导图社区 实验法相关关系
下图主干内容为多种实验设计及被试分配，供大家学习参考。
工作内容记录：如何做一个短视频账号 从定位、内容、运营、直播营销入手，以抖音为例，讲解如何通过平台挣钱。全都是干货
私域流量转化：目标（掌握提升转化率的基本原理、确认转化率路径与优化方案）、什么是流量转化、转化方法、转化要素、用户价值凸显等等
私域流量[实战]：私域流量（微博、微信公众号、抖音号、知乎、小红书、快手等、）微信群流量（通过设计海报与文案吸引目标用户群，引入私域流量群，通过活动激活用户）等等
社区模板帮助中心，点此进入>>
妈妈必读：一张0-1岁孩子认知发展的精确时间表
安全教育的重要性
个人日常活动安排思维导图
西游记主要人物性格分析
17种头脑风暴法
人际关系处理
人际交往思维导图
人生导航
处理人际关系6项原则
进行头脑风暴的准则的思维导图
各种实验设计及被试分配
统计分析
假设检验
又称统计假设检验，是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法
显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，
基本原理
是先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断。
常用的假设检验方法
Z检验
t检验
卡方检验
F检验
方差分析
简称ANOVA，又称“变异数分析”或F检验，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。
通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小
实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和的总和表示，记作SSb，组间自由度dfb
随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw
总偏差平方和 SSt = SSb + SSw
组内SSw、组间SSb除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MSw和MSb
①处理没有作用，即各组样本均来自同一总体，MSb/MSw≈1
②处理确实有作用，组间均方是由于误差与不同处理共同导致的结果，即各样本来自不同总体。那么，MSb>>MSw(远远大于)
MSb/MSw比值构成F分布
用F值与其临界值比较，推断各样本是否来自相同的总体
过程与步骤
求平方和
总平方和
组别平方和
组内平方和
计算自由度
总自由度
组别自由度
组内自由度
计算均有
计算下值
查下值表进行下检验并做出决断
陈列方差分析表
定义
类别
配合度检验
独立性检验
同质性检验
基本公式
适用条件
所有的理论数T≥5并且总样本量n≥40，用Pearson卡方进行检验
如果理论数T＜5但T≥1，并且1≥40，用连续性校正的卡方进行检验
如果有理论数T＜1或n＜40，则用Fisher’s检验
结果分析
简单效应
当一个因素如何起作用要受到另外一个因素的影响时，便说明两因素的交互作用显著。
当交互作用显著时，我们便可以进一步检验简单效应，即验证一个因素的不同水平在另一个因素的某个水平上的效应
简单简单效应
当实验有三个因素时，并且三因素的交互作用显著，说明一个因素如何起作用要受到另外两个因素的制约
想知道到底如何影响，我们便可以进行简单简单效应分析，即指一个因素的不同水平在另外两个因素结合的某个处理上的效应
交互作用
指一个因素各个水平之间反应量的差异随其他因素的不同水平而发生变化的现象
它的存在说明同时研究的若干因素的效应非独立
交互作用的作用
可度量一个因素不同水平的效应变化依赖于另一个或几个因素的水平的程度
主效应
在有一个或几个因子(自变量)的多水平的实验中，描述一个因子在各水平上对反应量(因变量)影响大小的度量
例子
对有S个水平的单因子A的试验，若随机变量 yij是在第 j次试验中于第 i个水平上的观测值，则模型为E(yij)=μ+ai，(i=1,2,...,s，j=1,2,...,ni)，这里E是期望， μ是总平均， ai即A因子第 i个水平的主效应
易出错
它在平均意义上进行估算，所以即使一个主效应的值比较小，也不表明该因子不重要
在交互作用显著的情况下，对主效应的直观解释可能会发生误解
在有的实验研究中，主效应并不一定比交互作用更为重要
实验效度
是实验或实验设计的重要指标。实验结论的有效性程度。判断一个实验好坏的最关键标准
内部效度:在实验情境下自变量真实地解释因变量的变异的程度
内部效度影响因素
历史（经历)
成熟或自然发展的影响
选择
测验
被试的亡失
统计回归
仪器的使用
选择和成熟的交互作用及其他
外部效度:指实验结论推广到整个研究总体去的正确程度
外部效度影响因素
测验的反作用效果
选择偏差与实验变量的交互作用
实验安排的反作用效果
重复实验处理的干扰
事后检验
在一个试验中，主效应的F值显著，我们拒绝了虚无假说，接受了备择假说，表明了主效应的存在
通常自变量的水平大于2时，通过接受或拒绝一个全无假说不能提供对主效应结果的完整解释，在很多情况下，研究者还需要对一些特定、更详细的假说进行比较
变量重复及变量分析
控制变量
实验者不研究的相关变量也叫控制变量
分类
实验者效应
要求特征
期望效应
安慰剂效应
来源
刺激因素
设计自身因素
主试因素
环境因素
额外变量的控制
排除法
恒定法
匹配法
随机化和抵消平衡法
统计控制法
纳入法
优缺点
优:将复杂问题简单化
自变量
是实验中实验者所操纵的，对被试产生影响的变量
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
主观指标
被试的口语记录
对自变量的控制(操纵)
对自变量下操纵定义
确定自变量的各个水平
标准测量仪器，保证研究的内在效度
控制呈现刺激的方法
因变量
由操纵自变量而引起的被试的某种特定反应
作业变量
环境变量
被试变量
对因变量的控制
反应控制
在以人为被试的实验中，对反应的控制往往通过指导与，有明确的操作定义
选择恰当的因变量指标
必须满足有效性，客观性，数量化，可能性和敏感性。
避免量程控制
因变量可测量，反应指标可量化。如:天花板效应和地板效应的避免
无关产量
对因变量不产生影响的实验条件
样本实验设计
小样本设计
ABA设计(反向设计)
A:基线水平
B:实验处理后的成绩
A:作用是去除B阶段中其他因素影响行为的可能性，不再使用任何自变量，以观察行为是否返回到原来的基线水平。
AB设计
ABAB设计
小样本设计是被试内设计的一种变式,实验时它向人数较少的被试或单个被试呈现自变量的不同水平或处理方式。由于测验的被试人数很少，因此需要在相当经济和高度控制的实验中对每一个被试进行大量观察，并进行记录。
多样本设计
ABBA设计
AB+休息+BA，AB和BA其实是抵消了顺序效应
多种变量实验设计
考察两个或两个以上的自变量（或因素）对因变量的影响，包括多因素组间实验设计、多因素组内实验设计和混合实验设计。
多自变量实验设计
优点
可以获得交互作用
实验控制较好
效率高
多因变量实验设计
可以增加实验结果的普遍性
存在变量间的相互关系
被试间实验设计和被试内实验设计
被试间实验设计
指要求每个被试（组）只接受一个自变量水平的处理，对另一被试（组）进行另一种自变量水平处理的实验设计。
被试分配采用
分配法
步骤
先就某些与实验有着高相关的特性对所有被试进行测量；然后根据测得的结果匹配分组让实验组和控制组相等
随机化法
用法
如果总体中的所有成员都有同等机会被抽取到任一处理组，那么可以期望随机分别形成的各处理组的各种条件和机会均等
被试间设计的局限
所需要的被试数量巨大:由于每一个自变量的每一个水平都需要不同的被试,当实验因素增加时,实验所需要的被试数量就会迅速增加
由于接受不同处理的总是不同的个体,因此被试间设计从根本上是不能排除个体差异对实验结果的混淆的,而匹配和随机化技术也只是尽可能地缓解而不是根治这一问题.
被试内实验设计
重复测量设计:将所有被试轮流在备种实验条件下接受实验处理，即将所有被试分配到不同的自变量或自变量的不同水平下进行实验。
被试内设计的练习效应和疲劳效应的顺序平衡方法
ABBA技术(随机区组设计)
消除练习误差和疲劳误差
拉丁方设计
被试内设计的局限
在一种实验条件下的操作可能会影响后继的另一种实验条件下的操作，而带来实验顺序的问题i相同的被试要重复接受不同的实验处理，而不可避免地会产生练习或疲劳效应。
混合实验设计
事后实验设计
事后回溯设计（ex post facto design）是非实验设计类型。在事件发生之后，研究者系统地搜集相关资料，经过分析、比较、推理、判断，进而发现现象之间的前因后果关系，获得一定研究结论的方法。
