实验心理学心理实验设计.ppt

《实验心理学心理实验设计.ppt》由会员分享，可在线阅读，更多相关《实验心理学心理实验设计.ppt（78页珍藏版）》请在三一办公上搜索。

1、第三节 实验设计,一、实验设计及评价标准1、实验设计（广义）：是指根据研究目的，经过周密的思考而制定出的整个研究工作的具体计划和安排（董奇，2004）。2、实验设计（狭义）：是指对人类或者动物的心理和行为进行实验性观察时，对控制条件的设计（Robert Solso，2002）；包括如何选择被试、如何将被试分配到各实验条件、如何控制额外变量以及如何收集数据（Randolph Smith,2004）；目的在于使研究者观察到实验处理效应（张学民，舒华，2004）。第二节内容偏重于变量的界定和控制；而本节的内容侧重变量与变量之间关系的考察，即自变量处理效应的考察。,3、好的实验设计的标准宏观评价（孟庆

2、茂）：（1）能够恰当地解决所欲解决的问题。（2）恰当地控制实验中的无关变量。（3）使实验结果有很高的可靠性。微观评价（舒华）：（1）使研究变量的效应最大化（2）对额外变量进行有效控制（3）使实验误差变异最小化（4）充分体现自变量和因变量之间的内在联系。构思效度和内部效度,二、实验设计的分类,（一）心理实验设计的宏观分类 真实验设计，准实验设计，非实验设计（前实验设计与事后设计）真实验设计：就是通常所说的实验设计,是以数理统计为基础的实验设计。其特征在于对影响内部效度的无关变量采取了严格的控制，能有效地控制研究中自变量的不同取值和因变量的指标，以及被试的分配情况，并可应用统计方法分析实验结果。优

3、点：条件控制严密；局限：自然性差，人为性强，生态效度低。,准实验设计：是指降低了实验控制的标准，通常在不易对被试进行随机取样，无法严格创设等组的条件下进行的设计。如：教学方法与教学效果；工作压力与工作效率 优点：在真实性和生态效度上高于真实验设计。局限：无关变量控制不够严格、因果关系确定性弱,知识问答是先有真实验设计还是准实验设计？真实验设计是否代表着实验设计的发展趋势？,准实验设计是由Campbell&Stanley于1966年提出的，目的在于克服实验室实验的局限性。,1951-1959年康涅狄格州交通死亡人数（Campbell,1969）,康涅狄格州（实线）和其他4个州的交通死亡率（Cam

4、pbell,1969）,非实验设计：是一种对自然条件下发生的心理现象进行观测、记录、描述的设计方法。这种设计 往往不易采取随机化原则分配被试，而且也不易主动地控制自变量和其他无关变量，它可以为进一步实施更严格的设计积累资料。（有关该概念的理解国内外有很大不同，比较混乱）意义：为更高层次的真实验设计和准实验设计提供必要的基础和资料。局限：易受无关变量的影响。包括：单组后测设计、单组前后测设计、固定组比较设计、事后回溯设计,国外对非实验设计的看法非实验设计就是不用实验作为研究手段的研究设计。具体方法有：1.现象学方法（phenomenology），是指对自己的直接经验进行描述的方法。局限：（1）不

5、能比较不同条件下被试的数据，因此不能得出因果关系的结论；（2）对自身心理活动的关注可能会改变正常的心理活动；（3）其结论不一定完全精确、客观，而且其研究结果不能推广到别人身上。2.个案研究法（case study），是指对他人的行为经验进行描述、记录的方法。常用于临床心理、特殊心理的系统研究。3.现场研究法（field study），在现实情境中进行的研究。常用于研究在实验中看不见的心理和行为。4.调查研究法（survey research），包括问卷法和访谈法。经常与其他方法结合使用，也可以独立使用。,（二）真实验设计的具体分类,1.按统计检验力分，完全随机设计、随机区组设计和拉丁方实验设计

6、 以上是三种最基本的实验设计方法，它们可以组合成各种复杂的实验设计。它们的区别在于控制无关变量的方法。分别采用随机化方法、区组技术、双重区组技术控制无关变量的影响。实验结果的检验精度逐级提高。实验设计模型：完全随机设计：Yij=+j+i(j)随机区组设计：Yij=+j+i+i(j)拉丁方设计：Yijkl=+j+k+l+pooled(i=1,2,.,n；j=1,2,.,p；k=1,2,.,p；l=1,2,.,p),2.按自变量的数量分，单因素设计和多因素实验设计 单因素设计：实验中只有一个自变量，被试接受这个自变量的不同水平的实验处理的设计。多因素设计：实验中有多个自变量，被试接受几个自变量水平

7、的结合的实验处理。能探讨较复杂的因果关系，如交互作用，代表实验设计发展的一种趋势。例：多媒体教学与传统教学的效果？,3.按被试分派程序分，被试间设计、被试内设计和混合设计 被试间设计：是指实验中每个被试只接受一种自变量水平或自变量水平的结合的设计。这种设计中的变量为被试间变量。被试内设计：是重复测量设计的一种形式，由一个被试（而不是一组同质被试）接受所有的自变量水平或自变量水平的结合的设计。实验中的自变量叫做被试内变量。混合设计：是指在一个实验设计中既有被试内自变量，又有被试间自变量的设计，是重复测量设计的一种复杂形式，是一种最有实用价值的实验设计。4.其他的设计 前后测设计，所罗门设计，小N

8、设计，正交设计，嵌套设计,三、实验设计的思想基础(复习),1.统计检验的基本思想 统计检验的目的：确定从样本统计值得出的差异能否作出一般性的结论总体参数之间确实存在差异。使用条件：当研究假说不能通过直接观察或通过观察总体的所有成员而直接被估价时，就需要通过统计推论间接地对它进行估价。如，6岁儿童的男女身高差异问题的研究。从某地区随机抽取男生30人，M1=114cm；女生27名，M2=112.5cm，能否根据这一次测量的结果下结论：6岁男生的身高比女生高？又如，中美小学生心算能力的比较研究。心理学实证研究的结果，基本上都需要进行统计检验。,2.方差分析的基本思想 思考：统计发现三种教学方法考评结

9、果的方差分析结果为：F（2，27）=1.0，请问差异是否显著？方差分析的主要功能:是分析因变量总变异中不同来源的变异的贡献量的多少，如实验处理引起的变异，被试个体差异带来的变异，实验误差带来的变异等。“力是改变物体运动状态的原因”，运动状态的改变的表现就是“变异”；反过来，变异反映了物体受到了力的作用。任何一个心理变量的每一个观测值都凝聚着各种各样因素的影响。如，有一次辨别反应时的测量值为350ms。那么可能影响因素：简单RT，辨别能力，心理期望，注意不集中，疲劳，猜测，偶然因素 一组观测数据中，具体数值各不相同，之所以不同，就是变异来源很多。320 315 333 318 340 327 3

10、58 365 350 380 360 375 方差分析的目的在于考察系统的特定影响因素（自变量）是否对观测值有显著影响,变异(variation)：是“影响因素作用效果”的量化表现；衡量指标：标准差方差(variance)均方(每个自由度的平均变异)；量化表现形式：平方和 变异的来源：实验处理-实验处理之外的因素/组间变异-组内变异/组间均方-组内均方 F值：组间均方除以组内均方组间变异（实验目的），组内变异（控制对象）F检验的思想就好象把组间变异放在一个噪音（误差变异）的背景上，只有当组间变异足够大，明显不同于误差变异时，才说明处理效应是存在的。如果组间变异与组内变异相比差不多，则说明处理效

11、应是不存在的。F（m,n）=1.0,意味着目标声音和背景声音一样响,四、实验设计模型,每一种实验设计都有一个特定的实验设计模型，它揭示了实验中一个观测值的构成，即影响一个观测值的所有变异源，为不同的实验设计提供了分解平方和的方法。例：单因素完全随机实验设计模型：Yij=+j+i(j)(i=1,2,.,n;j=1,2,.,p)Yij 表示实验中第i个被试在第j个处理水平上的观测值。表示总体平均数，j表示水平j的处理效应，i(j)表示误差变异。实验设计模型的基本假设是：（1）模型 Yij=+j+i(j)反映了影响实验中观测值Yij的所有变异源；（2）实验中包含了研究者感兴趣的处理水平（j）；（3）

12、误差变异在每个处理总体内是以均数为0，方差为2e 正态分布的。每一个被试的误差变异都独立于其他被试的误差变异。实验设计最重要的功能就是使处理效应最大，使误差变异最小。,五、方差分析中的常用术语 主效应（main effects）：实验中由一个因素的不同水平引起的变异。交互作用（interaction）：当一个因素的水平在另一个因素的不同水平上变化趋势不一致时，我们称这两个因素之间存在交互作用。简单效应（simple effects）：一个因素的水平在另一个因素的某个水平上的变异。处理效应（treatment effect）：由自变量引起的变异。主效应、交互作用和简单效应均属于处理效应。误差变异

13、（error variance）：不能由自变量或明显的额外变量解释的那部分变异。单元内误差（within-cell error）：几个被试接受同样的实验条件时，他们之间所出现的差异。被试个体差异导致的误差。作用：用来估计实验误差。残差（residual error）：误差变异中除了单元内误差以外的误差，也应该是一种随机误差。如，只有一个被试接受一种实验处理时存在的误差。作用：用来估计实验误差,六、真实验设计,（一）单因素实验设计1.单因素完全随机实验设计（1）单因素完全随机实验设计的基本特点：适用条件：研究中有一个自变量，自变量有两个或多于两个水平。基本方法：把被试随机分配给自变量的各个水平，

14、每个被试只接受一个水平的处理。误差控制：随机化法。假设被试之间的变异在各水平之间是随机分布的，在统计上无差异。实验设计模型：Yij=+j+i(j)(i=1,2,.,n;j=1,2,.,p)Yij 表示实验中第i个被试在第j个处理水平上的观测值。表示总体平均数，j表示水平j的处理效应，i(j)表示误差变异。即：总变异由两部分组成：实验处理引起的变异（j）；误差引起的变异（i(j)）。,（2）数据处理方法（SPSS统计软件）：包含的统计变量：实验的自变量A，实验的因变量Y。预期的统计结果：自变量A的主效应是否显著，即 F（(P-1),P(n-1)）的P值是否小于0.05。实施的统计过程：analy

15、zecompare meansOne-Way ANOVA（3）应用举例及延伸与该设计相关的名称：随机组实验设计，独立组实验设计；下属的设计类型：实验组控制组前后测设计，实验组控制组后测设计，随机多组后测设计。,（3）单因素完全随机实验设计应用举例,研究题目：文章的生字密度对学生阅读理解的影响研究假设：阅读理解随着生字密度的增加而下降实验变量：自变量生字密度，含有4个水平（5：1、10：1、15：1、20：1）。因变量阅读测验的分数实验设计：单因素完全随机实验设计被试：32人，随机分为四组，每组接受一个自变量处理阅读一种生字密度的文章。数据：a1：3 6 4 3 5 7 5 2 a2：4 6 4

16、 2 4 5 3 3 a3：8 9 8 7 5 6 7 6 a4：9 8 8 7 12 13 12 11思考：其他的例子？,2.单因素随机区组实验设计,（1）单因素随机区组实验设计的基本特点：适用条件：研究中有一个自变量，自变量有两个或多于两个水平；研究中还有一个无关变量，也有两个或多个水平，并且自变量的水平与无关变量的水平之间无交互作用。基本方法：首先将被试在无关变量上进行匹配，然后把各匹配组的被试随机分配给自变量的各个水平，每个被试只接受一个水平的处理。误差控制：区组法（无关变量纳入法）。通过统计处理，分离出由无关变量引起的变异，使它不出现在处理效应和误差变异中，从而提高方差分析的灵敏度。

17、实验设计模型：Yij=+j+i+i(j)(i=1,2,.,n;j=1,2,.,p)Yij 表示被试i在水平j上的分数；表示总体平均数或真值；j表示水平j的处理效应；i 表示区组效应；i(j)表示误差变异。总变异组成：实验处理引起的变异；区组引起的变异；误差引起的变异。,（2）数据处理方法（SPSS统计软件）：包含的统计变量：实验的自变量A，区组变量X，实验的因变量Y。实施的统计过程：analyze General Linear Model Univariate 预期的统计结果：自变量A的主效应是否显著；无关变量即区组变量效应是否显著；若自变量主效应显著，则进行平均数多重检验。（3）应用举例及延

18、伸与该设计相关的名称：随机化区组实验设计；下属的设计类型：随机化匹配组设计，随机化配对组设计。,单因素随机区组设计应用举例,研究题目：文章的生字密度对学生阅读理解的影响。研究假设：阅读理解随着生字密度的增加而下降。实验变量：自变量生字密度，含有4个水平（5：1、10：1、15：1、20：1）；因变量阅读测验的分数；无关变量被试的智力水平实验设计：单因素随机区组实验设计被试及程序：首先给32个学生做智力测验，并按测验分数将被试分成8个组，每组4人（智力水平相等），然后随机分配每个区组内的4个被试阅读一种生字密度的文章。数据：x1 x2 x3 x4 x5 x6 x7 x8 a1：3 6 4 3 5

19、 7 5 2 a2：4 6 4 2 4 5 3 3 a3：8 9 8 7 5 6 7 6 a4：9 8 8 7 12 13 12 11 思考:其他的例子?,3.单因素重复测量实验设计,（1）单因素重复测量实验设计的基本特点：适用条件：研究中有一个自变量，自变量有两个或多于两个水平；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影响（如学习、记忆效应）。基本方法：实验中每个被试接受所有的处理水平。误差控制：兼作组法（重复测量法）。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，以最大限度控制由被试的个体差异带来的变异。但在这种设计的实验中，要注意控制

20、顺序效应。变异来源：自变量的处理效应；被试间个体差异的效应；随机误差变异。优点：能全面控制被试变量对实验结果的影响；只需较少被试即可。（2）数据处理方法（SPSS统计软件）：包含的统计变量：实验自变量A的各个处理水平：A1，A2，A3AP实施的统计过程：analyzeGeneral Linear ModelRepeated Measures 预期的统计结果：自变量A的主效应是否显著；不能做多重检验，但可以做两两相关t 检验。（3）应用举例,单因素重复测量实验设计应用举例,研究题目：文章的生字密度对学生阅读理解的影响。实验设计：为了更好地控制被试的个体差异对实验结果的影响，本实验采用单因素重复测

21、量实验设计。实验变量：自变量生字密度，含有4个水平（5：1、10：1、15：1、20：1）；因变量阅读测验的分数；被试及程序：研究者选取8名被试参加实验，每个被试阅读4篇生字密度不同的文章。为了克服疲劳效应、练习效应等顺序效应，应以拉丁方排序实施4种生字密度的文章。数据：s1 s2 s3 s4 s5 s6 s7 s8 a1：3 6 4 3 5 7 5 2 a2：4 6 4 2 4 5 3 3 a3：8 9 8 7 5 6 7 6 a4：9 8 8 7 12 13 12 11,（二）两因素实验设计,1.两因素完全随机实验设计（1）两因素完全随机实验设计的基本特点：适用条件：研究中有两个自变量，每

22、个自变量有两个或多于两个水平；如果一个自变量有P 个水平，另一个自变量有q个水平，则实验中有pq个处理的结合，即具体的实验条件。基本方法：把被试随机分配给各个实验处理的结合，每个被试只接受一个实验处理的结合。（注意：处理的结合而不是处理水平）误差控制：与单因素完全随机设计相同。实验设计模型：Yij=+j+k+()jk+i(jk)(i=1,2,.,n;j=1,2,.,p;k=1,2,q)j表示A因素水平j的处理效应；k 表示B因素水平k的处理效应；()jk 表示水平j 与水平k的交互作用；i(j)表示误差变异。即：总变异由四部分组成：自变量A引起的变异；自变量B引起的变异；AB交互作用的引起的变

23、异；误差引起的变异（i(j)）。,两因素完全随机实验设计的应用举例,研究题目：文章的生字密度与主题熟悉性对学生阅读理解的影响研究假设：当文章的主题熟悉性不同时，生字密度对阅读理解有不同的影响。实验变量：自变量A主题熟悉性，含有2个水平（熟悉的，不熟悉的）；自变量B生字密度，含有3个水平（5：1、10：1、20：1）；因变量阅读测验的分数。实验设计：两因素完全随机实验设计被 试：24人实验程序：首先将自变A与B的水平结合成23即6个实验处理；然后把选取的被试分成6组，每组4人，分别接受一种实验处理水平的结合。如：有关春游的生字较少的文章，中等的文章和较多的文章；有关激光技术的生字较少，中等和较多

24、的文章。模拟数据：a1b1 a1b2 a1b3 a2b1 a2b2 a2b3 3 4 5 4 8 12 6 6 7 5 9 13 4 4 5 3 8 12 3 2 2 3 7 11思考:其他两因素完全随机设计举例?,(4)交互作用的含义及检验思路,交互作用的含义：当一个因素的水平在另一个因素的不同水平上变化趋势不同时，则这两个因素之间存在交互作用。,交互作用检验思路：（1）分析两因素之间的交互作用是否显著?发现交互作用显著之后，不能停止不前，而应该进一步揭示交互作用的实质；（2）用图解法定性分析一个因素的水平在另一因素不同水平上的变化趋势；了解在什么种情况下因变量指标发生递增、递减变化，或保持

25、不变。（3）进行简单效应检验。分析图解中每一条线所代表的变化趋势是否显著。（4）结合实验目的，对每条线所代表的心理学含义做出详细解释。,交互作用的具体检验方法：图解法：首先计算出每个处理水平结合上所得到的平均数，然后以平均数作图。优点：简单、直观。缺点：主观、缺乏统计依据。思考:如果两个因素交互作用显著,那么有哪些可能的图解?如果不显著,又有哪些可能的图解?简单效应检验法：是指分别检验一个因素在另一个因素的每一个水平上的处理效应，以便具体确定它的处理效应在另一个因素的哪个或哪些水平上是显著的，那些是不显著的。在实际研究中，以上两种方法结合使用，才能从质和量上把握交互作用的含义。SPSS for

26、 Windows下的简单效应检验程序：MANOVA 因变量Y BY 因素A（1，p）因素B（1，q）/DESIGN=B WITHIN A(1)B WITHIN A(2).MANOVA 因变量Y BY 因素A（1，p）因素B（1，q）/DESIGN=A WITHIN B(1)A WITHIN B(2).,交互作用分析实例（1）注意在空间记忆中的作用,无需注意转移条件,需注意转移条件,颜色辨别任务需注意转移和无需注意条件下的刺激流程,交互作用分析实例（2）赌博成瘾者的情绪stroop效应,赌博成瘾者对不同三类词颜色命名的反应时（McCusker等，1997）,思 考:（1）A、B的主效应都显著，二

27、者是否可能存在交互作用？（2）A的主效应显著，B的主效应不显著，二者是否可能存在交互作用？（3）A、B的主效应都不显著，二者是否可能存在交互作用？（4）如果上述情况存在交互作用，那么可能的交互作用模式有哪些？注意：在研究报告撰写时，如果两个变量之间的交互作用显著，那么只需对交互作用的含义做出详细解释，而对主效应的含义不必解释。,生活中的交互作用现象举例 因材施教、众口难调、情人眼里出西施、冠军是不能选择的心理学研究中的交互作用现象举例 能力倾向研究,2.两因素混合实验设计,一个既包含非重复测量的因素（被试间因素），又包含重复测量因素（被试内因素）的实验设计，叫做混合实验设计。是现代心理与教育研

28、究中应用最广泛的一种设计。（1）两因素混合实验设计的基本特点：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；其中一个自变量是被试内的，即每个被试要接受他的所有水平的处理，另一个自变量是被试间的，即每个被试只接受一个水平的处理（从记忆效果和处理数过多考虑），或者它本身是一个被试变量，是每个被试独特具有，不可能同时兼备的；研究者更感兴趣于被试内因素的处理效应以及两个因素的交互作用。基本方法：首先确定研究中的被试内变量和被试间变量，将被试随机分配给被试间变量的各个水平，然后使每个被试接受与被试间变量的某一水平结合的被试内变量的所有水平。（被试分配模式见表）误差控制：随机化法与重复测量法。

29、优点：被试内因素的方差分析精度高，适用范围广,实验设计模型：Yij=+j+k+()jk+i(j)+i(j)+i(jk)(i=1,2,.,n;j=1,2,.,p;k=1,2,q)j表示A因素水平j的处理效应；k 表示B因素水平k的处理效应；()jk 表示水平j 与水平k的交互作用；i(j)表示 嵌套在j 水平内的被试i 的效应；i(j)表示嵌套在k 水平和被试i 的交互作用中的残差；i(j)表示误差变异。（2）数据处理方法（SPSS统计软件）：统计变量：实验的自变量A、B1，B2，B3。预期结果：自变量A、B的主效应分别是否显著，AB的交互作用是否显著，若交互作用显著，需进行简单效应检验。统计过

30、程：analyzeGeneral Linear ModelRepeated measures（3）应用举例,两因素混合设计应用举例,研究题目：文章的生字密度与主题熟悉性对学生阅读理解的影响实验设计：为了重点考察生字密度对阅读理解的影响，本实验采用23两因素混合实验设计。其中主题熟悉性为被试间变量，含有2个水平（熟悉的，不熟悉的）；生字密度为被试内变量，含有3个水平（5：1、10：1、20：1）；因变量阅读测验的分数。被 试：8人实验程序：把八名学生随机分成两组，一组学生每人阅读一篇三篇生字密度不同的、主题熟悉的文章；另一组学生每人阅读三篇生字密度不同的、主题不熟悉的文章。实验实施时，阅读三篇文

31、章分三次进行，用拉丁方平衡学生阅读文章的先后顺序。模拟数据：见右表。,其他更常见的研究情境：探讨男女生，学优生、学困生，理科生、文科生等不同群体阅读能力的差异时，也可以运用类似的设计的数据模式。,两因素混合设计的简单效应检验程序MANOVA ratio1 ratio2 ratio3 BY topic(1,2)/WSFACTORS=ratio(3)/WSDESIGN=ratio/DESIGN=MWITHIN topic(1)MWITHIN topic(2).MANOVA ratio1 ratio2 ratio3 BY topic(1,2)/WSFACTORS=ratio(3)/WSDESIGN=

32、MWITHIN ratio(1)MWITHIN ratio(2)MWITHIN ratio(3)/DESIGN=topic.,3.两因素重复测量实验设计（两因素被试内设计）,（1）两因素重复测量实验设计的基本特点：适用条件：研究中有两个自变量，每个自变量有两个或多于两个水平；如果一个自变量有P 个水平，另一个自变量有q个水平，则实验中有pq个处理的结合，即具体的实验条件。研究中的两个自变量都是被试内变量。基本方法：每个被试都接受所有的实验处理的结合。实验刺激呈现给被试的先后顺序是随机的，或按拉丁方排序的。误差控制：重复测量法。实验设计模型：Yij=+i+j+()ij+k+()j k+()jk+

33、()jjk+ijk(i=1,2,.,n;j=1,2,.,p;k=1,2,q)i表示由被试 i 引起的变异，即被试间变异；()jk 表示水平j 与水平k的交互作用；()ij 表示j和被试 i 的交互作用的残差；()j k表示k和被试 i 的交互作用的残差；i(j)表示误差变异。,两因素重复测量实验设计应用举例,研究题目：文章的生字密度与主题熟悉性对学生阅读理解的影响实验设计：为了全面控制被试的个体差异，考虑到处理之间无显著学习效果，实验处理水平结合的数量不多，本实验采用23两因素的重复测量设计。所以两个自变量均为被试内变量。其中主题熟悉性有2个水平（熟悉的，不熟悉的）；生字密度含有3个水平（5：

34、1、10：1、20：1）；因变量阅读测验的分数。被 试：4人实验程序：把两个自变量的水平结合成6种实验处理，即6种文章。每个被试阅读6篇文章，其中3篇生字密度不同，主题熟悉，3篇生字密度不同，主题不熟悉。为了克服疲劳和顺序效应，实验分6次进行，每个被试每次阅读一篇文章，用拉丁方平衡学生阅读文章的先后顺序。模拟数据：a1b1 a1b2 a1b3 a2b1 a2b2 a2b3 3 4 5 4 8 12 6 6 7 5 9 13 4 4 5 3 8 12 3 2 2 3 7 11,两因素被试内设计的简单效应检验程序,MANOVA A1B1 A1B2 A1B3 A2B1 A2B2 A2B3/WSFAC

35、TORS=A（2）B（3）/WSDESIGN=B WITHIN A（1）B WITHIN A（2）.MANOVA A1B1 A1B2 A1B3 A2B1 A2B2 A2B3/WSFACTORS=A（2）B（3）/WSDESIGN=A WITHIN B（1）A WITHIN B（2）A WITHIN B（3）.,（三）三因素实验设计,多因素实验能使研究结果更加真实，更接近现实，从而更有价值。1.三因素完全随机实验设计（1）三因素完全随机实验设计的基本特点：适用条件：研究中有三个自变量；如果一个自变量有P 个水平，另一个自变量有q个水平，第三个有r个水平，则实验中有pq r 个处理水平的结合。基本

36、方法：把被试随机分配给各个实验处理的结合，每个被试只接受一个实验处理的结合。误差控制：与单因素、两因素完全随机设计相同。实验设计模型：Yij=+j+k+l+()jk+()jl+()kl+()jkl+i(jk)(i=1,2,.,n;j=1,2,.,p;k=1,2,q；l=1,2,r)j、k、l分别为自变量A、B、C处理效应；()jk为AB的两次交互作用；()jl 为AC的两次交互作用；()kl 为BC的两次交互作用；()jkl 为ABC三因素的三次交互作用；i(jk)为误差变异。,（2）数据处理方法（SPSS统计软件）：统计变量：实验的自变量A、B，C，实验的因变量Y。预期结果：自变量A、B、C

37、的主效应分别是否显著，AB，A C，B C、A B C的交互作用是否显著，并对交互作用进行简单效应和简单简单效应检验。统计过程：analyzeGeneral Linear ModelUnivariate（3）应用举例及延伸 该设计思想及数据处理方法可更广泛地用于问卷、测验等调查研究。,三因素完全随机实验设计的应用举例,研究目的：同时探讨文章的生字密度、文章类型以及文章句子的长度对学生阅读理解的影响，以更深入研究影响阅读理解的因素。实验设计：采用2 2 2完全随机实验设计。自变量A生字密度，含有2个水平（5：1、20：1）；自变量B文章类型，含有2个水平（说明文，记叙文）；自变量C句子的平均长度

38、，也有两个水平（平均句长20个词，平均句长30个词）；因变量阅读测验的分数。被 试：32人实验程序：首先将自变A、B、C的水平结合成22 2即8个实验处理；然后把选取的被试分成8组，每组4人，分别接受一种实验处理水平的结合。如：生字较少的，句子较短的说明文；生字较多的，句子较长的记叙文等。模拟数据：,(4)三因素实验设计交互作用的检验,1.两次交互作用和简单效应检验 当考察三因素实验中两个因素之间的交互作用时，应该忽略该两次交互作用中未涉及的一个因素，而仅考察两个因素的数据。具体方法与两因素设计实验相同，即先作交互作用图解，然后进行简单效应检验。2.三次交互作用及检验（1）含义：表现为一个因素

39、在另外两个因素水平的结合上的处理效应，或者表现为一个因素的各个水平上，两外两个因素的交互作用。,ABC交互作用图解（II）,ABC交互作用图解（2）,（2）简单简单效应检验 简单简单效应是指一个因素在两外两个因素水平的结合上的处理效应。如图（I）。检验方法:(i)可通过条件筛选结合单因素方差分析进行显著性检验。如：当条件设为A=1&C=1时，通过单因素方差分析可检验B因素在A1C1结合上的简单简单效应。(ii)简单简单效应的检验程序：MANOVA 因变量Y BY 自变量A(1,2)B(1,2)C(1,2)/DESIGN=B WITHIN A(1)WITHIN C(1)B WITHIN A(1)

40、WITHIN C(2)B WITHIN A(2)WITHIN C(1)B WITHIN A(2)WITHIN C(2).（3）简单交互作用检验 简单交互作用是指在一个因素的各个水平上，另外两个因素的交互作用。如图解（II）所示。可通过条件筛选结合两因素的方差分析检验其显著性。如：当条件设为B=1时，通过BC的两因素方差分析，可检验在B1水平上，BC两因素的简单交互作用；当条件设为B=2时，通过BC的两因素方差分析，可检验在B2水平上，BC两因素的简单交互作用。,2.三因素混合设计三因素混合设计具体包括两种情况：（1）重复测量一个因素的三因素实验设计；（2）重复测量两个因素的三因素实验设计。二者

41、的区别在被试内因素的数量。注意：不同设计的数据模式。3.三因素被试内实验设计 三个自变量都是被试内因素的设计。,三因素被试内设计举例注意警觉、注意定向和注意控制的交互关系（Brain and Cognition,2004,54,225227）,三个因素的主效应均显著：警戒条件、有效线索化条件和一致条件下的反应时更快。警戒与一致性的交互作用显著：在有警戒声音时，比无警戒声音时出现了更大的一致性效应。线索化和一致性的交互作用也显著：在无效线索化时，比有效线索化和无线索时出现了更大的一致性效应。警戒和线索的交互作用也显著：有警戒时的线索化效应大于无警戒时的线索化效应。,(四)含有协变量的实验设计,1

42、.协变量 协变量是指无法事先通过实验设计进行直接控制的，与自变量无关，但又影响实验结果的连续变量（数量因子）。协变量有三种存在情况：（1）事先知道，但无法控制；（2）事先不了解，只有经事后检验才知道；（3）事先根本不存在，只在实验进行过程中产生。例：教法实验中的智力、复习时间、学习成绩因素；中、美被试视优效应研究中的听力测验正确率；独生与非独生儿童认知能力研究中的父亲文化水平因素；生物学上，饲料对猪催肥效果研究中的初始重量；医学上，不同州妇女血清中胆固醇浓度研究中的年龄因素。2.协方差分析（1）协方差分析的的基本思想：根据因变量对协变量的回归系数从因变量中扣除受协变量影响的部分，从而正确分析自

43、变量对因变量的影响。因此，协方差分析是建立在方差分析和回归分析基础上的一种统计分析方法。方差分析所研究的问题是考察一个或几个因子的不同水平对实验指标的影响，即从质量因子的角度探讨各水平的不同效果。一般来说，是可控的。回归分析所研究的问题是考察实验指标与一个或几个因子见是否存在线性或非线性关系，并试图建立两者的数量关系式，即从数量因子的角度去研究问题。但数量因子有时是不能人为加以控制的。这种不能加以控制的数量因子就是协变量。,（2）协方差分析的基本过程,对因变量与协变量各自的平方和以及它们的总积差和进行分解。计算回归线的斜率并进行调整后检验。具体包含以下步骤：计算每条回归线的斜率（自变量有几个水

44、平，就有几条回归线）；计算共同回归线的斜率；回归系数的同质性检验（只有当F不显著时，才能进一步做协方差分析；若显著说明协变量与自变量有关，需采用“詹森-内曼奋法”分析）；调整后处理均方的显著性检验；调整后处理平均数之间的比较检验。（3）协方差分析的计算机处理步骤（SPSS）回归斜率同质性检验：UnivariateModel(Custom:自变量a,协变量x,及a*x)OK。在输出结果中观察自变量与协变量的交互作用是否显著，若F0.05，则进一步进行协方差分析。实施协方差分析：UnivariateModel(Full factorial)Option(选择自变量进入Display for mea

45、ns，并点击Compare main effect,Descriptive statistics,Estimated effect size,Observed power,Homogeity tests,Parameter Estimates等选项)OK。观察结果中自变量的主效应、回归系数、实际平均数与调整后平均数的差别、以及调整后平均数多重检验的结果。整理统计结果：从结果文件中，选取同质性检验，自变量处理效应，事后多重比较结果等内容。3.含有协变量的实验设计及应用举例 不是一种独立的设计类型。它可以与各种单因素与多因素实验设计相结合，也可以与准实验设计相结合（更必要）。常用的有：独立组单因素

46、单协变量设计，单因素双协变量设计，两因素单协变量设计，两因素双协变量设计等。,含有协变量的实验设计应用举例,研究题目：三种不同学习策略训练效果的研究研究设计：完全随机的单因素单协变量实验设计。自变量为学习策略类型，有三个水平：复述策略，组织策略和精加工策略。因变量为记忆成绩。协变量为被试的学习态度，以一般态度测验结果为指标。研究被试：24人实验程序：在训练开始之前，对全体被试实施一般态度测验，记录其测验分数。然后把被试随机分成三组，每组接受一种策略训练。训练持续一个月后进行训练效果测验。模拟数据：A1 z1 15 13 11 12 12 16 14 17 y1 85 83 65 76 80 9

47、1 84 90 A2 z2 17 16 18 18 21 22 19 18 y2 97 90 100 95 103 106 99 94 A3 z3 22 24 20 23 25 27 30 32 y3 89 91 83 95 100 102 105 110,（五）基于项目的方差分析,1.实验单位 问题：一个实验中为什么需要多个被试，同一条件需要多个刺激？实验单位就是指实验研究中的对象，通常就是指实验中的被试。是实验中不可或缺的因素。作用：取样单位、测量单位、统计分析单位。（1）以被试作为实验单位 被试是指符合特定研究总体特征的个体，也叫样本的个案（case）。（2）以项目作为实验单位：前提：项

48、目必须是随机取样的 把每一个实验材料或刺激作为实验单位，如每个单词或图形。实验材料也可以作为实验的取样单位、测量单位和统计分析单位。以被试为统计单位得到的平均数和标准差反映了一组被试在某一实验处理上的集中趋势和离中趋势；把项目作为统计单位，计算所得到的平均数和标准差则反映了一组项目在某一实验处理上的集中趋势和离中趋势。,例 4名被试在同一处理水平(如高频)5个单词上的反应时，可得到20个观测值。word1 word2 word3 word4 word5 Subject1 423 456 398 418 452 Subject2 386 457 407 434 425 Subject3 432

49、419 416 387 440 Subject4 435 418 384 468 424 若基于被试，则将每个被试在5项目上的RT求平均，得到4个平均数 若基于项目，则将4个被试在每个项目上的数据平均，得到5个平均数前4个平均数反映了被试的个体差异；后5个平均数反映项目间的个体差异,2.基于项目的实验设计 实验设计是指对实验单位进行抽样并把它分配到不同实验处理的过程或模式。同一个研究既是基于被试的设计，又是基于项目的设计。基于项目的实验设计是对项目进行分组，实验处理针对的是同一组或不同组的项目。也可分为组间设计和组内设计，即项目间设计和项目内设计。每一个自变量水平或处理的结合形成一个项目组。这

50、两种设计的方差分析也不同。例：8名被试对高频和低频各5个单词做命名反应，考察词频对命名速度的影响 基于被试的设计：被试内设计 基于项目的设计：判断依据是两组刺激如何选定。若通过匹配法选定，则属于项目内设计；若刺激材料是随机选择，则属于项目间设计。,3.基于项目的方差分析 基于项目的方差分析在具体计算方法与基于被试的方差分析相似。关键在于统计分析单元不同。后者是被试，而前者是实验材料，即项目。现在很多研究中开始同时报告这两种方差分析的结果。先做常规的方差分析（基于被试），再做基于项目的方差分析。如：F1（2，28）=8.02,P0.01;F2（2,32）=7.35,P0.01基于项目方差分析的步