《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》由会员分享，可在线阅读，更多相关《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（42页珍藏版）》请在金锄头文库上搜索。
1、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
2、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
3、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
4、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
5、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
6、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
7、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
8、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
9、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
10、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
11、,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
12、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
13、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
14、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
15、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
16、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
