平衡性检验.docx
《平衡性检验.docx》由会员分享,可在线阅读,更多相关《平衡性检验.docx(5页珍藏版)》请在三一办公上搜索。
1、平衡性检验什么是平衡性检验?Ba1.ancetests也称randomisationchecks,是种普遍的显著性检验。例如,一位研究者希望将一种新的词汇学习方法和传统方法进行比较。他随机分配40名被试到控制组(传统方法)和实验组(新方法)中。4周后,他检查所有被试的词汇知识,让我们假定他发现了一个支持实验组的显著差异(egt(38)=2.7zP=0.01)o为了有人避免批评,两组之间的差异是由于学习方法之外的其他因素导致的,周密的研究应该进行一次t检验和卡方检验以核查实验组与控制组成员在年龄上和性别比例上是否有显著差异。这些检验是为了确保研究者能够主张随机化分组使得在这些变量上,两组是平衡的
2、,因此我们所观察到的组间差异并不能归因于这些可能的混淆变量。如果一个平衡性检验的结果是显著的,研究者可能试图将该混淆变量作为协变量再进行一次分析。为什么这类显著性检验是多余的?尽管该策略看上去非常合理,但是平衡性检验存在以下几个问题。平衡性检验不能提供能多信息:统计检验是用来对总体而非特定样本进行推断的。诚然,实际中会出现实验组中有3名男性,而控制组有14名男性的情况;卡方检验将会产生一个显著结果。但是我们会真的认为男性更有可能出现在控制组吗?当然不会。因为我们已经随机将所有被试分配至各个条件中,我们知道关于这个变量的零假设(两组成员之间没有性别差异)是真的,因此我们明白男性进入实验组和控制组
3、的机会是均等的。故每一次显著的平衡性检验都是由于完全随机所导致的错误警报。一次平衡性检验不能告诉我们任何我们还不知道的信息。平衡性检验也是多余的:那些同意上述观点的研究者可能继续认为,他们使用平衡性检验不是为了推断总体,而是想了解组间不平衡程度。但是,组间的完美平衡并不是做出有效统计推断的先决条件。因此平衡性检验也是不必要的。平衡性检验使得显著性检验失效:因为p值只有在未进行平衡性检验的条件下才有它确切含义。实际上p值是一个条件概率:如果零假设为真,那么观察到如此极端、甚至更极端的数据模式的概率。一旦进行了平衡性检验,我们为P值增加了一个前提条件:如果零假设为真并且平衡性检验产生一个特定结果,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 平衡 检验
![提示](https://www.31ppt.com/images/bang_tan.gif)
链接地址:https://www.31ppt.com/p-1789817.html