十、常用试验设计分析方法

•常用单因素实验设计类型和方法
（一）完全随机设计（completely random design）
优点：简单易行，统计分析简单，即使各处理组例数不等， 也不影响实验结果的统计分析，常用ｔ检验、方差分析或 Kruskal-Wallis秩和检验进行统计分析。
缺点：试验效率不高，只能分析单个因素，且要求实验单位 有较好的同质性，如果同质性不好，则需要观察较多的样本 量。
一、基本概念
总体与样本（注意：样本要有代表性）
总体（population）是指根据研究目的所确定的所有同质的 观察个体的集合（全体），样本（sample）是指来自总体的 部分观察个体。
处理因素与非处理因素、水平
处理因素（实验因素、研究因素，简称因素），是指在实验 中根据研究目的而施加给实验对象的各种人为设置的干预措 施。非处理因素是指实验中非人为干预的因素，如实验动物 的雌雄、体重，受试者的性别、年龄、病情，实验时的季节、 气温等。
No RAN rRAN group
1 17
4 T1
2 2 22 10 T3
3 3 31 12 T3
4 4 15
8 T2
5 58
7 T2
6 6 35 14 T4
7 7 17
9 T3
8 8 22 11 T3
9 93
2 T1
10 10 5
3 T1
11 11 7
5 T2
12 12 2
1 T1
13 13 31 13 T4
也可将读取的N个随机数从小至大排顺序，得到N 个序号R，再根据R进行分组，即按R所在区间决定实 验单位应接受的处理。
4. 有必要时可对分组结果进行组别调整。
假如共有n例，需要从中抽取1例，则读取一个位数 与n相等的随机数，除以n后将得到的余数作为所抽实 验单位的序号（规定：如整除则余数为n）。

例 若 将 20 个 实 验 单 位 随 机 等 分 为 四 组 。 对 2 位 随 机 数 字 规 定 ， 00~24 为 甲 组 ， 25~49 为 乙 组 ， 50~74为丙组，75~99为丁组，分组结果如下：(3\4\6)
检验效能
检验效能（power of a test），又称把握度（power）， 记作1-β，指当两个（或几个）总体存在差异时，经假 设检验能够发现该差异的可能性大小。 ● 1 与 、 、 、N 有关。
● 假设检验为“阴性”结论（P>0.05)时, 不能
简单地下“处理无效”的结论，而应该检查一下 是否是检验效能不足。
实验设计的作用主要是减小误差、提高实验的 效率。因此，从统计方面说，根据误差的来源， 在设计时必需遵守三个基本统计学原则，即对 照（control）原则、随机化（randomization） 原则及重复（ replication ）原则。重复和对照 也是观察性研究必须遵循的原则，唯有随机化 分组是实验性研究的显著特征。
简单随机化分组方法不能保证分组后各组例数相等， 但当受试对象总例数较多时（如N>200），两组例数相
差悬殊的概率较小。尽管如此，在正式试验前最好先检
查一下随机分配表（即分组过程及结果表）中各组例数 是否大致相当。如果发现相差悬殊（如100例分两组，A 组15例，B组85例），可以重新制定随机化分配表。 有些研究希望各组例数相同。当各组例数不相等时， 可从例数较多的组中随机抽取一部分受试者补充到例数 较少的组，使各组例数相等。
方法又有许多不同的类型。实验设计是关于数据采集、统计
方法应用和得出结论的关键步骤。如实验设计出现错误，不 论用什么统计方法进行数据处理也无法得到正确的结论。因 此，在医学科研中只要条件允许，应尽量在良好的实验设计 的基础上采集数据。医学研究中常用的实验设计类型和方法

试验设计方法试验设计是科学研究中非常重要的一环，它能够帮助研究者准确地获取数据，从而进行科学分析和结论。

在进行试验设计时，需要考虑多种因素，包括实验目的、实验对象、实验过程等，下面将介绍一些常见的试验设计方法。

首先，完全随机设计是一种常用的试验设计方法。

在这种设计中，实验对象被随机分配到不同的处理组中，以确保实验结果的客观性和可靠性。

这种设计方法适用于需要比较不同处理效果的实验，如药物治疗效果的比较试验等。

其次，区组设计是另一种常见的试验设计方法。

在这种设计中，实验对象根据某种特定的特征被分成若干组，然后每组内再进行完全随机设计。

这种设计方法适用于需要考虑不同因素交互作用的实验，如农田施肥试验等。

另外，阶段设计是一种针对长期实验的设计方法。

在这种设计中，实验过程被分成若干个阶段，每个阶段进行一次试验。

这种设计方法适用于需要长期观察的实验，如药物长期疗效观察试验等。

此外，嵌套设计是一种适用于多层次实验的设计方法。

在这种设计中，实验对象被分成多个层次，每个层次进行不同的处理。

这种设计方法适用于需要考虑多层次因素影响的实验，如教育教学实验等。

最后，因子设计是一种适用于多因素实验的设计方法。

在这种设计中，实验对象根据不同因素的不同水平组合进行处理。

这种设计方法适用于需要考虑多因素影响的实验，如工程材料试验等。

综上所述，试验设计是科学研究中非常重要的一环，不同的实验需要采用不同的设计方法。

研究者在进行试验设计时，需要根据实际情况选择合适的设计方法，以确保实验结果的准确性和可靠性。

希望本文介绍的试验设计方法能对您有所帮助。

北京市考研心理学专业常见实验设计与分析心理学作为一门研究人类心理及行为的科学，实验设计和数据分析是其研究过程中至关重要的环节。

本文将介绍北京市考研心理学专业中常见的实验设计方法以及相应的数据分析方法。

一、实验设计1. 随机分组设计随机分组设计是心理学实验设计中常用的一种方法。

研究者将实验对象随机分成两组或多组，其中一组接受实验条件或处理，而另一组则作为对照组。

随机分组设计能够控制实验中可能对结果产生干扰的因素，从而提高实验的可靠性和可重复性。

常见的随机分组设计包括前后对照设计、平行设计等。

2. 反向设计反向设计是一种用于测试因果关系的实验设计方法。

研究者首先观察结果，然后再逆向推导出导致该结果的原因。

这种设计方法通常用于研究一种行为或变量的影响因素，从而更好地理解特定行为或变量的产生原因。

3. 配对设计配对设计是一种用于探索两个相关变量之间关系的实验设计方法。

研究者在实验开始之前，先将实验对象按照某种特征进行分组，然后将同一组中的实验对象随机分配到实验组和对照组。

这种设计方法能够更好地控制实验中的混杂因素，提高实验结果的可靠性。

4. 因子设计因子设计是一种用于研究多个因素对结果产生影响的实验设计方法。

研究者通过改变多个因素的水平组合，观察结果的差异。

因子设计能够更全面地了解各个因素及其相互作用对实验结果的影响程度。

二、数据分析1. 描述统计分析描述统计分析是对收集到的数据进行总结和描述的方法。

常用的描述统计指标包括平均值、标准差、频数和百分比等。

通过描述统计分析，研究者可以了解样本的基本情况，并初步判断有无异常或离群值。

2. t检验t检验是一种用于比较两个样本均值是否存在显著差异的统计方法。

研究者可以通过t检验来检验处理组和对照组之间的差异是否达到统计显著水平。

3. 方差分析方差分析是一种用于比较多个样本均值之间是否存在显著差异的统计方法。

研究者可以通过方差分析来检验多个实验组之间的差异是否达到统计显著水平，并进一步分析不同因素对结果的影响程度。