杨治良 实验心理学 师大 笔记

若t(13) = 4.48 > 4.22 (此时α=0.001)，可得出结论P<0.001，其含义是：两组之间的差异1000次中999次由实验处理导致，没有差异的可能性只有1次，由此而拒绝虚无假设。

P值的设定与实际要求有关，如要求高度安全，可设定得更保守（P值更小）。一般情况下设定为 0.05就够了。 被试数量应该多大？每组30人以上可算大样本，足以达到要求。 4．讨论：如何使两组有效区分开？

尽可能选择同质被试；实验程序严格标准化；减少测量误差

二、多随机组设计 1．单因素多水平实验设计

自变量水平越多，评估它对因变量影响的准确度就越高。多随机组显然优于两随机组 不同水平的差别尽可能大一些

如 gifted, Learning disability, normal 三组儿童的数学能力比较。 2．统计分析

为什么做两两t-test并不合理？

假定自变量设为3个水平，若显著性水平α=0.05，则正确作出推翻虚无假设的概率为95%，所有3次t-test都正确的概率为 0.953，至少有一个t-test结论不正确的概率为1-0.953，增加了拒绝虚无假设的可能性。

改进方法：提高拒绝虚无假设的标准，对于本研究，修正后的α=0.05/3才等于单个t-test中α=0.05的情况。 Bonferroni test

虚无假设：不同组间因变量的总体平均数之间无差异 计算总平方和SST、组间平方和SSB、组内平方和SSw 计算自由度： dfT = N – 1 dfB = 组数 – 1

dfW = N – 组数= dfT – dfB 计算均方

组间均方MSB = SSB / dfB 组内均方MSW = SSW / dfW

计算F值：F = MSB /MSW

F =（组均差的估价值+误差的估价值）/误差的估价值

若F =1，则不存在实验处理效应，即自变量对因变量无影响。若F显著，表示各组总体平均数间存在差异，仅表示至少有一对平均数间存在差异，要进一步明白此点可进行多重配对比较。

第五讲 相关实验设计

一、相关研究

当无法控制自变量的变化时，可采用相关研究，它通过计算变量之间的相关系数来衡量变量之间的联系。 1．相关研究的应用领域

变量之间的联系（如身高与体重、人口数量与教育程度） 测验的信度与效度

2．正相关、零相关、负相关 3．偏相关（部分相关） 4．相关研究的意义：预测功能

二、双匹配组实验设计

1．目的与意义：对于随机组设计，随机永远只是一种理想状态，为了达到实验前的两组相等的状态，可使用匹配组设计。 举例：性别对记忆是否有影响？以智力作为匹配变量

2．匹配变量的选择：（1）匹配变量应与因变量有较高的相关，相关程度越高，匹配或等组的可能性越大；（2）将因变量作为匹配变量，但可能产生顺序效应。 3．统计分析（paired t-test）

虚无假设：两组因变量的总体平均数之间无差异；

5

计算平均数

计算t值（相关样本的t值）。t值反映两组平均数之间的差异程度，若差异很小（即不显著），则差异是由于随机波动而产生的，反之则是实验处理导致的；

计算自由度：df = n – 1（n：配对数）； 4．讨论：采用随机组设计还是匹配组设计？ 随机分配并不一定随机；

匹配设计应保证匹配变量与因变量的高相关，否则会对研究造成损害； 不合适的匹配设计降低了能检出两组存在差异的程度； 故，若找不到合适的匹配变量，则应采用随机组设计。

三、重复处理设计 1．二次重复处理设计 paired t-test

2．多次重复处理设计

被试接受实验处理的顺序：随机或抵消平衡法 虚无假设：不同组间因变量的总体平均数之间无差异 计算总平方和SST、被试间平方和SSB、被试内平方和SSw SST = SSB + SSw

SSw = 处理间平方和 + 误差平方和

由于进一步将被试内变异分解出了处理间平方和与误差平方和，从而大大降低了MSE，从而提高了能检出处理效应的程度。

比较：随机组设计

总平方和SST = 组间平方和SSB + 组内平方和SSw 组内平方和SSw = 误差平方和

在检出存在总体显著差异后，如有必要，仍需做多重比较。 3．重复处理设计的优缺点

优点：经济利用被试；节约实验时间；减少实验误差 缺点：容易产生顺序效应

存在这种可能：对于同一问题，重复处理设计与组间设计可能产生相互矛盾的结果。

第六讲 因子设计

一、几个例子

研究者甲：智力对学习成绩的影响不大 研究者乙：智力对学习成绩的影响很大

研究者丙：年龄对记忆能力有很大影响

研究者丁：年龄对记忆能力的影响不如常说的那么大 智力对学习成绩的影响可能因兴趣的不同而有差异。

不同年龄人群的记忆能力差异可能因受教育程度不同而有所不同

人参对人体的滋补作用在有无胡萝卜的情况下是否有不同？

二、几个概念 因子

因子变化的水平

各水平的结合（组数、单元数、处理单元等）

主效应：一个自变量的不同水平引起的因变量的变化程度

交互作用：一个自变量对因变量的影响由于其它自变量水平的不同而有所不同时，则这两个自变量之间存在交互作用。

三、统计分析

6

虚无假设

因子A的处理效应为零 因子B的处理效应为零 A、B两因子的交互作用为零

总平方和SST的分解

SST = SS处理间（组间平方和）+ SS处理内（组内平方和） SS处理间 = SSA + SSB + SSAB

自由度分析：设因子A有p个水平，因子B有q个水平，每个处理单元有n个被试，则

变异源 A B

A、B交互作用 单元内误差 总计

计算均方 MSA = SSA / dfA MSB = SSB / dfB MSAB = SSAB / dfAB MSE = MSW = SSW / dfW

计算因子效应（F值） FA = MSA /MSE FB = MSB /MSE FAB = MSAB/MSE

四、交互作用的意义

人的心理行为通常由多种变量的交互作用所控制，仅研究一个变量的影响是十分简单的。例如一些简单的判断：“某人很聪明，在校学习成绩一定很好”。学习成绩的好坏取决于多种因素，除智力高低外，其他因素如兴趣、动机等都影响学习成绩。

五、因子设计的价值

可获取较多信息，增强研究结果的概括力 经济

六、因子设计的类型 2×2 2×3 3×3 2×2×2

被试内设计、被试间设计 完全随机实验设计 完全重复实验设计 混合实验设计

七、总结：选择何种实验设计？

7

自由度 p-1 q-1 (p-1)(q-1) pq(n-1) npq-1

好的实验设计所具有的特点： 1．能回答要研究的问题；

2．通过同一批被试能给出较多信息； 3．可重复性强（较高的实验内部效度）； 4．结论的概括性高（较高的实验外部效度）； 5．经济可行

总体来看，不同的实验设计彼此间无绝对优劣之分，选择什么研究依赖于研究的问题和条件。但在一定情况下，存在一个最合适的实验设计。

第七讲 准实验设计

一、准实验设计的含义与应用领域

未能完全控制额外变量的实验设计，主要是，并未按随机的方法将被试分配到各实验组。

但任何实验设计都不可能达到绝对严格。即使最完善的实验设计，也可能得到错误结论，例如拒绝了一个不应该拒绝的虚无假设。 在无法采用严格的实验设计的情况下，只能通过控制一部分额外变量寻求结论，此即准实验设计。如现场实验研究。

准实验设计采用的符号系统 X：实验处理；

O：对行为的观测，O1、O2、??代表观测次数

二、准实验设计类型 1．单组后测设计

X

分析：总体上难以解释的设计

2．单组前测后测设计

O1

Paired t-test

缺点：缺乏适当的对照组

可能存在霍桑效应或安慰剂效应：例如对新教学方法的期望会自动产生好的结果； 可能存在练习效应

结论：总体上难以解释的设计

3．不等同比较组设计 3.1 不等同比较组后测设计

X

O O X

O2

O

两组非随机分类，故只能看作比较组，非控制组，很难说明因果关系。

分析：将两组之间因变量（观测结果）的差异归于处理作用的可靠性仍很低，仍难以得出明确的结论。仍属于“总体上难以解释的设计”。 一种改进的设计：

X4 X3 X2 X1

两者具有因果关系的可能性更大了

3.2 不等同比较组前测后测设计

8

O O O O O

例子：辅导时间与学习成绩的关系，t-test