实验心理学.doc

郭秀艳编 华东师范大学出版社第一章 绪论 对实验心理学最具贡献的三个心理学家费希纳提出了心理物理法冯特首次指出用实验的方法来研究心理学，搭建了实验心理学的框架艾宾浩斯用实证法研究记忆等高级心理过程，铸造了实验心理学的雏形。科学方法的两个特征强调系统的经验观察能够自我校正。实验心理学的研究历程观察查阅文献实验研究形成理论深入研究实际应用理论校正深入研究的两种可能在新的情境下原先的理论仍然具有说服力，这种结果将加强理论的说服力发现原先的理论失去了预测力的情景，这将有助于人们理解理论的局限性。责任扩散(diffusion of responsibility)：当人们独立地从事工作时，工作责任非常明确地指向自己，因此个体理所当然地认为自己应当对所从事的工作负责。但在集体中工作时，工作责任没有明确地指向自己，因此人们不会认为工作责任应当由自己承担，而是倾向于将责任扩散到他人身上。社会促进(social facilitation)：个体在群体中的工作绩效会显著高于单独工作时的绩效。社会浪费和社会促进都反映了人类复杂的社会心理的一个侧面。实验心理学是否背离真实生活实验心理学的研究情境不可能也不必要与真实世界类似。心理学家所要研究的是行为的内在过程，只要能引发相同的内在过程，实验室的外部环境不必与真实的生活相同。实验室研究有其优势实验室情境比真实生活更可控实验室情境得出的结论更有说服力。实验心理学家不会直接将实验室结论无限地推广到真实的生活中去。实验室的研究结果一般会在真实的生活中加以验证，这一步彻底杜绝了实验心理学背离真实生活的危险。实验心理学的研究方法1观察法自然观察法对自然情境下的现象进行深入观察的一种方法。自然观察的结果描述了有机体的思想和行为，这是实验心理学研究中必要的第一步。自然观察法的特点提供描述性的资料。个案研究法深入地研究单个或少数几个被试的观察法。个案研究法的特点提供描述性的资料作出因果推测，但推测的范围非常有限。调查研究提供描述性的资料，不能明确地确定事物间的因果关系可以利用准确的取样技术，在作出因果推测时比个案研究更可靠可以为实验研究提供基本的理论框架。使用观察法时应注意两点研究者要明确观察的目标不要让观察活动本身对观察结果产生影响。解决方法无干扰观察(unobtrusive observation)，是指研究者为了避免被研究者由于知晓正在被观察，产生非自然状态下的行为而采取的一种无干扰观察技术。这个技术被广泛地应用在观察研究中。无干扰观察是直接测量（研究者和被试在同一时间处于同一地点），测的是行为无干扰测量(unobtrusive measure)，是间接测量（研究者和被试不处于同一地点），测的是行为的结果。观察法的优点：直接和描述性在心理学研究的早期阶段非常实用，可以为实验研究提供资料和课题。观察法的缺点：无法对各因素间的关系作出推论观察法所提供的资料并不充分观察法的描述性限制常常被忽略观察法本身不一定客观无偏。2相关研究法相关研究法的指标相关研究法是通过相关系数这一指标来描述变量间的关联程度的。相关系数的类型众多，其共同特性是变化范围从-1+1。相关系数的数字大小表示两个变量间相互关联的程度，数字越大、相关越高。符号则表示相互关联的方向，或正或负。注意：高相关不一定意味着两个变量间存在着因果关系低相关也不一定意味着两个变量间没有关系。此时应考虑两个问题全距限制(restriction of range)问题，要计算出真正有意义的相关系数，变量内的各分数间必须要有一定的差异相关系数所依据的前提假设是否满足。优点：可以得到变量间共变关系的资料。缺点：使用时首先要考虑前提条件是否得到满足无法确定变量间是否存在因果关系。改进方法将相关研究法建立在观察法研究的基础上利用交叉滞后法(Cross-lagged method)来逼近因果关系的解释。交叉滞后法的一般策略是，首先获得随时间变化的若干相关系数，然后依据这些相关系数的大小和方向，确定是什么因素导致了什么结果。3实验法科学心理学研究的最高级方法，可以更好地控制额外变量，真正具备了完整的解释、检验和预测功能。实验控制的主要工作尽量地消除无关变量在无关变量难以消除的情况下，尽可能地加以平衡（在实验中保持恒定）。优点：可以选择方便的时间和地点使现象发生，并在事前为进行观察做好充分的准备可以使所要研究的现象在同样的条件下重复发生，便于验证观察的结果可以很好地控制无关变量的影响可以作出因果推断经济实验者总是带着特定目的去进行实验。缺点：实验是具体实践的一种近似，因此要把实验结果应用于实践应持谨慎的态度。注意：研究者只有不脱离实际，把单因子的实验和多因子的现场活动结合起来，才有可能使实验结果起到应有的作用。心理学实验的3个要素实验假设和推论推论必须是客观、可测量的。实验变量自变量、因变量和控制变量，实验法要求实验变量（自变量、因变量）必须是明确的、客观的。自变量能被很好地操纵，因变量能被客观地测量。自变量和因变量的选择在很大的程度上关系到实验研究的成败。实验控制尽量消除无关变量在无关变量难以消除的情况下尽可能地加以平衡。研究人类被试的伦理原则保障被试的知情同意权保障被试推出的自由保护被试免遭伤害保密原则实验心理学研究的4个步骤课题确定选择实验对象实验控制数据整合和研究报告的撰写。实验误差：是存在于实验单元内作同样处理所得观测数据间的变差的度量。有3个来源有一个内在的变差存在于要施加处理的实验被试中由于在实验环境条件和操作过程中因缺乏一致性的结果而产生的变差重复实验的变差。改进措施调整实验中的被试，以减少其内在的变差效应在可能的情况下增加实验重复的次数，对实验结果进行综合评价。课题选择的4个来源实际需要理论需要个人经验前人研究与文献资料学科的基础理论研究查阅文献的原因通过阅读文献，研究者可以发现什么问题已经解决、什么问题尚待研究、哪些问题解决得彻底、哪些问题论据不足，从而可以得出需要进一步研究的课题查阅工作使得当前研究者的实验不仅是作为经验观察的手段，还成为对前人观察结果的检验如果别人已经有了很好的的研究成果，那自己就是进一步的验证；如果别人对某一问题尚未很好地解决，自己就要吸取前人成功和失败的经验教训，把研究引向深入。实验类型可以分为两类因素型实验（定性实验，其假设是“如果a，那么b”） 函数型实验（定量实验，用b=f(a)来表明自变量a与因变量b共变的函数关系）选择非人类被试的两种情况实验程序有可能对人类被试造成身心损害非人类被试有助于控制无关变量。选择被试的两种统计法随机抽样法（最基本的方法）分层随机抽样法心理学研究收集到的四种资料类型计数资料(enumeration data)，即按个体的某一属性或某一反应属性进行分类计数的资料。计数资料只反映个体间质的不同，而没有量的差别。计量资料(measurement data)，即用测量所得到的数值的大小来表示的资料。等级资料(ranked data)，它介于计数资料和计量资料之间，可以称为半计量资料。等级资料可以升级为计量资料使用，也可以降级为计数资料使用。描述性资料(descriptive data)，即非数量化的资料。描述性资料可以补充说明数据，使数据更有说服力。但由于没有数量指标作为客观尺度，描述性资料在进行解释时容易产生主观片面的错误，因此对描述性资料的解释必须小心谨慎。数据处理方法自变量为计数资料，因变量为计量资料整合这类数据时，最恰当的统计工具是方差分析（ANOVA）。方差分析技术的两大优点可以进行多自变量和多因变量的数据处理，多自变量的方差分析可以提供自变量间交互作用的信息可以对实验设计中无法直接排除或抵消的一些额外变量进行事后的统计控制。自变量和因变量都为计量资料将计量资料的自变量降级为计数资料使用，这样可以采用方差分析和t检验等技术在需要用多个计量资料的自变量来解释单个计量资料的因变量时，多元回归是最合适的选择。自变量为计量资料，因变量为计数资料心理学实验中以计量资料为自变量，计数资料为因变量的典型是心理物理学的阀限测量实验，此时可采用logistic回归。自变量和因变量都为计数资料这是从数据解释潜力来看最薄弱的实验，研究者只能从所谓的非参数检验中寻找自己需要的方法。撰写实验研究报告时应注意4点研究者需要回顾与研究有关的前人工作研究者应该清晰明确地描述实验设计和研究过程实验报告应能做到使相关专业领域的同行可以据此重复研究者的工作实验报告中对实验现象的客观描述和研究者本身的主观解释应能清晰地区分开来。第二章 实验研究的基本问题自变量(independent variable)：是在实验中由实验者操纵和控制的、对被试的反应产生影响的变量。自变量的种类作业变量(task variable)：是指在实验中所呈现的、和被试任务有关的某种刺激环境变量(environmental independent variable)：当被试在进行某种作业时，如果改变环境中的任何特性，那么改变了的环境特性就是环境自变量被试变量(subject variable)：在外界条件一致的情况下，可能影响对某种刺激的反应的被试的特性因素暂时的被试变量：即通过主试的言语、态度以及用某些方法使被试的特性、机能状态等方面产生一时的变化，这类自变量就是暂时的被试变量。被试的暂时差别通常是由主试给予不同的指示语造成的。控制自变量时应注意3个问题所规定的自变量是否是真正的自变量，要注意防止虚假自变量自变量的选择是否存在单一性偏差（取样的代表性问题）自变量的层次性（要考虑不同自变量的层次对不同因变量层次的实验效应）。操纵/控制自变量的7个方法采用明确、统一可以量化的术语对对自变量下操作定义(operational definition)。自变量各水平/检查点的确定(水平是指自变量的一个取值) 因素型实验的自变量一般不超过4个水平，并尽量使自变量变化的范围（全距）较大，各个水平在全距上分布平均线性函数型实验的自变量可以取35个水平；复杂函数型实验的自变量至少要取5个水平。自变量的范围 自变量的变化范围不应过小，可以通过查阅文献来确定全距的大小自变量的各水平在全距上的分布应根据实际情况确定。自变量的间距。确定的原则是，两个不同的检查点能引起被试不同的反应，即间距不能小于差别阀限。对呈现仪器的控制（这是一个重要的环节，但是很容易被忽视）。控制呈现刺激的方式 充分控制无关变量。对变量下操作定义的3个优点可以使研究者的思考具体清晰可以增进科学研究者之间沟通的正确性可以减少一门学科所用概念或变量的数目。因变量(dependent variable)：是指在实验中由实验者操纵自变量而引起的被试的某种特定反应。测量因变量的指标客观指标和主观指标客观指标反应速度反应速度的差异反应的正确性反应的难度反应的次数反应的强度主观指标被试的口语记录，在心理学实验中口语记录是重要的参考资料，有助于我们分析被试的内部心理活动。控制因变量的6种方法规定好反应的操作定义反应控制选择恰当的因变量指标避免量程限制控制被试的态度反应指标的平衡。反应控制的目的让被试的反应确实发生在实验者感兴趣的因变量维度上。在以人作为被试的实验中，对反应的控制往往是通过指导语实现的。当指导语不能充分地控制反应时，就要很好地考虑刺激条件和实验装置。使刺激条件、实验装置和指导语配合起来，使被试只能作出主试所要求的反应。规范的指导语应具备的4个要求内容确定，即主试要严格确定给被试什么样的指导语完全，即在指导语中要把被试应当知道的事交代完全简单明确，即要保证被试真正懂得指导语的要求标准化，最好能用录音机给出指导语。恰当的因变量指标应具备5个标准有效性（最重要的标准）反应指标的效度直接关系到实验的效度。客观性数量化可靠性和辨别性技术上的可能性敏感性（当自变量的变化不能引起相应的因变量的变化时，这样的因变量是不敏感的。典型代表是天花板效应和地板效应）。天花板效应 (ceiling effect)/高限效应：当要求被试完成的任务过于容易，所有不同水平的自变量都获得了很好的结果，并且没有什么差别时，我们就说实验中出现了天花板效应。地板效应(floor effect)/低限效应：当要求被试完成的任务过于困难，所有不同水平的自变量都获得了很差的结果，并且没有什么差别时，我们就说实验中出现了地板效应。以上两种效应影响指标有效性的原因两种效应的反应指标量程不够大，会造成反应停留在指标量表的最顶端或最低端，从而使指标有效性遭受损失避免两种效应的方法是，先尝试着通过实验设计去避免极端的反应，然后再试着通过少量的先期被试来考察他们对任务操作的反应情况。如果被试的反应接近指标量程的顶端或低端，那么实验任务就需要修正设计实验任务和反应指标的指导思想是使被试的反应情况分布在指标量程的中等范围内。自变量的混淆：研究者选定的自变量与一些未控制好的因素共同造成了因变量变化的现象。因此，也可以说额外变量就是潜在的自变量。控制变量(controlled variable)/额外变量(extraneous variable)：指实验中除了自变量以外的影响实验变化和结果的潜在因素或条件。可以用实验结果的误差分散大小来表示额外变量的控制成功与否。当实验结果的误差分散小时，表明额外变量控制得好；反之，则表明有意外的无关变量的混入。确定需要控制的额外变量的4个方法研究过去的有关文献进行多次因素型实验来确定处处小心实验者的预想鉴别无关变量控制成功与否的方法当实验结果的误差分散小时，可以认为无关变量得到了较好地控制；反之则表明无关变量的控制失败。此时应当认真分析无关的因素是什么。如果经过认真的分析，有些无关还是难以被控制就终止，从别的角度设计实验或等找到控制这些变量的方法和技术时再实验。2个典型的额外变量实验者效应要求特征实验者效应(experimenter effect)：主试在实验中可能以某种方式（如表情、手势、语气等）有意无意地影响被试，使他们的反应附和主试的期望。实验者的性别、种族和伦理观念也是潜在的实验者效应，即使在用动物做实验时也有可能出现实验者效应。可采用双盲实验来克服这一效应。要求特征(demand characteristics)：在实验中被试可能会自发地对实验的目的产生一个假想，然后再以一种自以为能满足假想的方式进行反应。要求特征是一个潜在的、强有力的，也是社会科学独有的偏差来源。美国心理学家奥恩首次提出了这个问题，其典型例子是霍桑效应(Hawthorne effect)和安慰剂效应(placebo effect)。控制要求特征的3个方法以录音或录象等自动化的方式呈现指导语双盲实验增加被试的数量。注意在某些实验中尽管已经通过实验设计对要求特征加以控制，但要求特征对实验结果仍有较大的影响，此时应在实验设计中有意识地加以鉴别。鉴别的方法是实验后的询问(如让被试填写有关的调查表或直接谈话)采用控制组。双盲实验(double-blind experiment)：在实验中让实验的操作者和实验被试都不知道实验的内容和目的，由于实验者和参加者都不知道哪些被试接受哪种实验条件，从而避免了主、被试双方因为主观期望所引发的额外变量。在有效消除源自实验者效应和被试效应的额外变量的干扰方面，双盲实验就很好到利用了排除法。控制额外变量的方法排除法(elimination method)：将额外变量从实验中排除出去，是消除无关变量最简单的方法。排除法虽然有效但所得到的研究结果却难以推广。恒定法(constant method)：使额外变量在实验过程中保持恒定不变，这主要体现在保持实验条件恒定方面，是控制无关变量最基本的方法。平衡法(counterbalancing method)：平衡法用于额外变量的消除或保持恒定有困难的情况，控制组法是常用的平衡法之一。抵消法：用于消除在实验中由实验顺序所造成的练习、适应、疲劳以及由于刺激的空间位置不同、反应的动作方式不同等对实验结果发生影响的方法，这种方法也称为循环法。常见的抵消法有ABBA法和拉丁方设计法。匹配法(matching method)：将实验组和控制组被试除自变量之外的其他条件尽量保持相等，并将被试依据某些特质两两配对。匹配法的缺点在理论上可取，但难以进行实际操作。因此在实际应用中，匹配法常常结合其他技术共同使用。随机化法(randomization)：依据数学上的概率原理，将被试按相等的原则分组。这一方法在理论上可以使不同组的被试除实验处理外，其他额外变量保持相等，因此可以弥补匹配法的不足。并且随机化法不会导致系统性的偏差，能够控制难以观察的中介变量。随机法不仅可以应用于被试，也可以应用于刺激呈现和实验顺序的安排。统计控制法(statistical control)：统计控制法主要用于实验前难以完全控制额外变量影响的情况，统计控制法对于实验前控制只是起到补充的手段，而不可能取代实验前控制的重要地位。常用的统计控制法有协方差分析、剔除极端数据和分别加权法等。（实验后控制）预备实验的目的为正式实验设计提供一切需要的资料。凡是在正式实验之前，都必须进行预备实验。在预备实验中要细心观察出现的意外效果，如果一次预试不够可以进行多次。经过了预试后，一旦确定了正式的实验设计就不能随意变动。实验设计(experimental design)：指实验进程的计划，其中包括实验对象的选择、实验因素的控制和实验程序的编排等。实验设计的目的是减少额外变量的干扰。实验设计的功能使因变量的变化最大能控制好各种影响实验结果的额外变量使实验中的误差变异最小。评价实验设计的标准能够恰当地解决所欲解决的问题恰当地控制实验中的额外变量使实验结果有很高的可靠性。实验设计的类型真实验设计（多变量设计被试间设计和被试内设计小样本设计）准实验设计非实验设计真实验设计：如下独立组实验设计：是在一个团体中随机抽取一部分对象作为被试，对这些被试给予一定的实验处理以求取一定的观测值，从中了解被试在某种实验条件下所出现的心理效应。并根据实验结果，推断出整个团体对于该实验条件的心理效应。另一种常见的独立组实验设计是，从一个或几个团体中随机抽取一部分被试对象，把他们分为几个互不牵连的独立组，把其中的一组被试安排在一种实验条件下接受实验，把另一组被试安排在另一种实验条件下接受实验。然后对两组实验的结果进行比较，并根据实验结果上的差异推断出两种实验条件所引起的心理效应是否有显著差异。无论哪种独立组实验设计都要遵守随机性原则。完全随机化设计/简单随机化设计：是用随机化的方法将被试随机分成几组，然后依据实验的目的对各组被试实施不同的处理。1随机实验组控制组的前测后测设计：研究者在实验前采用随机分配的方法将被试分成两组，并随机选择一组为实验组，另一组为控制组。实验组接受实验处理，控制组不接受实验处理。设计模式R O1 X O2 R O3 O4优点：基本控制了绝大多数影响内部效度的因素将被试随机分为两组，从而控制了选择、被试的亡失以及选择与成熟交互作用等因素对实验结果的干扰安排了实验组和控制组，在实验的过程中发生在前测到后测这段时间内的事件对两组的影响基本相同，因此控制了历史、成熟、测验、仪器使用等影响内部效度的因素对实验结果的影响。缺点：不能控制所有影响内部效度的因素。在实验的过程中，研究者的某些失误也可能会对实验的内部效度产生影响该设计使用了前测验，被试由于前测验而获得的经验可能会导致对后测验产生敏感性，出现测验的反作用效果，影响了实验设计的外部效度。设计的显著性检验有两类方法对增值分数进行统计分析。用每一名被试的后测成绩减去前测成绩（O2-O1，O4-O3），分别求出两组增值分数的平均数。对两组增值分数进行显著性检验的方法t-检验（参数统计）曼-惠特尼U-检验中位数检验（非参数检验）协方差分析。注意两种不正确的统计分析方法分别对实验组、控制组的前后测成绩进行差数的显著性检验，认为如果实验组前后测成绩差异显著，而控制组前后测成绩差异不显著时，则将差异归因于实验处理的作用分别对实验组、控制组前测成绩，以及实验组、控制组后测成绩进行差数显著性检验，如果两组前测成绩无显著性差异而两组的后测成绩差异显著，则认为这就是实验处理有效性的证明。2随机实验组控制组后测设计设计模式R X O1 R O2优点：该设计几乎具有随机实验组控制组前测后测设计的所有优点可以控制历史和成熟因素对内部效度的影响（实验组接受实验处理，控制组不接受实验处理）可以控制选择和被试亡失等影响内部效度的因素（实验是在同等的条件下进行的）两组被试均未进行前测验，因此可以控制测验与实验处理交互作用对实验外部效度的影响（这一点优于随机实验组控制组前测后测设计）研究者可以控制所有选择变量可能产生的偏向（在实验处理前，采用了随机化的原则）。设计的显著性检验有两类方法大部分研究者使用t-检验对两组的后测成绩进行比较研究非参数检验常使用曼-惠特尼U-检验或中位数检验法。3随机多组后测设计：有时研究者要进行的实验处理的个数有3个或以上，此时可采用随机多组后测设计。该设计通过随机化的方式分配被试和实验处理到不同的组别中，然后对几个组的被试进行后测验，获得各组被试的后测成绩。随机多组后测设计与随机实验组控制组后测设计的不同之处仅在于实验处理的个数以及相应的被试组数增加了。两种实验设计在控制实验内部效度和外部效度的因素上是相同的。设计模式R X1 O1 以3个实验处理为特例 R X2 O2 R X3 O3设计的显著性检验研究者需要了解3种或以上实验处理的实验结果是否有显著差异，还要了解其中任意两种实验处理的实验结果之间是否有显著性差异单因素方差分析法（了解3种或以上实验处理的实验结果是否有显著差异）纽曼-丘尔斯（N-K）检验（了解其中任意两种实验处理的实验结果之间是否有显著性差异）。单因子多水平实验设计：就是把被试随机地安排在几个水平上接受实验，以便考察实验因子的各个水平效应是否存在着差异。多水平实验设计的显著性考验采用F检验。t检验每次只能检验一对平均数的差数，F检验可以同时检验多个平均数的差数。多水平设计的方差分析表 因子A实验条件 水平a状态 被试n 检验总体是否存在显著差异变 差 来 源平方和 自由度均方F处理间（组间）SSta-1MSt=SSt/(a-1)MSt/MSe误差（组内）SSe=SST0-SStN-aMSe=SSe/(N-a)当FFa时，差异显著总 计SST0平均数的配对比较检验具体的存在差别的组平均数 T=q () MSe/n k表示比较的个数，n表示每个水平的观测次数如果两个平均数之差小于T，则两者差别不显著；反之，则差别显著。多变量设计(multiple variable)：在一个实验中包含了两个或两个以上的自变量或因变量的实验设计，分成多自变量和多因变量两种情况。当自变量的数量超过一个时，实验中就会出现交互作用。多因素实验设计/完全随机析因设计：是指在实验中包括两个或以上的因素（自变量），并且各因素都有两个或以上的水平，各因素的各水平互相结合，构成多种组合处理的一种实验设计。在该设计中，研究者可以考察各个自变量交互作用对因变量的主要影响效应（交互作用）；并同时考察各自变量对同一因变量的主要影响效应（主效应）；以及考察一个因素的各个水平在另一个因素的某个水平上的效应（简单效应）。根据实验中包含的因素进行分类，可以将这类设计分成完全随机双因素设计（AB因素设计）、完全随机三因素设计（ABC因素设计）等。完全随机双因素设计：研究者用随机分配的方法将被试分成若干同质组（分组的个数等于实验处理的个数），同时用随机的方法分配每一组被试接受一种实验处理的实验设计。主效应：由每个单独因素所引起的因变量的变化。交互作用的效应：是指当一个因素对因变量影响的大小因其他因素的水平或安排的不同而有所不同时，所产生的交互作用影响因变量的结果。多自变量实验(multiple independent variable)的3个优点效率高实验控制好可以获得交互作用多因子设计的方差分析表变 差 来 源平方和自由度均 方FA处理SSAa-1MSA=SSA/(a-1)MSA/MSEB处理SSBb-1MSB=SSB/(b-1)MSB/MSE交互作用 ABSSAB(a-1)(b-1)MSAB=SSAB/(a-1)(b-1)MSAB/MSE误 差SSE= SST0- SSA- SSB- SSABab(n-1)MSE=SSE/ab(n-1)总 计SST0abn-1随机化区组单因素设计：将被试分成不同的区组，并且每组被试随机接受所有不同的处理。然后观察实验处理后每个区组中的被试对不同处理的反应，并作为后测成绩。其目的是缩减来自被试间的差别而造成的误差。随机化区组多因素设计：将被试分成不同的区组，每个区组都随机接受多因素各个水平组合的全部处理，然后观测每个区组对不同处理的反应，并将反应值作为后测成绩。区组设计的方差分析表变 差 来 源平方和自由度均 方F 处 理SSTa-1MST=SST/(a-1)MST/MSe 区 组SSBb-1MSB=SSB/(b-1)MSB/MSe 误 差SSe= SST0-SST-SSB(a-1)(b-1)MSe=SSe/(a-1)(b-1) 总 计SST0ab-1被试间设计(between-subjects design)：指要求每个被试只接受一个自变量水平的处理，对另一个被试进行另一种自变量水平处理的情况。优点不会出现实验间相互污染的现象避免了练习效应和疲劳效应。缺点所需被试的数量巨大无法排除个体差异对实验结果的影响。使接受该设计的被试等组的方法匹配法随机设计匹配设计：将被试按某一个或几个特征上水平的相同或相似加以配对，然后再把每一对中的每个被试随机分配到各个组别。这样就可以保证各组被试在这一个或这几个特征上是同质的。按被试的某些特点平均相等的分组方法是平均分配组法；把被试按照有关特点两两配对，然后把每一对被试分别编入两组的分组方法是对偶配组法。优点通过这一方法所得的各组被试在平均数和标准差上都很接近。在对动物进行被试间设计的实验研究时，一项重要的匹配技术是拆窝技术(split-litter technique)。它是把同胎生的动物随机地分配到不同的组中。缺点无法对被试每一个特征都进行匹配需要耗费大量的工作量进行匹配的各特征之间也可能发生交互作用匹配法需要防止回归假象地介入。回归假象：指在许多测量情形中，第一次测验时的高分组和低分组这两个极端组的分数在第二次测验时向平均数回归了。即高分组的得分比第一次低些，而低分组则高些。随机法(randomization)的统计学前提：各随机被试组在未经受不同处理之前是相等的，即使有差异也是在统计允许的限度之内的随机误差。被试内设计(within-subjects design)：指每一个被试都接受自变量所有水平处理的情况。优点节省被试的人数可以很好地控制被试间的个体差异。缺点实验处理间会出现相互污染的现象会出现练习效应和疲劳效应。解决方法ABBA法拉丁方设计平衡设计技术：指在实验中为了消除或减少实验的顺序效应而采用一些系统地改变实验处理顺序呈现技术的设计。常用的两种平衡设计技术是ABBA法和拉丁方设计。ABBA法适用于只有两个自变量的情况（A和B），可以平衡成线性变化的时间顺序误差。当时间顺序误差不成线性变化时，解决的方法有在实验正式开始前，让被试接受一些练习同时使用几种平衡设计，如一半被试按ABBA设计，另一半被试按BAAB设计。拉丁方设计(balanced Latin square design)适用于2个以上的自变量，是一个二维矩阵。建立拉丁方的步骤取决于自变量的水平是奇数还是偶数。六个自变量水平的平衡拉丁方设计测试条件的顺序被试第1第2第3第4第5第6A126354B231465C342516D453621E564132F615243建立平衡的拉丁方的第一行公式为：1 、2 、n 、3 、n-1 、4 、n-2 ，如此类推。在这里，n 代表实验条件的总数。当第一行明确以后，对于每一列，只要按顺序从小到大写出既可，当遇到n 时，再按字母顺序重新从1 开始。五个自变量水平的平衡拉丁方设计拉丁方1 拉丁方2测试顺序被试第1第2第3第4第5第1第2第3第4第5A1253443521B2314554132C3425115243D4531221354E5142332415当有5 个自变量水平时，必须使用两个方阵，第二个方阵与第一个方阵正好相反。使用拉丁方设计时，每个被试必须在每个变量上测验两次。一般说来，第一个方阵是按偶数个变量时构建方阵的方法建起来的，在奇数个实验条件下第二个方阵则与第一个方阵正相反。拉丁方设计的特点：每一种实验处理都是在练习的同一阶段出现每一种自变量水平在其他自变量水平之前和之后出现的频率都相同，即任何两个自变量水平之间的顺序误差都被抵消。因此，拉丁方设计是多自变量水平时的理想平衡方法。混合设计(mixed design)：在一项实验中有些自变量是被试内的而有些自变量是被试间的实验设计。小样本设计(small-sample design)：是被试内设计的一种变式。是向较少或单个被试呈现自变量的不同水平，需要在相当经济且可以进行高度控制的实验中对每一个被试进行大量的观察。小样本设计分成两种，ABA设计和多基线设计。小样本设计的使用本身就能够得出强有力的实验结论。ABA设计的前提B阶段的治疗效果不持久。但实际上治疗痕迹是难以消失的。ABA设计的优点：可以较好地区分实验自变量的效果和时间顺序等其他因素的效果，从而进一步解决了以往ABA设计中常常会发生的混淆问题。多基线设计的内在逻辑当一种行为或一个被试正在接受处理时，另一种行为或另一个被试仍处于基线条件下。如果这种未受处理的行为在自变量引进之前保持稳定，然后随着自变量的变化而变化。那么我们就可以认为是自变量导致了该行为的改变，而不是一些碰巧在观察期内发生变化的其他因素。被试内的多基线设计：在几个不同的基线阶段比较同一被试的不同行为的基线设计。被试间的多基线设计：在几个不同的基线阶段比较不同被试的同一行为的基线设计。准实验设计(quasi-experiment design)：是指未对自变量实施充分的控制，但使用真正实验的某些方法搜集、整理以及统计分析数据的研究方法。准实验设计用于严格实验无法进行的情况。该设计常采用被试变量作为自变量，其本质是一种相关研究，其实验结果只能说明变量之间是相关的，而不能说是一个变量的变化引起了另一个变量的变化。准实验设计介于非实验设计和真实验设计之间，它对无关变量的控制比非实验设计要严格，但不如真实验设计控制得充分和广泛。通常准实验设计不易对被试进行随机抽样，这时虽然可以设立控制组，但实验组和控制组的背景条件不可能保证一定相同。优点弥补了严格意义上的实验研究的不足可以使研究者在道德和能力许可的范围内尽可能多地关注其所感兴趣的问题。缺点在该实验中实验者的自由度小，对额外变量的控制力弱只能得到自变量和结果变量间的相关。1单组准实验设计适用于因条件限制和问题的性质而使研究者无法采用控制组的情况。时间序列设计：是指对一组被试或个体进行一系列周期性的测量，并在测量的时间序列中引进实验处理X，然后观测引进实验处理后的一系列测量结果，并与引入实验处理X前的一系列测量结果相比较，研究插入实验处理前后测量结果的变化趋势，从而推断实验处理是否产生效果的一种准实验设计。设计模式O1 O2 O3 O4 X O5 O6 O7 O8 优点：可以为研究者提供许多方便，并能较好地控制无关变量与处理效应。由于时间序列设计可以多次测量被试在处理前后的数据，因此通过观察处理X前后的变化趋势，就可以判断处理X前后在整个实验过程中的作用可以较好地控制“成熟”因素对内部效度的影响（在OO的系列测量过程中，其间隔时间基本相同，在每个时间间隔内成熟的发展基本是相同的）可以控制测验因素的干扰有可能控制统计回归的因素。缺点：不能控制与实验处理同时发生的偶然事件的影响，不能排除那些与自变量同时出现的附加变量的影响（该设计研究是在没有控制组的情况下进行的）测验与处理X的交互作用在该设计中不容受到充分控制，因而会对实验的外部效度产生影响多次实施前测验往往会降低或增加被试对实验处理的敏感性，从而在被试身上产生作用而影响其在实验后的成绩。设计的显著性检验考察实验处理X前（OO对应点）的回归直线与实验处理X（OO对应点）后的回归直线是否有显著差异。进行的显著性检验包括3个组成部分剩余标准差截距斜率。相等时间样本设计：在这一设计中只有一组被试和两个相等的时间样本，在其中的一个时间样本中不出现实验变量，而采用常规安排X0。该设计被广泛地应用在研究学生的学习中，它早期的典型应用是研究不同条件下学生学习的效应。采用在没有控制组的情况下，对两种实验条件（变量）进行比较的方法，即对X1和X0产生的效应进行比较。设计模式X1O1 X0O2 X1O3 X0O4优点：在控制影响内部效度的因素方面是完全有效的能较好地控制“历史”因素。缺点：在控制外部效度的因素方面并不理想测验的反作用效果会影响该设计的外部效度（从而使实验结果的推广受到限制）实验安排的反作用效果会影响该设计的外部效度（因而该实验结果很难推论到无这种反作用效果的群体）选择偏差与实验变量的交互作用可能会影响该设计的外部效度（所得到的实验结果只适用于与参加实验的被试同性质的群体）重复实验处理的干扰也会影响该设计的外部效度（该设计得到的结果不易被直接推广到无重复处理的情境中）。设计的显著性检验可以从3个方面做出统计分析对两种实验条件进行比较，以确定实验处理X1与控制条件X0的不同效应进行简单效应的比较，即比较在实验处理X1条件下的顺序效应，以及在控制X0条件下的顺序效应，以确定时间效应通过对实施变量与实施顺序之间交互作用的分析来考察在时间序列中不同处理效果的不同变化。2多组准实验设计（包括有实验组和控制组）适用于使实验结果尽量少受无关因素干扰、具有较高的可靠性并且条件允许的情况。不相等实验组控制组前测后测设计设计模式O1 X O2 O3 O4 优点：基本上控制了历史、成熟、测验等因素对实验的干扰（增添了控制组）研究者可以了解实验处理实施前的初始状态，从而对选择因素有了初步的控制（两组都有前测验）。缺点：选择与成熟、选择与实验处理的交互作用可能会降低该设计的效度（该设计没有使用随机化方法来分配被试或实验处理，实验组与控制组是不对等的）实验结果不能被直接推广到无前测的情境中（两组都使用了前测验安排）。设计的显著性检验可以采用t-检验（参数统计）、曼-惠特尼U-检验或中位数检验（非参数检验）来对分别求出的两组增值分数的平均数进行检验。不相等实验组控制组前测后测时间序列设计：这一设计是在单组时间序列设计和不相等实验组控制组前测后测设计的基础上，组合而成的一种多组准实验设计。设计模式O1 O2 O3 O4 X O5 O6 O7 O8优点：该设计具有时间序列设计的特点，也具有不相等实验组控制组前测后测设计的特点基本上有效的控制了影响该设计内部效度的因素缺点：测验的反作用效果，以及选择偏差与实验处理X的交互作用则可能会成为影响该设计外部效度的因素。设计的显著性检验可以使用两种统计分析方法来进行检验求出实验处理X前的4个平均数的共同平均数，并求出控制组相应的4个平均数的共同平均数。接着求出实验组和控制组的各自后4个平均数的共同平均数。然后将实验组的前测、后测的增益与控制组的前测、后测的增益用独立的t-检验或独立的z-检验来进行比较对实验组的4个前测成绩l1、4个后测成绩l2以及控制组的8个成绩l3求出各自的回归直线方程。检验直线l1与l2是否差异显著，以确定两组在选择上是否存在偏差；检验直线l1与l2或者直线l2与l3是否存在显著差异，以确定接受实验处理所产生的效果。非实验设计：是一种对现象的自然描述，一般用于识别和发现自然存在的临界变量及其关系，它可以为进一步实施更严格的实验设计积累资料。在使用这种设计时往往不易采取随机化的原则分配被试，而且也不易主动地控制自变量和其他无关变量。但是许多有效的实验研究都是在非实验设计的基础上取得成功并得到发展的。1单组后册设计只有一个实验组，对这一实验组只给予一次实验处理，然后通过测量得到一个后测成绩。但是这一后测成绩很难说明是由实验处理X引起了实验结果O。设计模式 X O 缺点：没有对照组，研究者只能描述他所观察到的结果，而不能与对等控制组进行比较这一研究没有前测，因此失去了与前测成绩进行比较的依据没有控制机体变量、自变量及其他无关变量不能排除历史、选择和成熟等因素的影响。2单组前测后测设计是对单组后测设计的一种改进，它增加了在实验处理前的测验，但还是仅有一个实验组。是一种有用的非实验设计。设计模式 O1 X O2优点：提供被试的基线数据及某些有关信息（由于具有前测验）控制选择变量，便于估计被试的个体态度对实验效果的影响（只有一个实验组，这一实验组又是控制组）缺点：历史因素常与实验处理的效应相混淆，使研究者很难判断在O1与O2之间出现的差异是由处理引起的，还是由无关因素引起的成熟影响实验的内部效度前测验可能会对后测的内容或形式产生威胁，从而影响实验处理的效果仪器、统计回归以及测验与处理的交互作用等也都可能会对实验的内部效度造成影响。设计的显著性检验可以使用3种统计分析方法相关样本的t-检验非参数的符号检验法非参数的符号 次检验法。3固定组/静态组/整组比较设计采用实验组和控制组两组被试，但不使用随机化的原则来选择被试，这两组被试在实验处理前就已经形成了。设计模式 X O1 O2 优点：控制历史因素控制测验效应和仪器因素的干扰（无前测验）控制成熟因素（使用了控制组）。缺点：对选择因素缺乏控制选择与成熟的交互作用，以及选择与处理的交互作用常常会影响实验的效度。 设计的显著性检验可以使用4种统计分析方法独立样本的t-检验非参数检验中的U-检验法非参数检验中的中位数检验法X-检验法。4事后回溯设计：其研究对象是已经发生过的事件。在研究的过程中，研究者不需要设计实验处理或操纵自变量，只需通过观察存在的条件或事实，将这种已自然发生的处理或自变量与某种结果或因变量联系起来加以分析，以便从中发现某种可能的简单关系。事后回溯设计主要包括两种类型，相关研究设计和准则组设计。设计模式 O优点：可以对自然条件下出现的事件或各种学习现象进行时间上的追溯，以了解产生这些现象的信息事后回溯设计特别适用于研究简单的因果关系问题可以为提出的假设提供充足的论据事后回溯设计不需要人为作用的参与，在某些环境或特殊的条件下比其他的实验设计更有用研究者在不能采用严格的实验设计进行研究时，可考虑采用该设计方法。缺点：在设计中缺乏控制，研究者不能操纵自变量或随机分配被试研究中所追溯的原因可能有多个，在不同的情况下，一个特定的结果可能是由不同的原因引起的两个相关的因素可能并不存在因果关系，它们可能都是第三个因素的原因或结果。改进方法将调节变量引入事后回溯设计，利用方差分析的统计分析方法就可以达到对调查中的测量进行必要的控制。设计模式 Y1 O1 Y1 O2 Y2 O3 Y2 O4相关研究设计：是在一个被试组内收集两个集合的数据，其中一个数据集合是观察到的结果，另一个则是被追溯的数据集合，研究的目的是确定这两个数据集合之间的关系（正相关、负相关和无关）。设计模式O1 O2使用相关研究设计的目的在于借助所测量的变量之间的相关系数来确定变量之间存在的某种关系，并为提出变量间的因果关系奠定基础。通常某些研究的主要目的是要确立所研究的结果与追溯的原因存在着某种关系而不是进一步证实哪一个是原因，哪一个是结果。注意两变量之间存在相关关系并不一定意味着就是存在因果关系。即使两个变量之间存在着较高的相关，也不能得到这一结论。关于两变量间的相关关系有3种解释O1是O2的原因或一部分原因O2是O1的原因或一部分原因O1和O2是未被测量的第三个变量的原因或一部分原因。设计的显著性检验可使用3种统计方法当所研究的两个集合中的数据都是连续数据时，可采用皮尔逊积差相关系数当所研究的两个集合中的数据一个是连续变量，另一个是二分变量时，可采用点二列相关系数当所研究的两个集合中的数据都是等级变量时，可采用斯皮尔曼等级相关系数。准则组设计