实验心理学第二章 实验研究的基本问题

实验心理学考研内容，包含实验研究的设计、变量及其控制，希望能对大家有所帮助。

第二章 实验研究的基本问题

• 实验研究的设计
  • 进行科学实验前的具体计划
  • 涉及到三个基本问题
    • 实验采用多少自变量和因变量
    • 各自变量内又采用多少处理水平
    • 如何将被试分配到各自变量的各处理水平中
  • 内容
    • 自变量：多少 分别是什么 如何呈现 各自变量之间多少处理水平
    • 因变量：多少 分别是什么 行为指标及其测量方法
    • 对必须控制的额外变量的控制措施
    • 确定被试总体及被试样本人数和选择被试的方法
    • 如何将被试分配到各个自变量的各个处理水平中去
    • 拟定主试在实验前要说的指导语
    • 规定实验次数
    • 安排实验程序
    • 规定使用仪器的型号
    • 实验数据如何统计分析
  • 基本类型
    • 根据自变量及处理水平之间是否用相同被试
      • 被试内设计
        • 同一批被试可以完成同一自变量的所有的实验处理
        • 优点
          • 节省被试人数
          • 不同组的被试个体差异得到最好的控制 在控制个体差异方面强于被试间设计
          • 可以更好地考察实验组和控制组之间的差异
        • 缺点
          • 各处理之间会产生相互干扰
          • 可能发生与时间顺序有关的误差（练习效应 疲劳效应）
            • 为了解决顺序误差采用平衡设计技术
              • ABBA设计
              • 拉丁方设计
        • 平衡设计技术
          • ABBA设计
            • 适用于自变量水平只有两个的情况（分别用AB表示）
            • 被试按照ABBA的顺序接受四次实验处理
            • 也可以将一组被试分为两组，一组接受AB处理，另一组接受BA处理
          • 拉丁方设计
            • 适用于自变量的水平有两个以上的情况
            • 平衡的拉丁方设计是一个二维矩阵，列表示自变量水平，行表示被试
            • 其采用循环控制的平衡误差的方法，使不同实验处理组的被试循环接受全部实验处理，不同实验处理在不同呈现顺序上出现的机会相等
            • 被试组数与自变量水平数量相同，最终形成一个方阵
        • 小样本设计
          • 被试人数少
            • ABA设计
              • A表示处理前的基准状态
              • B表示处理之后的状态
              • 开始时对A进行观察测量，后对被试进行处理，使被试达到B的状态，对B进行观察和测量，后通过一定方式让被试回到A的状态，进行观察和计量，比较ABA的变化
            • 多基线设计
              • 找到一个或若干与所要研究的行为（或被试）接近的行为（或被试），在不同时间对他们引入同一自变量的处理（治疗），也就是不同的行为（或不同的被试）在引入自变量之前有长短不等的基线期，从而将自变量的影响和时间的因素逐阶段演示，以便最终确认被试行为变化的真正原因和自变量处理的真正效果
              • 底层逻辑是：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然处于基线条件下（不发生变化）如果这种未受处理的行为在自变量引进之前保持稳定，然后随自变量的变化而变化，则认为是自变量导致了该行为的改变，而不是其他因素
      • 被试内设计与被试间设计的比较
        • 被试内设计的所有被试要接受自变量所有情况的处理
          • 缺点：干扰及污染
        • 被试间设计要求被试只接受一种实验处理 另一被试接受另外的实验处理→独立组设计
          • 缺点：个体差异 被试数量多
      • 被试间设计
        • 同一自变量的不同实验处理用到不同被试
          • 一种处理方式不可能影响或污染另一种处理方式
          • 被试间的差异如何控制
            • 等组
              • 随机化
                • 随机分配
                • 随机组设计
                  • 将被试随机分配在不同的组内接受不同的自变量处理
                  • 各随机组在接受不同处理前假定其相同 差异在统计允许的范围内的随机误差
                  • 优点
                    • 用随机分配的方法可以控制两组被试间变量的差异，分组方法简单可行
                    • 对每一被试只做一次观测 可消除某些实验误差
                  • 缺点
                    • 分成等组的方法仍欠精密
                    • 两组在不同时间观测，将有可能引发实验以外的偶发事件，影响因变量的观测结果
              • 匹配
                • 配对组设计 对等组设计
                  • 目的是使各组的特性更加相同 控制组内变异和组间变异
                  • 对全部被试进行预备测验，该测验与正式实验有相关性，按照测验成绩均等分组
                  • 步骤
                    • 所有被试接受预备测验
                      • 相同任务
                      • 类似任务
                      • 相关任务
                  • 优点
                    • 实验处理前就把组间变异缩小，使得组内变异比单独的随机分配更接近相等
                    • 这种配对能对被试的个别差异给予更多的控制
                    • 小型实验设计用配对设计效果比用随机分组效果更好
                  • 缺点
                    • 实验者会因分配被试大大增加工作量
                    • 匹配往往不完全
                    • 同时匹配多个特征可能会发生交互作用
                    • 需要防止回归假象的介入
          • 统计检验
            • 独立样本的差异显著性检验
            • 两组 t检验
            • 多组 f检验
      • 混合设计
        • 两个及以上的因素才有可能是混合设计 在多个自变量中 有的自变量是被试内设计 有的自变量采用被试间设计
        • 如果自变量水平间相互会影响，则二者按照组间设计安排，不会影响则用组内设计
    • 从对实验控制条件的严密程度不同
      • 真实验设计（重点）
        • 被试随机选取
        • 控制最为严密
        • 实验者有效操控实验变量，控制内在无效来源和外在无关因素的影响，能在随机化原则的基础上选择和分配被试，从而使实验结果更能客观反映实验处理的作用
        • 三种形式
          • 完全随机化设计
            • 简单随机化设计（→被试间设计）
              • 用随机化方法将被试分为几组，对不同组实施不同的实验处理
                • 随机实验组控制组前测后测设计
                  • 被试随机分为实验组和控制组
                    • 实验组接受实验处理
                    • 控制组不接受实验处理
                  • 都要接受前测后测
                  • 设计模式
                    • R O1 x O2 R O3 O4
                  • 评价
                    • 基本控制了影响内部效度的因素
                      • 随机分配→从而可以控制选择，被试中途退出以及选择与成熟的交互作用等因素对实验结果的干扰
                      • 实验组和对照组→前测后测之间的事件影响基本相同，因而可以控制各类影响内部效度的因素的影响
                    • 使用了前测验有利于检查随机分组是否存在偏差
                    • 但是前测也会导致被试获得经验，对后测产生敏感性，产生实验外部效度的影响
                • 设计的显著性检验
                  • 对增值分数（分数差）进行统计分析，进行显著性检验，如t检验
                  • 协方差分析
                    • 前测分数作为协变量，对实施实验处理前的组间差异进行控制和调整，以便使两组的后测成绩能够比较不受前测成绩的影响
                • 随机实验组控制组后侧设计
                • 随机多组后测设计
          • 多因素实验设计
          • 随机化区组设计
      • 准实验设计
      • 非实验设计
        • 控制最不严密
    • 实验中操纵变量的多少
      • 单音素实验设计
        • 只有一个自变量
      • 多因素实验设计
        • 至少有两个自变量
• 变量及其控制
  • 实验的灵魂
    • 控制
  • 目的
    • 探索人的心理和行为发生发展变化的原因
  • 变量
    • 数量或质量上可变的事物的属性
    • 分类
      • 实验条件（原因）
        • 无关变量
          • 与所关注的变量无关但有可能影响结果
        • 相关变量
          • 自变量
          • 额外变量
            • 控制变量
        • 不严格时无关变量＝额外变量＝控制变量
      • 实验条件下产生的结果
        • 因变量
      • 实验研究的核心
    • 自变量
      • 在实验中被实验者所操纵的 对被试者的反应产生影响的变量
        • 作业变量（刺激变量）（任务变量）
          • 被试所要完成的任务
        • 环境自变量
          • 客观环境的变化
        • 被试变量
          • 被试者个人所有的变量
      • 对自变量的控制
        • 1严格的操作定义
          • 操作定义：用明确、统一，可以感知及量化的事物、时间、现象和方法对变量或指标作出具体的界定
            • 使抽象指标可量化
        • 2确定自变量的各个水平
          • 即取点
          • 因素型实验的自变量通常不超过4个水平，并且尽量使自变量变化范围较大 各个水平分布平均
          • 函数型实验的自变量水平
            • 线性通常3到5个
            • 复杂函数至少5个
            • 一般通过查文献确定合适的全距大小 分布根据函数关系设置
    • 因变量
      • 因为自变量的变化而产生的现象变化
        • 主观指标
          • 口语记录
        • 客观指标
          • 反应速度
          • 反应速度的差异
          • 反应的正确性
          • 反应标准
          • 反应的难度
      • 对因变量的控制
        • 将被试者的反应控制在主试者所设想的方向上
          • 人做被试
            • 通过指导语控制被试反应
              • 内容确定
              • 完全
              • 简单明确
              • 标准化
        • 选择恰当的因变量指标
          • 有效性
          • 客观性
          • 数量化
        • 避免量程限制
          • 避免天花板效应和地板效应
    • 额外变量（控制变量）
      • 相关变量
        • 对因变量产生影响的实验条件都叫相关变量
          • 实验者用以研究的为自变量
          • 不用以研究的相关变量称为额外变量或者额外相关变量
      • 实验中额外变量需要加以控制→控制变量
      • 典型的额外变量
        • 实验者效应
          • 主试和被试之间可能存在某种干扰实验使实验结果发生混淆的相互作用
          • 皮格马利翁效应=罗森塔尔效应
            • 被试者会向着主试者所期望的方向转变
        • 被试者效应 要求特征
          • 霍桑效应
            • 被试对实验目的的猜测导致实验结果发生混淆
          • 安慰剂效应
      • 额外变量的控制
        • 排除法
          • 双盲实验
            • 主试被试都不知道实验目的
              • 主试不一定是研究者
            • 单盲实验
              • 被试不知道主试知道
            • 三盲
              • 解释结果的统计学家也不知道哪个是对照组和控制组
        • 恒定法
          • 额外变量在整个实验过程中保持不变
        • 匹配法
          • 将额外变量条件相似的分别分到实验组和控制组
        • 随机化法和抵消平衡法
          • 消除顺序对实验带来的影响
          • ABBA法
          • 拉丁方设计法
        • 统计控制法
          • 在实验完成之后通过一定的统计技术来避免实验中额外变量的干扰
          • 实验前控制难以起到完全效果时的补充手段
• 效度和信度
• 仪器

第二章 实验研究的基本问题

• 实验研究的设计
  • 进行科学实验前的具体计划
  • 涉及到三个基本问题
    • 实验采用多少自变量和因变量
    • 各自变量内又采用多少处理水平
    • 如何将被试分配到各自变量的各处理水平中
  • 内容
    • 自变量：多少 分别是什么 如何呈现 各自变量之间多少处理水平
    • 因变量：多少 分别是什么 行为指标及其测量方法
    • 对必须控制的额外变量的控制措施
    • 确定被试总体及被试样本人数和选择被试的方法
    • 如何将被试分配到各个自变量的各个处理水平中去
    • 拟定主试在实验前要说的指导语
    • 规定实验次数
    • 安排实验程序
    • 规定使用仪器的型号
    • 实验数据如何统计分析
  • 基本类型
    • 根据自变量及处理水平之间是否用相同被试
      • 被试内设计
        • 同一批被试可以完成同一自变量的所有的实验处理
        • 优点
          • 节省被试人数
          • 不同组的被试个体差异得到最好的控制 在控制个体差异方面强于被试间设计
          • 可以更好地考察实验组和控制组之间的差异
        • 缺点
          • 各处理之间会产生相互干扰
          • 可能发生与时间顺序有关的误差（练习效应 疲劳效应）
            • 为了解决顺序误差采用平衡设计技术
              • ABBA设计
              • 拉丁方设计
        • 平衡设计技术
          • ABBA设计
            • 适用于自变量水平只有两个的情况（分别用AB表示）
            • 被试按照ABBA的顺序接受四次实验处理
            • 也可以将一组被试分为两组，一组接受AB处理，另一组接受BA处理
          • 拉丁方设计
            • 适用于自变量的水平有两个以上的情况
            • 平衡的拉丁方设计是一个二维矩阵，列表示自变量水平，行表示被试
            • 其采用循环控制的平衡误差的方法，使不同实验处理组的被试循环接受全部实验处理，不同实验处理在不同呈现顺序上出现的机会相等
            • 被试组数与自变量水平数量相同，最终形成一个方阵
        • 小样本设计
          • 被试人数少
            • ABA设计
              • A表示处理前的基准状态
              • B表示处理之后的状态
              • 开始时对A进行观察测量，后对被试进行处理，使被试达到B的状态，对B进行观察和测量，后通过一定方式让被试回到A的状态，进行观察和计量，比较ABA的变化
            • 多基线设计
              • 找到一个或若干与所要研究的行为（或被试）接近的行为（或被试），在不同时间对他们引入同一自变量的处理（治疗），也就是不同的行为（或不同的被试）在引入自变量之前有长短不等的基线期，从而将自变量的影响和时间的因素逐阶段演示，以便最终确认被试行为变化的真正原因和自变量处理的真正效果
              • 底层逻辑是：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然处于基线条件下（不发生变化）如果这种未受处理的行为在自变量引进之前保持稳定，然后随自变量的变化而变化，则认为是自变量导致了该行为的改变，而不是其他因素
      • 被试内设计与被试间设计的比较
        • 被试内设计的所有被试要接受自变量所有情况的处理
          • 缺点：干扰及污染
        • 被试间设计要求被试只接受一种实验处理 另一被试接受另外的实验处理→独立组设计
          • 缺点：个体差异 被试数量多
      • 被试间设计
        • 同一自变量的不同实验处理用到不同被试
          • 一种处理方式不可能影响或污染另一种处理方式
          • 被试间的差异如何控制
            • 等组
              • 随机化
                • 随机分配
                • 随机组设计
                  • 将被试随机分配在不同的组内接受不同的自变量处理
                  • 各随机组在接受不同处理前假定其相同 差异在统计允许的范围内的随机误差
                  • 优点
                    • 用随机分配的方法可以控制两组被试间变量的差异，分组方法简单可行
                    • 对每一被试只做一次观测 可消除某些实验误差
                  • 缺点
                    • 分成等组的方法仍欠精密
                    • 两组在不同时间观测，将有可能引发实验以外的偶发事件，影响因变量的观测结果
              • 匹配
                • 配对组设计 对等组设计
                  • 目的是使各组的特性更加相同 控制组内变异和组间变异
                  • 对全部被试进行预备测验，该测验与正式实验有相关性，按照测验成绩均等分组
                  • 步骤
                    • 所有被试接受预备测验
                      • 相同任务
                      • 类似任务
                      • 相关任务
                  • 优点
                    • 实验处理前就把组间变异缩小，使得组内变异比单独的随机分配更接近相等
                    • 这种配对能对被试的个别差异给予更多的控制
                    • 小型实验设计用配对设计效果比用随机分组效果更好
                  • 缺点
                    • 实验者会因分配被试大大增加工作量
                    • 匹配往往不完全
                    • 同时匹配多个特征可能会发生交互作用
                    • 需要防止回归假象的介入
          • 统计检验
            • 独立样本的差异显著性检验
            • 两组 t检验
            • 多组 f检验
      • 混合设计
        • 两个及以上的因素才有可能是混合设计 在多个自变量中 有的自变量是被试内设计 有的自变量采用被试间设计
        • 如果自变量水平间相互会影响，则二者按照组间设计安排，不会影响则用组内设计
    • 从对实验控制条件的严密程度不同
      • 真实验设计（重点）
        • 被试随机选取
        • 控制最为严密
        • 实验者有效操控实验变量，控制内在无效来源和外在无关因素的影响，能在随机化原则的基础上选择和分配被试，从而使实验结果更能客观反映实验处理的作用
        • 三种形式
          • 完全随机化设计
            • 简单随机化设计（→被试间设计）
              • 用随机化方法将被试分为几组，对不同组实施不同的实验处理
                • 随机实验组控制组前测后测设计
                  • 被试随机分为实验组和控制组
                    • 实验组接受实验处理
                    • 控制组不接受实验处理
                  • 都要接受前测后测
                  • 设计模式
                    • R O1 x O2 R O3 O4
                  • 评价
                    • 基本控制了影响内部效度的因素
                      • 随机分配→从而可以控制选择，被试中途退出以及选择与成熟的交互作用等因素对实验结果的干扰
                      • 实验组和对照组→前测后测之间的事件影响基本相同，因而可以控制各类影响内部效度的因素的影响
                    • 使用了前测验有利于检查随机分组是否存在偏差
                    • 但是前测也会导致被试获得经验，对后测产生敏感性，产生实验外部效度的影响
                • 设计的显著性检验
                  • 对增值分数（分数差）进行统计分析，进行显著性检验，如t检验
                  • 协方差分析
                    • 前测分数作为协变量，对实施实验处理前的组间差异进行控制和调整，以便使两组的后测成绩能够比较不受前测成绩的影响
                • 随机实验组控制组后侧设计
                • 随机多组后测设计
          • 多因素实验设计
          • 随机化区组设计
      • 准实验设计
      • 非实验设计
        • 控制最不严密
    • 实验中操纵变量的多少
      • 单音素实验设计
        • 只有一个自变量
      • 多因素实验设计
        • 至少有两个自变量
• 变量及其控制
  • 实验的灵魂
    • 控制
  • 目的
    • 探索人的心理和行为发生发展变化的原因
  • 变量
    • 数量或质量上可变的事物的属性
    • 分类
      • 实验条件（原因）
        • 无关变量
          • 与所关注的变量无关但有可能影响结果
        • 相关变量
          • 自变量
          • 额外变量
            • 控制变量
        • 不严格时无关变量＝额外变量＝控制变量
      • 实验条件下产生的结果
        • 因变量
      • 实验研究的核心
    • 自变量
      • 在实验中被实验者所操纵的 对被试者的反应产生影响的变量
        • 作业变量（刺激变量）（任务变量）
          • 被试所要完成的任务
        • 环境自变量
          • 客观环境的变化
        • 被试变量
          • 被试者个人所有的变量
      • 对自变量的控制
        • 1严格的操作定义
          • 操作定义：用明确、统一，可以感知及量化的事物、时间、现象和方法对变量或指标作出具体的界定
            • 使抽象指标可量化
        • 2确定自变量的各个水平
          • 即取点
          • 因素型实验的自变量通常不超过4个水平，并且尽量使自变量变化范围较大 各个水平分布平均
          • 函数型实验的自变量水平
            • 线性通常3到5个
            • 复杂函数至少5个
            • 一般通过查文献确定合适的全距大小 分布根据函数关系设置
    • 因变量
      • 因为自变量的变化而产生的现象变化
        • 主观指标
          • 口语记录
        • 客观指标
          • 反应速度
          • 反应速度的差异
          • 反应的正确性
          • 反应标准
          • 反应的难度
      • 对因变量的控制
        • 将被试者的反应控制在主试者所设想的方向上
          • 人做被试
            • 通过指导语控制被试反应
              • 内容确定
              • 完全
              • 简单明确
              • 标准化
        • 选择恰当的因变量指标
          • 有效性
          • 客观性
          • 数量化
        • 避免量程限制
          • 避免天花板效应和地板效应
    • 额外变量（控制变量）
      • 相关变量
        • 对因变量产生影响的实验条件都叫相关变量
          • 实验者用以研究的为自变量
          • 不用以研究的相关变量称为额外变量或者额外相关变量
      • 实验中额外变量需要加以控制→控制变量
      • 典型的额外变量
        • 实验者效应
          • 主试和被试之间可能存在某种干扰实验使实验结果发生混淆的相互作用
          • 皮格马利翁效应=罗森塔尔效应
            • 被试者会向着主试者所期望的方向转变
        • 被试者效应 要求特征
          • 霍桑效应
            • 被试对实验目的的猜测导致实验结果发生混淆
          • 安慰剂效应
      • 额外变量的控制
        • 排除法
          • 双盲实验
            • 主试被试都不知道实验目的
              • 主试不一定是研究者
            • 单盲实验
              • 被试不知道主试知道
            • 三盲
              • 解释结果的统计学家也不知道哪个是对照组和控制组
        • 恒定法
          • 额外变量在整个实验过程中保持不变
        • 匹配法
          • 将额外变量条件相似的分别分到实验组和控制组
        • 随机化法和抵消平衡法
          • 消除顺序对实验带来的影响
          • ABBA法
          • 拉丁方设计法
        • 统计控制法
          • 在实验完成之后通过一定的统计技术来避免实验中额外变量的干扰
          • 实验前控制难以起到完全效果时的补充手段
• 效度和信度
• 仪器