多因素实验设计.ppt

《多因素实验设计.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第五章混合设计与因素设计第一节混合设计（mixeddesign）第二节因素设计(factorialdesign)与交互作用第三节自然组设计（natural-groupsdesign）第一节混合设计（mixeddesign）一、组内设计（within-groupdesign）与组间设计（between-groupdesign）二、混合设计的类型三、选用设计类型的考虑一、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

2、配到自变量的不同水平上或不同的自变量上。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

3、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。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。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

4、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。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。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

5、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。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

6、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。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。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。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。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

7、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。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。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

8、、交互作用的意义一、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2×2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。二、因素设计