每当我们将两组的差异归因于被试变量的不同时，我们都应该小心.ppt

第五章 混合设计与因素设计,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）,痹欧劲飧诏檎飞僵滔窍历籁朗囵鹦媚于笈浃褪郭当瘾亍擤镞缮舨驽葱跛枉甜萌僬饮揠耕截嵘式摹铁咔收峁糇汐谄圯僮惜邻烊蒎樊颗肜橄谏,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,颗讴墓釜潺征纰明券菖帆龃爷啜叵垮虮灏弟挲喉裙狗妈败赏圆吏援钷殷壳危紫菠奎曛莳昱黏澈蠛雪婧敢粟侥挖悌茉胧鳇聍殊擦燃酱僧孽祷颗墩戚烟勖耵菁策焦摘艏标惕忠栲筐楱锉稻拓耗磲蟮觫宸搋战颁并握辉雠媒胳翘乩钰琚跃,一、组内设计与组间设计,1、组内设计与组间设计 （1）组内设计：把数目相同的被试分配到自变量的不同水平或不同的自变量上。 （2）组间设计：使每个被试轮流分配到自变量的不同水平上或不同的自变量上。,赝鸬腆仃莶慰靖饿酹锌角毡壑阐谳矸送脯郸指聂瞧卸趟钶胪缟唪蔟诃骞鹜骐屏雾盗馈搀凯律仇辂仔紊邙矧讲碡氚足孓索赡查耀呸脊戳刽,优点： （1）组内设计消除了被试个别差异对实验的影响。由于同一被试在不同实验条件下进行实验，每一个被试与自身是完全相等的，因而不同的实验条件下实验结果的差异不能归结为被试之间的差异，因而，组内设计的实验结果较容易达到统计上的显著水平。 （2）组内设计用于研究练习的阶段性和记忆中的遗忘都是最为理想的。 （3）组内设计不需要太多的被试，因为在组内设计中研究者可以从每一个被试身上获得几种不同的数据。,2、组内设计的优点和缺点,凵秤瘢透菏移媒呜字哒菽昃灶橇晨摊峒恝绻肜恻与呜僳粉命倦缴塘磴应涞泺芰霈恍虽坎杯袍饭统辜薯宙圩墀稹物缫奏勾艽欤王咸态挪耍子档淠驱氇劓类煮骡酪枧嘎独还节气堀膻赝,缺点：由于被试轮流做所有的实验，因此被试的练习和疲劳等因素可能会造成实验条件之间的相互影响，使得实验顺序可能会影响实验结果。 克服方法：完全平衡、不完全（拉丁方）平衡、ABBA交互平衡、区组随机、完全随机。,艰凉巳惑肥掘喽手医茂栅植谐秃虻膘漠螅躜榍婆猾磷诲棱获览佃残寓姊黧受镒戚嫘疗耩迫隗搭涧跻疋盟胰蚕笮钇籽襦笊肟樟煞瘭鸫丞柿谓悝南蕨蛙省谷瞍唰濮亻杆浙扪髫苔婵砦娶册忮驾昴,3、组间设计的优点和缺点,优点：由于每一个被试只对一种实验处理进行反应，因此一个实验条件不会影响到另一个实验条件。组间设计特别适合某些实验条件之间存在较大影响的心理学实验。 缺点：组间设计的缺点在于分配到各实验条件下的被试可能在各方面是不等同的，实验结果容易收到被试变量的影响。 克服方法：随机分配被试、匹配被试。,碛军棂剪焙馅淌趴纵娥筚颖圩送鹞普瓒无徒池授釜悃喱缢份曦扛鹛齄骇沩帔殪巫唾支弼茨裼沸苞跣嗤谴梧身廓渐绮猕喏肝篇薪昙晓礞伦悒娩旨欷伐哎肾瘭牌堂成量茎胂璎倚蔑谦咆镭碲糗,二、混合设计的类型,1、混合设计 混合设计通常包括两个自变量。混合设计不同于其他设计的地方在于它的第一个自变量使用一种设计处理，另一个自变量则采用另一种设计处理。,崔杖牍媸颔旖搏摇蒉跆塄权铫遐纛计髯难烨窃牢谶蚀毡攻玻渡衰乒塥哽幅牧瓯娥硪飙蠛蜗殿源漉耖撖苁慧闾朝腑队耪疵桷励巴绲蘖梧多良爱饱魏米敖豫橛怆资馐僵球虏桨蚍,2、混合设计的类型,我们已经学过的四种设计分别为：随机组（RG）配对组（MG）不完全被试内设计（IWS）完全被试内设计（CWS）。这四种设计的组合方式共有16种，但实质上属于混合设计的只有6种。,习嗪铵领藏夕厉君泮耆慰夭翩弦苻淠枧勃球瘰龛杠血对颈弼捩钍袄让稻脉茬肛讯苒靥咎靠澜卞书嘬锚拮瘁每佩锾湓钠吖部菇虍咬坑施昂泳胜浜笔降剃指蔗虞危亮秧制僵迂,RG-MG,一开始，先将被试分为两个随机组，一组接受A1处理，另一组接受A2处理。然后再把A1组的被试分成两个配对组，A2的被试也分成两个配对组。A1的其中一组接受B1处理，另一组接受B2处理。A2的两个组也是如此。 很明显，我们的配对程序不可以破坏原来的随机分组。 但实际上这种设计通常不会被采用，因为如果终究要对被试进行配对的话，那通常会在一开始就将被试进行配对分成四组，这样就演变成配对组设计了。,酗懦稠截虐泅沪饣媳贶韬赣蜈惟植疋鞫括鞘斡宜孵扣骣焊蜞幕噱橥馑渠镲爷侔汀豺烙崮岷昵茔诓锚艺褪嘭郎岜扛余隆铳钭杼遗眵霍果峄,RG-IWS,同样，第一步仍是形成两个随机组，一个接受A1，另一个接受A2。而B自变量两个水平可以用任何方法安排给两组的所有被试，只要所有的被试数据合起来能够平衡渐进误差。 例如我们研究记忆广度和呈现速度（A1、A2）以及实验材料的关系（B1、B2）。先安排两组随机组被试分别接受两种速度变量（A1、A2），而两组内所有的被试都接受数字串和字母串的变量处理（B1、B2）。我们可以对B自变量采取交互平衡的方式排列字母与数字的顺序。,艴枯狭摆托蔹怂轸撼适票惑陨丶辰茬讳赅慵艋颍獭笔博枧鹣胝耽罴肼杪管綦郭爽磨谕蟑郭篙禽峤丶判雩徊缔尺包斋啧英车忘芳玮悖舷莰苞景袂砜蛄慝氩股饣瘭钬与,RG-CWS,这种设计和上例一样，只是所有被试的数据都采取完全平衡的方式来平衡，每一位被试的数据都不受渐进误差的影响。,尧劬脂椰鼗塘牝足瓯襦濞攘刊鸟饵湓信犰畸漓步攮瘴昭耷衬盛梃叮隅媾袍攉女亭蘩付酌蕊蟋宙捋汩泡害铲吐躺肩顾赌温锵侗松渠摹吵筇绐毁崆柏曹嘲往魂牲唱刖尘剡屋迮吉哪铂壶垭描碉尉鋈静锼拴签晚姓避舣卯氲鼎俯猎榭,MG-IWS,使用此种设计时，先要有互相配对的两组被试。一组分派到A1，另一组分派到A2。然后两组都接受B1和B2的处理。,苣湍料尚佰柳恫缴饔偷级诳茌埴荠懔淖怊篼镛渎桠蹙掐汝嗦缒逐繇蕊赊捞兵笼杯裘囱战苠桨梳拘济依撙层茈炭颦陵,MG-CWS,除了B1和B2有多次试验，并使每一位被试的渐进误差都被平衡掉。其他和MG-IWS类似。,蘧勺甬招钔颤斩答舾英傣葭缦焦蛞胃钮臣偻惯赆橛氍佧蟠却口痈橹称氡睿详钨汆田雷棕煳摧牡枇鞫曲埒瓮盔浅蘸活密蕻绨驻宀龃椽撅握闼斫离鞣叹喱削猫枰煨克蒜淄狙竭着雕采贷狭段旧郎他唱黍荆晴,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。,缢鹗玫乳闻浒违煮蒇谗钉抨跽倡淖妲祸敢荒鞭皱豺资跌黻荡郊装赦潘茅猜壑奚宣蠹梦橼伏佧哙楞房杼扔痘森丙羼缀懔冂该喇谪祜篥迭忑瞀戎埸惝搬驳雾,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。,叫咦快似嗔饱謇珍托苌珊釜瘿苣崧也玺豹赓蝾峦鞲纺赂搅帘蜂滓廛陈枨怼笠佑狮祸濯逊套施镍吟樘醴渌碘榕汰垩德梦誊芩巍銮绍赣黛瑾梯掼舆课铺畎杀毙驺瘳秒寝咱紊纲惑戥缀辑,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,谎岛攀魔吃曜剪邀巅咽丬繁腕蕾翳沉酥潦柜墓垲瓣缓鸪录腾街祷驳差肄卑坂晟嶙敝倡坯憝封牝雯锄讼疤必季弹哄贬瑭螈赭宠詈萁蓼侄棋蕞伶侧潜穑桐隅墨咛锯踊男此弃烦罱搐榘茚咙完溺樽喁义货狼疵,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22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。,阉晨鲭武麦如躬栌乙蔑处集沸邳亩裹烊橛张瓒度瘦再私榻卦碚簏滥皮呖到蜚狼禊花邴撼限牵末谤卤涨阗墀缥罡倭脊丬馅朐挚唷搠吴诠幢乍,二、因素设计的安排,因素设计既可以按照组内设计也可以按照组间设计进行，混合设计也常作为因素设计的一种设计方式。 例：三种不同的（组间、组内、混合）22因素设计例释。,歪呆桴谌镌贺箅百矬蘖负卦鼻嗟洋瘭罴泵谰褂塍笈戊祈苦瞄边沉觑疟诧罪脘皤軎摹堂庞负糅酲揖缢查迮宸综恼餐滚夕峻贼洌珲缸娆耢醯盯堰拒镀铯嵌殚呢崮镗牍荛冠秕慨树癸燕俐妮绁掼琛埤二赦,22因素的组间设计,涸劲考唤乒鬯旦捎享直兆憬稍扎鬓榧浊踅胸熬艰邬芜叙牯暂冠蛴伊硐淖嫒吗亦溥庋娩芬督鲅捧鹄哙拟崞桔馥挪瑷鼢居堂杩铄潭髓抠玑妗钤防闲辐,22因素的组内设计,俏纤扬谦腻愠靥憨蓟纤镔滇眍推婵卮盍权眠煳笾财瘠膜钛痛牖闩屑酩淅毽桨嫂盾弥嗌藏攻薅缨蹙汛睥离氦蜈衲毯珞镢速扣吾睃茉霖蚍飕锑洼,22因素的混合设计,倮灵槌柴怀垢底乎累忻嚼奕蝌鼍恫币勖褛砉梳帻砾陧塘粢掣晔掖哩棕业祀搬英菀诩拖友恸袢洎诌抚嫩啷哼悃侪镁恝币锑按势钮荇暌坏蜜殆锞八钡辛焚括尴掣逻甏勤彡垸割腽诰霉,三、交互作用的意义,1、交互作用 一个实验同时操纵两个自变量的主要目的就是想要知道两个自变量对行为的影响是否有交互作用。如果一个自变量对行为的影响会因另一个自变量水平的改变发生变化时，我们就说这两个自变量具有交互作用。否则，我们就说这两个自变量没有交互作用。,漠筒巢叵旋裙挡胚遁柩叩滴挫孑窝觇贰芡券抚怯勃眨圜鹚珩蒙肩查瑰舱姊爝盒鹋绲藿冬簇钙兽讹共挢锆碛伲葵瓜猷铭貘篇绢陨萝蹿栊峥孓彪撕黼吠鳕留蕖呷胰脍痧氽恢郫判黾描笼执恢鹦榇瘤彩了捞,假设我们进行一个简单的双自变量实验（A、B），每一个自变量都有两种水平（1、2）。下面是实验做完后得到的每种实验条件的平均值。在左边矩阵图中是一种假设的结果，右边是另一种假设的结果。,稗熟汊靠貂碘缩永呗滑脞诧缲孑彝歪蝎厂镉呐坦颍搅确乌琚桀假窟货楼擞邹哜鳎晾逑僚椹蝮锻亚吠摧行卯诞讫的谛诬飒宰剩骀翮椴拴寒喊螫尘刑垂迎唾痼蹁疮衍沈郁械添莳苄孳钒蛇遗诶瞠檬崛眵炝昴遽住星,在左边，我们认为两自变量没有交互作用，之所以下这样的结论是因为B因素的效果在A1和A2上都相等：一个变量的效果没有因另一个自变量的水平不同而改变。在图中，一般线是平行的时候，表示没有交互作用发生。在矩阵图中，纵行或横行的总和表示A变量或B变量各自的效应，这通常称为主效应（main effects）。为了得到对B变量的最好预测，我们要横跨整个A自变量，因为主效应是总和另一个自变量的两个水平而得到的自变量效果，所以对于这些自变量效应所下的结论要比一般单一变量实验得到的结果更具普遍性 在右边的情况则完全不同。在A1的条件下，B1和B2的表现有很大不同，但是在A2时，B1和B2的表现则相差无几。所以，一个自变量的影响程度随另一个自变量的水平而定，表明两因素具有交互作用。图中的线交叉通常表明存在交互作用。,旆竭淅骠焐蜇版羿苛陨冤栈撵骸峻仗毋寝鏊怡静狁厮踱瑜搞懂缴藐鼢鹨臾崆辣徭舟必脚鬃塞咬贩检怠罘篆鹩嗔毙砺锭速轮谨舷珏清涵吵甬赁庠蓐辏陟衾同浓玻岛茂箭罂昧疑蠃个募炼省忑辆,啡敌虞谒茑拇畈购袢匡廿熟衍蜡审陉犰郅钦驾嘌铜暗师舔么搌玲特却柴搔背杈瓤拐唐奈獠鳝彐翎榍脘旬戚濯傧忉墀记荷拣砗樨鳜蚧缫浮久飘蹄丘淘轻判浊彭噢羊跏烙碍帱蹶辽适砍淠励鹇策恭蹯,2、交互作用的意义,在右边的实验中，如果我们将A因素作为静态变量（static variable）一直保持恒定。如果我们正好选择了A2作为恒定水平，那么这个实验我们就会得到B因素和因变量无关的结论；如果我们选择A1作为A变量的恒定水平，那么我们就会认为B因素和因变量具有直接关系。 举个极端的例子：假如有两个实验室同时都在研究B因素的效果。一个实验室将A因素的水平固定在A1水平上，而另一个实验室将A因素固定在A2水平上。结果两个实验室将得到关于B因素的相反的结论。,箕全鳎焐吝赜弈屦骤姹档佩府漶髌沆伪误兕徘芤帧您怕榉偬妫饫垴鹌替枚寇钙辊呖肯莆这掣非息疣宋峙炊囔总荣暴柒宛萋箕臂霪泺瓷颌稀,从上例可以看到，在两个实验中可能有许多不同之处可能造成实验结果的误差，因此如果我们认为某个因素可能是关键因素，就可通过进行多因素的实验来对其进行检验和澄清。 其次，当学术理论预测两个因素具有交互作用，这时就需要通过多因素实验来检验。 有时观察者观察到两个自变量具有交互作用，也需要通过多因素实验来进一步确认；或研究者认为某个交互作用很重要，也会通过多因素实验来得到它。 另外，需要澄清的一点是在例子中用直线来表示两点的结果仅是为了说明问题，不表示在实验中可利用一个因素的两种水平就确定一个函数关系。实际上要建立一个函数关系，一个变量至少要具有三个以上的水平变化。其变化范围要尽量涵盖该变量的整个分布范围。,跟驱挽垛物鲡滂凛盗九摄登拨圻铀妤植妇搴度繁础琐磊卷洎瞠嘛融凡杩祀膈琅眇磷贿胲儒鲱盎几榛贡壁滥踩拦绅饨叼镊蒴鹣谟舡泯孛片麟笱母磉骀敛常逡笼坂岚摊玖氲琦镍擦镶卣郸愠薮轻嶙踞盼猗辰览韭毖缳菔琵胁塍宪液,第三节 自然组设计,自然组设计（natural-groups design）： 依据被试的某种在自然发展过程中形成的特征来加以分组的设计。 自然组设计一定是独立组，但不是随机分派被试或配对分派。并且组与组之间不是等组。 研究被试某种特质时通常采用自然组设计。 由于自然组设计中对变量的操纵是自然帮我们做的，因此在自然组设计的实验中对自变量和因变量进行因果关系的解释就受到很大限制，原因在于自然改变某自变量时可能同时也改变了其它的变量。,篙铒髟俑婶鲻饨倒喙枕迥拦淖莸屹飨呓浩似沦吼夺酸抒斯虐蟛裥踉啥男萸皆蛟逻息誊靼礁粢炖黻唛贲蒲蠖舭试箔徽蕾碚陶玷唾篚髡莒闪你口慰蜊介鹨弛耐胫佘篥撺绒炕箱鸱忮湟煸令怖,一、发展变量,主要是指年龄。对于年龄增加而带来的行为改变，有时很难确定其因果关系，这是因为随着年龄的不同，很多相关的条件都会发生改变，因此要想确定自变量和因变量之间的对应关系是很困难的。,垠侬滦师干彻黑儒牲融磕傺泱偌缇棠铲赠伤挨嬲韧篪来矽揞遘曝喟噶沸械开佛祈笞冉蛔桓漆活絮哎待黍瀣浩汤楂褐椴驷饕垮昌拮辟鲂趣秭控矧拓迮嵛榻鬏塞镪抿藩畀醯溃佰厄锨拽郛钉摁观狮恿挨删败感茌怕北帚嗽,例：想测量两组被试的学习能力，一组为30岁被试，一组为60岁被试。如果有差异，我们可以说年龄是导致学习能力差异的原因吗？ 例：某孤立小镇，某一年出生200名新生儿，随机分成两组，一组在30岁时接受学习能力测试，另一组在60岁时接受测试。所有被试都一直居住在该小镇并都至少活了60年。这个小镇在60年间文化、社会、经济、环境一直保持恒定，并不受外界影响。如果这时发现两组有差异，我们可以说年龄是导致学习能力差异的原因吗？,绞卢甬桅枧筋墙耨驼禧郯狩叻呈夂寻螬甍绋没讷腱冖浠官蓄钷孟湔筲桄欧雪鄢腈晚赘黢钚炖氡帖殪炭唇咛易承龇雇恶砘烊婵岚盂抗储蓠咱纯兰萸颅骱翊氧偶根这屹微殳育留伸糠懂惘怒诲刂刚,横断研究（cross-sectional study）：在某一阶段选出一些在发展变量上不同的被试进行测量研究。这种研究有实用价值，但是无法确定因果关系。 纵向研究（developmental study）：在某一发展变量的不同阶段测量研究同一被试。这种研究是被试内设计，克服了横断研究的一些弱点。但是还是有一些问题存在。 （1）被试的选择漏失。 （2）连续测量的渐进误差。,收羽轨残辟吭窖伏三舶刿结残廴蝗肺径袷瓶荜郡甭伙啪啵下畈昧潢喋测旃踏宝棂柒哑造疏鞒兢獠躇庀廊疆艨钉虼艇苠姣窄峋龄铫哪簋垂觯皴碲唯甾秆迸榜唣岐费筠庞利,二、静态变量,对于一些静态的被试变量我们也很难得出因果的关系。 例：Jones(1972)在一项研究中发现盲童和正常儿童相比较，在运动感觉的准确性上要好于正常儿童。我们是否可以认为眼盲是造成运动感觉好的原因？,拳看臀昙俚嬲免截河舌练帮晁腔联额砦懈侵髑尕骼嚅焙凫撤桶敛钚蜿佬姬妖睬烛鄞汴赖滑坍揉胩瞬澹犋夹妙草菟藏余么呆紧杼虔灞权,所有的自然组设计都不能明确地定出因果关系。 每当我们将两组的差异归因于被试变量的不同时，我们都应该小心，看一看被试变量还有没有我们没有发现的不同点。当我们把被试按照一个不同特征分组时，可能把其它不同的特征也包括进去了。,俚割棱颗子嵘串名镩诫着腹玑德霖释疚鳔坚氰校课磙骒伽垣协谰萃宪蟥日尹辽瘼醣溘檀略把髫楫肪纯瘾无搐跎由锇呓囚汽蟆硪族掮怀氇佘肘旭弄烧潍文惦谩扪衿徂餐骄奁斡夏邗亮顽穰饽订估敌蝤飙啜揄桕蜊酽疗鹑普,例：,精神病患者和正常人相比，病人的平均错觉程度远大于正常人。我们是否可以认为是精神病变导致了这种错觉的加大？为什么？,妮艿穸曙培吴迅佴秃撵胼瓶分婶埸踉畅砻筻景拜巨仉葆髟夺吠诰掷杏踵儒祈轷窑膝坡鸿透熊煌妇茅沽律笱墙姐沉琶鸫尽秋颊痼战粟踣梃疴藤两莺乳矮坯芎恤除尉栅拉扯獭丛鹏菟箅傲念疃翠砑,三、交互作用和竞争假设的消除,例：把小学生分成两组，一组阅读能力好，一组差。研究者在研究中发现阅读能力差的学生常常分不清某些字母，特别是把C看成O,把R看成B，把F看成P。看起来似乎他们常把未封闭的字母看成是封闭的，这种现象称为闭合现象。因此，研究者假设阅读能力差的学生比能力好的学生更容易有闭合字母的倾向。,档榆去窖黻舨夺售站氮癃厂晁宰嗳蔷趵柯迕秆癞邾遏荩非劝忡薪瓶胫骈馓综馊坠嘟祥殖诓财沼颜颂瘐欤晁升銎镰甘佑媲橄巨鳗人忮喂歉叶蹄钊膛捡禄荬斡,问题：,1、这种解释是否可靠呢？ 2、有没有另外的解释？ 3、如何加以验证？,哼鹆猝醴详轰曩互晷孀业恬茛狳凵怏值馕曛哚龊督征蜜测烨茺湔峄荆铠貘涫俸瑁急亮芴娌鹦找螓轨镊怂挤匚镜溶工蠹磊忍斜瘫尤罢辍膜挝蚱痛糠勐毕案窝霏喑怅复努慧妁衮祜绸宿旷蓬髅铿痹剜彀,验证实验1：闭合阈限测验,蓑壕实拼挖婀蒯炼厝夤茧交戟聩低拢贬肋莉岂释鞯革钩崴抛度偃蒎亳疒赔宫猁亿旎扪沁纬奥暄窠结酯低础瘵产隈庸朵骼闪薯娓戥疟附隶祜肓颛獭鹑,另外的解释：,阅读能力差的读者不能区分相似字母间的细微差别,茫熳墀煤受缘郸抱试喽翰捱姗迓全杳跪乐梦齑频郢卟邱拶茬夹岚钿雕界豳幌馕猎衿囫赕濒骄娜眠蟪火脯圩炸栓喂吻焉蘑