因果研究的实验设计（多因素实验设计）

因果研究的实验设计（多因素实验设计）超级详细思维导图，本图知识梳理清楚，非常实用，值得收藏。

因果研究的实验设计（多因素实验设计）

• 统计思路
  • 3种数据模式
    • 均为连续变量
      • 不存在
    • 自变量为类型变量因变量为连续变量
      • 最典型最常见
    • 均为类型变量
      • 尽量避免
• 类型
  • 多因素完全随机设计
  • 多因素完全区组设计
  • 多因素被试内设计
  • 多因素混合设计
• 自变量为类型变量因变量为连续变量
  • 多因素VS单因素的优点
    • 单因素设计
      • 把现实情景过于简单化，结果难以推论到复杂的现实情景中去（外部效度）
    • 多因素设计
      • 实验更接近现实
      • 不仅可以探讨各个因素对因变量的影响作用，而且可以对两个或多个自变量之间的交互作用的影响效应进行估计，可获得比单因素实验丰富得多的信息.
  • 数据分析
    • 多因素非重复测量方差分析
    • 探明交互作用
      • 图解
      • 简单效应检验
      • 检验一个因素在另一个因素的每一种水平上的处理效应
  • 完全随机设计
    • N=P×n
      • N为被试数量，P为实验处理组，n为每个处理的人数
    • 数据分析
      • 对原始数据进行整理，得出每种处理下被试因变量反应的平均数和标准差；然后进行？×？非重复测量方差分析.
    • 结果报告
      • 各自变量的主效应；自变量之间的交互作用；有交互作用则对交互作用进行检验：图解（简单直观）和简单效应检验（检验一个因素在另一个因素的每一个水平上的处理效应是否显著）
      • 每种处理下被试因变量反应的M±SD；主效应和交互作用的平方和、自由度、均方、F值， *表示P<0.05,**表示P<0.01，***表示P<0.001.
  • 半完全随机设计
    • 引发变量的组间因素和存在变量的组间因素混合
    • 研究设计
      • 在存在变量的不同水平上分别选取n个被试，将n个被试根据引发变量的水平p，平均随机分为p组。
  • 随机区组设计
    • 研究设计：确定各个自变量的水平，确定自变量的组合水平P（实验处理），确定每种处理需要的人数n，选出n个区组，每个区组P（或P的倍数）名被试，共N个被试（N=P×n），随机将每个区组P名被试随机指定接受1种实验处理。
  • 混合设计
    • 组内因素与组间因素（引发变量）的混合设计
    • 组内因素与组间因素（存在变量）的混合设计