC=[ABC]-[Y]-SSA-SSB-SSC-SSAB-SSAC-SSBC df=(p-1)(q-1)(r-1)SSB×被试(AC)=SS被试内-SSB-SSAB-SSBC-SSABC df=pr(n-1)(q-1)3.2.2 重复测量两个因素分解：SS总变异=SS被试间+SS被试内=（SSA+SS被试(A)）+（SSB+SSAB+SSB×被试(A)+SSC+SSAC+ SSC×被试(A)+SSBC+SSABC+SSB×C×被试(A)）计算：SS总变异=[ABCS]-[Y] df=npqr-1SS被试间=[AS]-[Y] df=np-1SSA=[A]-[Y] df=p-1SS被试(A)=SS被试间-SSA df=p(n-1)SS被试内=SS总变异-SS被试间SSB=[B]-[Y] df=q-1SSAB=[AB]-[Y]-SSA-SSB df=(p-1)(q-1)SSB×被试(A)=[ABS]-[Y]-SS被试间-SSB-SSAB df=p(n-1)(q-1)SSC=[C]-[Y] df=r-1SSAC=[AC]-[Y]-SSA-SSC df=(p-1)(r-1)SSC×被试(A)=[ACS]-[Y]-SS被试间-SSC-SSAC df=p(n-1)(r-1)SSBC=[BC]-[Y]-SSB-SSC df=(q-1)(r-1)SSABC=[ABCS]-[Y]-SSA-SSB-SSAB-SSAC-SSBC df=df=(p-1)(q-1)(r-1)SSB×C×被试(A)=SS被试内-SSB-SSAB-SSB×被试(A)-SSC-SSAC-SSC×被试(A)-SSBC-SSABC 4三因素重复测量实验设计分解：SS总变异=SS被试间+SS被试内=SS被试间+（SSA+SSA×被试+SSB+SSB×被试+SSC+SSC×被试+SSAB+SSA×B×被试+SSAC+SSA×C×被试+SSBC+SSB×C×被试+SSABC+SS A×B×C×被试）计算：SS总变异=[ABCS]-[Y] df=npqr-1SS被试间=[S]-[Y] df=n-1SS被试内=SS总变异-SS被试间SSA=[A]-[Y] df=p-1SSA×被试=[AS]-[Y]-SS被试间-SSA df=(p-1)(n-1)SSB=[B]-[Y] df=q-1SSB×被试=[BS]-[Y]-SS被试间-SSB df=(q-1)(n-1)SSC=[C]-[Y] df=r-1SSC×被试=[CS]-[Y]-SS被试间-SSC df=(r-1)(n-1)SSAB=[AB]-[Y]-SSA-SSB df=(p-1)(q-1)SSA×B×被试=[ABS]-[Y]-SS被试间-SSA-SSB-SSAB-SSA×被试-SSB×被试df=(p-1)(q-1)(n-1)SSAC=[AC]-[Y]-SSA-SSC df=(p-1)(r-1)SSA×C×被试=[ACS]-[Y]-SS被试间-SSA-SSC-SSAC-SSA×被试-SSC×被试df=(p-1)(r-1)(n-1) SSBC=[BC]-[Y]-SSB-SSC df=(q-1)(r-1)SSB×C×被试=[BCS]-[Y]-SS被试间-SSB-SSC-SSBC-SSB×被试-SSC×被试df=(q-1)(r-1)(n-1) SSABC=[ABC]-[Y]-SSA-SSB-SSAB-SSAC-SSBC df=df=(p-1)(q-1)(r-1)SS A×B×C×被试=SS被试内-SSA-SSA×被试-SSB-SSB×被试-SSC-SSC×被试-SSAB-SSA×B×被试-SSAC-SSA×C×被试-SSBC-SSB×C×被试-SSABC-SSA×B×C×被试5 嵌套实验设计5.1 两因素完全随机嵌套实验设计5.2 三因素完全随机嵌套实验设计。
心理学实验设计中的多因素分析方法研究
心理学实验设计中的多因素分析方法研究心理学实验设计是探究和验证心理学现象的重要手段，可对测试和组织数据进行分析，以帮助心理学家理解各种心理现象和行为。
不同的因素可能会影响实验结果，因此多因素分析方法在实验设计中扮演着关键的角色。
本文旨在探讨心理学实验设计中的多因素分析方法。
一、什么是多因素分析？多因素分析是一种不同因素引起不同效应的分析方法，也被称为方差分析。
多因素分析可以比较不同因素对实验变量的影响，以确定哪个因素是最有影响力的。
二、多因素分析的应用心理学实验通常涉及多个因素，例如，实验参与者的不同年龄，性别，文化和词汇水平等。
为了识别这些影响因素和确定它们的影响程度，心理学家利用多因素分析方法。
多因素分析技术还用于比较不同的实验条件，例如，比较不同的任务类型，任务难度和任务时限。
三、两个因素模型的多因素分析法两个因素模型是心理学研究中最常见的多因素分析。
它有两个因素，也被称为“两个变量模型”。
每个因素都有两个或多个水平，例如，一个实验中可能会比较男性和女性之间的差异，或者比较两组不同的药物疗法。
这两个因素的影响可以单独或同时进行分析，来确定对结果产生更显著影响的因素。
这种设计可以通过单双向多因素方差分析进一步分析。
四、多个因素的多因素分析在心理学领域，多因素分析通常涉及许多不同的因素。
这些因素可以分为连续变量和分类变量。
连续变量指的是类似体重、IQ和血压这样可计量的指标，而分类变量则是通过分类法描述的变量，如性别、年龄、民族等。
多个因素的多因素分析也可以采用单方差分析或双方差分析等方法，并且常常借助于图形和统计表来表示结果，以更加清楚直观。
五、多因素分析的优点和局限性多因素分析方法有以下优点：1. 它可以确定哪个因素对实验变量的影响最大。
2. 它可以分析多个因素之间的交互作用。
3. 它可以提供异常情况发现和纠正技术，以确保实验结果的准确性。
尽管多因素分析方法具有许多优点，但它也存在以下局限性：1. 实验设计复杂，也需要推迟到实验分析阶段才能设计。
多因素实验设计
（2）连续测量旳渐进误差。
二、静态变量
对于某些静态旳被试变量我们也极难得出 因果旳关系。
例：Jones(1972)在一项研究中发觉盲童和 正常小朋友相比较，在运动感觉旳精确 性上要好于正常小朋友。我们是否能够 以为眼盲是造成运动感觉好旳原因？
全部旳自然组设计都不能明确地定出因果关系。
MG-IWS
使用此种设计时，先要有相互配正确两组被试。 一组分配到A1，另一组分配到A2。然后两 组都接受B1和B2旳处理。
MG-CWS
除了B1和B2有屡次试验，并使每一位被试旳 渐进误差都被平衡掉。其他和MG-IWS类似。
IWS-CWS
在这种混合设计中，因为两个变量都属于被试内设 计，所以只有一种被试组。
原因设计旳最简朴形式就是试验中有两个自变量，每 个自变量各有两个水平。这就是2×2原因设计，这 种设计共有四种可能旳组合。
原因设计一般使用两个或三个原因，每个原因有2-6个 水平，原因过多或水平过多都将使试验变得十分复 杂而难以进行，而且成果也难以合理地解释。
二、原因设计旳安排
原因设计既能够按照组内设计也能够按照 组间设计进行，混合设计也常作为原因 设计旳一种设计方式。
三、选用设计类型旳考虑
1、我们首先要考虑所采用旳自变量是否需要 特殊旳设计才能够有效地操纵。
2、其次，我们就是要考虑经济、以便、数据 处理旳精确度等。
第二节 原因设计与交互作用
一、原因设计 二、原因设计旳安排 三、交互作用旳意义
一、原因设计
原因设计是有关两个或两个以上变量（原因）旳试验 设计，它旳特点是将试验中旳每个变量旳多种水平 都结合起来进行试验。
每当我们将两组旳差别归因于被试变量旳不同 步，我们都应该小心，看一看被试变量还有 无我们没有发觉旳不同点。当我们把被试按 照一种不同特征分组时，可能把其他不同旳 特征也涉及进去了。
多因素完全随机实验设计
1第二节 多因素完全随机实验设计对于单因素完全随机实验设计来说，实验的处理数就是自变量的水平数，将被试随机分配到各个处理组上就可以了。
多因素完全随机实验设计则是多个因素的多种水平相互结合，构成多个处理的结合，如二因素二水平，就是有两个自变量，每个自变量有两个水平，则处理的结合共有四个，这种实验设计称为是2×2实验设计；如果一个自变量两个水平，另一个变量是三个水平，则共有6个实验处理，这种实验设计就是2×3实验设计。
如果有三个自变量，其中两个自变量是2个水平，另一个变量有3个水平，则这种实验设计有12个实验处理，叫做2×2×3设计。
这里需要重申以下几点：第一，自变量是研究者操纵的变量，在实验过程中必须是变化了的，也就是说自变量的水平数至少为2。
如果自变量的水平数为1，那就等于说该变量在实验过程中始终保持在一个水平上，它就不是“变”量了。
比方说，一个2×3×1×2实验设计中，实际上只有三个自变量，它们的水平数分别为2、3、2。
第二，实验处理就是自变量在各种水平上结合而成的各种实验条件，实验处理数等于所有自变量水平数的乘积。
如一个2×3×3实验设计，其实验处理数是18，等于说这一实验过程中出现18种实验条件。
第三，对于完全随机实验设计来说，有多少种实验处理就要有多少组实验被试，因为一组被试只参加一种实验条件下的实验。
现在，我们以下面这个假想的实验研究为例来说明多因素完全随机实验设计的模式。
假设某研究者想考察缪勒错觉受箭头方向和箭头张开角度的影响。
研究中的自变量有两个，一个是箭头方向（标记为A ），分为向内和向外两个水平；另一个是箭头张开角度（标记为B ），设置为15度和45度两个水平，因此这是一个2×2实验设计，构成了4种实验处理，如表2-1所示。
研究者从某大学文学院本科二年级一60人的班级随机抽取了20名男生，再将20名男生随机分成相等的四个组，每组5人，每一个组接受一种实验处理，所以，这是一个二因素完全随机实验设计。
心理学与教育研究中的多因素实验设计
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第一节单因素完全随机实验设计一、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）实验数据及其计算第二节单因素随机区组实验设计一、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。
第三节单因素拉丁方设计一、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个方格单元，每个处理水平仅在每行，每列中出现一次。
无关变量C的四个水平无关变量B的四个水平自变量A的四个水平第四节单因素重复测量实验设计一、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。
假设：当若干处理水平连续实施给同一被试时，被试接受前面的处理，对接受后面的处理没有长期的影响。
优点：从总变异中分离出了被试间变异，与完全随机实验相比，它提高了实验处理的F检验的敏感性。
第三章两因素完全随机和随机区组实验设计第一节两因素完全随机实验设计一、基本特点与单因素相比：可对两个或多个变量之间的交互作用进行估价不同：每个被试接受的是一个处理的结合，而不是一个处理水平二、举例第二节对交互作用的进一步检验一、交互作用图解二、简单效应检验（一）简单效应的基本特点及其作用分别检验一个因素在另一个因素的每个水平上的处理效应，以便具体地确定它的处理效应在另一个因素的哪个水平上是显著的，在哪些水平上是不显著的。
多因素实验设计(正交实验设计)
因素 位 级 1 2
促进剂总量 A/g
氧化锌总量 B/g
促进剂D占的 比例(D) (%)
促进剂M占的 比例(M) (%).
2.9 3.1
1 3
20 25
34.7 39.7
3
4
3.3
3.5
5
7
35
40
44.7
49.7
设计方案：
A 列号
L16 (4)5
B 2 1（1） 2 （1） 3 （1） 4 （1） D 3 1（20%） 2 （20%） 3 （20%） 4 （20%） M 4 1 （34.7） 2 （34.7） 3 （34.7） 4 （34.7） 5 1 2 3 4
并列法
将相同位级的正交表改造成位级数不同的正交表 把给定的正交表中的任意两列,按一定的规则变为一列, 使其字码改变为不等.
1
1
1 2 3 4
列号 试验序号 1 2 3 4 5 6 7 8 1 1 1 1 1 2 2 2 2
原列 2 1 1 2 2 1 1 2 2
新列 1 1 2 2 3 3 4 4
1 2 2 1 2 2
允许多做实验 L9（34）, L16（45）
L9（34）, L16（45) L16（45) L18（61×36） L16（44×23） L18（61×36） L16（44×23）
L8（41×24）
L8（41×24） L8（41×24） L18（61×36） L18（61×36）
4
5 6 7
L8（41×24）的设计 由L8（27）的改造而成
（二）正交实验分析
1、直接比较实验指标,从中选出实验指标最好的因素位级组合 9个实验中,第1号最好,其因素位级组合为A1B1C1D1 2、对实验结果进行计算
- 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)。
导致假设越来越多等问题。
优点
灵活性 相对于析因设计有更高灵活性。
高效 不需要考虑贡献小的因素和水平
反馈
缺点
无交互作用 被试间设计
比较系列中不同实验的结果时 时间跨度长
需要在实验结果分析后才能做下次实验
总结
设计方法 2水平实验
多水平实验 析因实验
二.析因设计（Factorial Designs）
我们得到4×5×3×6×4×5设计 总共实验单元格是7200个
二.析因设计（Factorial Designs）
2.统计计算更困难。 3.高次交互作用有时很难解释。
有没有其他方法具有析因实验的优点而避开它的缺点呢？
三、会聚实验设计Converging-Series Designs
规则），四种处理水平的结合，字频是被试间变量，声旁 规则性是被试内变量 实验材料：160个汉字，每种处理水平40个汉字 被试：50名中学生，随机分成两组，每组25名，一组只阅 读高频字，包括高频-规则字和高频-不规则字，一组只阅 读低频字，包括低频-规则字和低频-不规则字 因变量：阅读汉字的反应时（每名被试阅读40个汉字的平 均反应时）
二.析因设计（Factorial Designs）
2×4 设计
2×3×4设计
二.析因设计（Factorial Designs）
优点 1、同时观察多个因 素的效应，提高了实 验效率； 2、能够分析各因素 间的交互作用；
解决问题的时间与领导的关系由组的大小决定
二.析因设计（Factorial Designs）
优点
决定一个变量是否有作用 结果易解释分析 对某些理论检验已充分 竞争理论
推断函数形状 自变量的范围限制变小
交互作用 降低统计敏感性 增加了推广效应而没有降低精确度
缺点
不能推断函数的形状 插值和外延比较冒险 复杂理论不能检验
需更多被试和时间 平衡 统计计算复杂
实验规模变大 统计计算更加困难 高维度交互作用难于解释
If（粗俗词时间=普通词时间） 有意识的反应抑制
否则：无意识的反应抑制
会聚实验
实验一前 单词特性
知觉防御
实验一后
×
知觉防御
实验二后
×
实验三后
无意识反应抑 无意识反应抑 无意识反应抑 ×
制
制
制
有意识反应抑 有意识反应抑 有意识反应抑 有意识反应抑
制
制
制
制
实验中我们操作了刺激材料，物理测量方法，人际关系。 也可以选择其他操作，如果会聚结果正确，都应该会聚到同
最初有很多可能假设可以解释实验现象，每做一个实验，可 以帮助我们排除一个或多个假设直到只剩下一个假设可以 解释实验现象。
实验
假设：人们报告感知到粗俗词语的时间是否比普通词语长 向被试展示4个词语，2个粗俗词（禁忌词）和2个普通词语。
使用速示器显示。被试被告知当认出词语后马上大声报 告出该词语。 结果：被试需要更长时间报告出粗俗语。
3.增加了实验的精确度和普遍性—相对于把环境作为一个控制量 跟随机变量时。
二.析因设计（Factorial Designs）
缺点 1.随着实验因素的增加实验越来越大。 例子：设计一个新的飞机驾驶舱 自变量：高度表指针长度 （4种） 高度表位置（5处） 空速指示器尺寸（3类） 空速指示器位置（6处） 手柄把手 高度（4处）长度（5种）
均反应时）
数据表
方差分析
计算公式
SSA
方差分析结果
阅读反应时/ms
交互作用图
640 620 600 580 560 540 520 500
规则
高频 低频
不规则
简单效应检验（simple effect test）
多因素实验设计中，当交互作用显著时，考察 一个因素在另一个因素的每个水平上的处理效 应，以确定该因素的处理效应在另一个因素的 哪个水平上是显著的
真实验：多因素实验设计
多因素实验设计的优点
单因素实验设计 • 只考察一个自变量对因变量的影响 • 忽略了其它因素，以及因素间的交互作用对因变量的影响 • 与实际情况不相符，结果的推论性低
多因素实验设计 • 同时探讨多个自变量对因变量的影响 • 能揭示多个变量间的交互作用 • 结果的推论性高
典型的两因素实验设计
会聚实验
灵活性 反馈
交互作用难以发现 被试间效应
分析了先前实验才能进行之 后实验。
为何理智被抛诸脑后：酒精对避孕套使用意愿的影响
2A（a1，a2）×3B（b1，b2，b3）的实验设计，6个处理 水平，A因素是被试内变量，B因素是被试间变量
6名被试，随机分配到B因素的三个水平上，每个水平两名 被试，每名被试接受A因素的所有水平
例子
汉字的频率和声旁规则性是否影响读者的阅读速度 自变量：2字频（高频、低频）×2声旁规则性（规则、不
会聚实验：一系列导向一个结论的实验。这些实验由单变量 实验和析因实验组成。
某些应用问题用析因实验解决的话会导致维数过多。我们可 以将之分为一系列较小的析因实验（对过多变量的交互 作用不感兴趣）。当发现某个处理的最优值，可以将其 控制在这一水平作为控制变量。
会聚操作
设计一系列实验会聚到一个实验假设上来检验假设。这些假 设解释一个已经观察到的行为。
才报告出来。
实验
现在我们共有4中对实验结果解释的假设。 我们将通过会聚操作进行一系列实验来排除某些假设。
实验一
是否是单词特性的影响。 使用2个不同的粗俗词语和普通词语，重复上述实验。 结果：
if（粗俗词汇需要时间长） 排除单词特性的影响
if（粗俗词时间=普通词时间） 单词特性影响的可信度增加
实验二
实验
结论：支持假设——人们对粗俗词语有知觉防御。 是否可以得出支持知觉防御的结论？
实验
其他可以解释该实验结果的假设： 单词特性可能影响了反应时。如普通词为高频词汇，粗俗词
可能不太常见。 无意识的反应抑制：被试认出4个单词的时间相同，但是无
意识的反应抑制知道不能避免时才报告出来。 有意识的反应抑制：识别时间相同，但是当被指做好准备后
被试分配模式
2A（a1，a2）×3B（b1，b2，b3）的实验设计，6 个处理水平，两名被试
例子
汉字的频率和声旁规则性是否影响读者的阅读速度 • 自变量：2字频（高频、低频）×2声旁规则性（规则、不规则），
四种处理水平的结合，都是被试内变量 • 实验材料：160个汉字，每种处理水平40个汉字 • 被试：25名中学生，每名被试阅读了所有处理水平结合的汉字 • 因变量：阅读汉字的反应时（每名被试阅读40个汉字的平均反应
时）
数据表
方差分析
方差分析结果
在SPSS中的计算
两因素混合实验设计
基本特点 • 两个自变量，每个自变量有两个或两个以上的
水平，如p×q个处理水平 • 两个自变量一个是被试内变量，另一个是被试
间变量 • 研究者对被试内变量的效应以及两个因素的交
互作用更感兴趣
被试分配模式
将被试随机分配到被试间变量的各个水平，使每个被试接 受与被试间变量的某一水平相结合的被试内变量的所有水 平
假设第一个实验已经排出了单词特性的影响。 是否是无意识反应抑制
已知皮电反应可以指示对刺激的情绪变化。 实验中测试被试的皮电反应。 结果
if（直到被试报告出粗俗词屁颠反应才变化） 知觉防御
否则排除知觉防御假设
实验三
假设已经排除了知觉防御假设 假定主试性别会影响反应抑制。当主试与被试性别不同时，
有意识的反应抑制发生。 实验中主试与被试性别相同。 结果：
三因素被试内设计
各种非重复测量设计的平方和与自由度
各种被试内实验设计的平方和与自 由度
各种混合实验设计的平方和与自由 度
二.析因设计（Factorial Designs）
析因设计是一种多因素的交叉分组设计。它不仅可检验每个因 素各水平间的差异，而且可检验各因素间的交互作用 。
实验：一个具有领导的小组是否比没有领导的小组能更快地达 成共识。 自变量：有没有领导、小组人数、性别…. 因变量：问题解决的时间
总结（两因素实验设计）
两个自变量，每个自变量有两个或两个以上的水平，如 p×q个处理水平
两因素完全随机实验设计 两个自变量都是被试间变量
两因素被试内实验设计 两个自变量都是被试内变量
三因素实验设计
三因素完全随机实验设计
重复测量一个因素的三因素实验设计
重复测量两个因素的三因素实验设计
数据表
方差分析
方差分析结果
在SPSS中的计算
两因素随机区组实验设计
适用条件 研究中有两个自变量，每个自变量有两个或多个水平 研究中有一个无关变量，且这个无关变量与自变量之间没
有交互作用，研究者希望分离出这个无关变量的变异
被试分配模式
பைடு நூலகம்
平方和分解
SS总变异 = SS处理间+SS处理内= (SSA+SSB+SSAB)+(SS区组 +SS残差)
被试分配模式
2A（a1，a2）×3B（b1，b2，b3）的实验设计，6 个处理水平，12名被试
例子
汉字的频率和声旁规则性是否影响读者的阅读速度 • 自变量：2字频（高频、低频）×2声旁规则性（规则、不
规则），四种处理水平的结合，都是被试间变量 • 实验材料：160个汉字，每种处理水平40个汉字 • 被试：100名中学生，随机分配到四个处理水平 • 因变量：阅读汉字的反应时（每名被试阅读40个汉字的平
计算公式
规则性在高频 水平上处理效 应是否显著
频率在规则字水 平上的处理效应 是否显著
简单效应分析结果