一假设。 理想化的分析，一般是在结果分析后进行下一次实验。可能
导致假设越来越多等问题。
优点
灵活性 相对于析因设计有更高灵活性。
高效 不需要考虑贡献小的因素和水平
反馈
缺点
无交互作用 被试间设计
比较系列中不同实验的结果时 时间跨度长
需要在实验结果分析后才能做下次实验
总结
设计方法 2水平实验
多水平实验 析因实验
二.析因设计（Factorial Designs）
我们得到4×5×3×6×4×5设计 总共实验单元格是7200个
二.析因设计（Factorial Designs）
2.统计计算更困难。 3.高次交互作用有时很难解释。
有没有其他方法具有析因实验的优点而避开它的缺点呢？
三、会聚实验设计Converging-Series Designs
规则），四种处理水平的结合，字频是被试间变量，声旁 规则性是被试内变量 实验材料：160个汉字，每种处理水平40个汉字 被试：50名中学生，随机分成两组，每组25名，一组只阅 读高频字，包括高频-规则字和高频-不规则字，一组只阅 读低频字，包括低频-规则字和低频-不规则字 因变量：阅读汉字的反应时（每名被试阅读40个汉字的平 均反应时）
二.析因设计（Factorial Designs）
2×4 设计
2×3×4设计
二.析因设计（Factorial Designs）
优点 1、同时观察多个因 素的效应，提高了实 验效率； 2、能够分析各因素 间的交互作用；
解决问题的时间与领导的关系由组的大小决定
二.析因设计（Factorial Designs）
优点
决定一个变量是否有作用 结果易解释分析 对某些理论检验已充分 竞争理论
推断函数形状 自变量的范围限制变小
交互作用 降低统计敏感性 增加了推广效应而没有降低精确度
缺点
不能推断函数的形状 插值和外延比较冒险 复杂理论不能检验
需更多被试和时间 平衡 统计计算复杂
实验规模变大 统计计算更加困难 高维度交互作用难于解释
If（粗俗词时间=普通词时间） 有意识的反应抑制
否则：无意识的反应抑制
会聚实验
实验一前 单词特性
知觉防御
实验一后
×
知觉防御
实验二后
×
实验三后
无意识反应抑 无意识反应抑 无意识反应抑 ×
制
制
制
有意识反应抑 有意识反应抑 有意识反应抑 有意识反应抑
制
制
制
制
实验中我们操作了刺激材料，物理测量方法，人际关系。 也可以选择其他操作，如果会聚结果正确，都应该会聚到同
最初有很多可能假设可以解释实验现象，每做一个实验，可 以帮助我们排除一个或多个假设直到只剩下一个假设可以 解释实验现象。
实验
假设：人们报告感知到粗俗词语的时间是否比普通词语长 向被试展示4个词语，2个粗俗词（禁忌词）和2个普通词语。
使用速示器显示。被试被告知当认出词语后马上大声报 告出该词语。 结果：被试需要更长时间报告出粗俗语。
3.增加了实验的精确度和普遍性—相对于把环境作为一个控制量 跟随机变量时。
二.析因设计（Factorial Designs）
缺点 1.随着实验因素的增加实验越来越大。 例子：设计一个新的飞机驾驶舱 自变量：高度表指针长度 （4种） 高度表位置（5处） 空速指示器尺寸（3类） 空速指示器位置（6处） 手柄把手 高度（4处）长度（5种）
均反应时）
数据表
方差分析
计算公式
SSA
方差分析结果
阅读反应时/ms
交互作用图
640 620 600 580 560 540 520 500
规则
高频 低频
不规则
简单效应检验（simple effect test）
多因素实验设计中，当交互作用显著时，考察 一个因素在另一个因素的每个水平上的处理效 应，以确定该因素的处理效应在另一个因素的 哪个水平上是显著的
真实验：多因素实验设计
多因素实验设计的优点
单因素实验设计 • 只考察一个自变量对因变量的影响 • 忽略了其它因素，以及因素间的交互作用对因变量的影响 • 与实际情况不相符，结果的推论性低
多因素实验设计 • 同时探讨多个自变量对因变量的影响 • 能揭示多个变量间的交互作用 • 结果的推论性高
典型的两因素实验设计
会聚实验
灵活性 反馈
交互作用难以发现 被试间效应
分析了先前实验才能进行之 后实验。
为何理智被抛诸脑后：酒精对避孕套使用意愿的影响
2A（a1，a2）×3B（b1，b2，b3）的实验设计，6个处理 水平，A因素是被试内变量，B因素是被试间变量
6名被试，随机分配到B因素的三个水平上，每个水平两名 被试，每名被试接受A因素的所有水平
例子
汉字的频率和声旁规则性是否影响读者的阅读速度 自变量：2字频（高频、低频）×2声旁规则性（规则、不
会聚实验：一系列导向一个结论的实验。这些实验由单变量 实验和析因实验组成。
某些应用问题用析因实验解决的话会导致维数过多。我们可 以将之分为一系列较小的析因实验（对过多变量的交互 作用不感兴趣）。当发现某个处理的最优值，可以将其 控制在这一水平作为控制变量。
会聚操作
设计一系列实验会聚到一个实验假设上来检验假设。这些假 设解释一个已经观察到的行为。
才报告出来。
实验
现在我们共有4中对实验结果解释的假设。 我们将通过会聚操作进行一系列实验来排除某些假设。
实验一
是否是单词特性的影响。 使用2个不同的粗俗词语和普通词语，重复上述实验。 结果：
if（粗俗词汇需要时间长） 排除单词特性的影响
if（粗俗词时间=普通词时间） 单词特性影响的可信度增加
实验二
实验
结论：支持假设——人们对粗俗词语有知觉防御。 是否可以得出支持知觉防御的结论？
实验
其他可以解释该实验结果的假设： 单词特性可能影响了反应时。如普通词为高频词汇，粗俗词
可能不太常见。 无意识的反应抑制：被试认出4个单词的时间相同，但是无
意识的反应抑制知道不能避免时才报告出来。 有意识的反应抑制：识别时间相同，但是当被指做好准备后
被试分配模式
2A（a1，a2）×3B（b1，b2，b3）的实验设计，6 个处理水平，两名被试
例子
汉字的频率和声旁规则性是否影响读者的阅读速度 • 自变量：2字频（高频、低频）×2声旁规则性（规则、不规则），
四种处理水平的结合，都是被试内变量 • 实验材料：160个汉字，每种处理水平40个汉字 • 被试：25名中学生，每名被试阅读了所有处理水平结合的汉字 • 因变量：阅读汉字的反应时（每名被试阅读40个汉字的平均反应
时）
数据表
方差分析
方差分析结果
在SPSS中的计算
两因素混合实验设计
基本特点 • 两个自变量，每个自变量有两个或两个以上的
水平，如p×q个处理水平 • 两个自变量一个是被试内变量，另一个是被试
间变量 • 研究者对被试内变量的效应以及两个因素的交
互作用更感兴趣
被试分配模式
将被试随机分配到被试间变量的各个水平，使每个被试接 受与被试间变量的某一水平相结合的被试内变量的所有水 平
假设第一个实验已经排出了单词特性的影响。 是否是无意识反应抑制
已知皮电反应可以指示对刺激的情绪变化。 实验中测试被试的皮电反应。 结果
if（直到被试报告出粗俗词屁颠反应才变化） 知觉防御
否则排除知觉防御假设
实验三
假设已经排除了知觉防御假设 假定主试性别会影响反应抑制。当主试与被试性别不同时，
有意识的反应抑制发生。 实验中主试与被试性别相同。 结果：
三因素被试内设计
各种非重复测量设计的平方和与自由度
各种被试内实验设计的平方和与自 由度
各种混合实验设计的平方和与自由 度
二.析因设计（Factorial Designs）
析因设计是一种多因素的交叉分组设计。它不仅可检验每个因 素各水平间的差异，而且可检验各因素间的交互作用 。
实验：一个具有领导的小组是否比没有领导的小组能更快地达 成共识。 自变量：有没有领导、小组人数、性别…. 因变量：问题解决的时间
总结（两因素实验设计）
两个自变量，每个自变量有两个或两个以上的水平，如 p×q个处理水平
两因素完全随机实验设计 两个自变量都是被试间变量
两因素被试内实验设计 两个自变量都是被试内变量
三因素实验设计
三因素完全随机实验设计
重复测量一个因素的三因素实验设计
重复测量两个因素的三因素实验设计
数据表
方差分析
方差分析结果
在SPSS中的计算
两因素随机区组实验设计
适用条件 研究中有两个自变量，每个自变量有两个或多个水平 研究中有一个无关变量，且这个无关变量与自变量之间没
有交互作用，研究者希望分离出这个无关变量的变异
被试分配模式
பைடு நூலகம்
平方和分解
SS总变异 = SS处理间+SS处理内= (SSA+SSB+SSAB)+(SS区组 +SS残差)
被试分配模式
2A（a1，a2）×3B（b1，b2，b3）的实验设计，6 个处理水平，12名被试
例子
汉字的频率和声旁规则性是否影响读者的阅读速度 • 自变量：2字频（高频、低频）×2声旁规则性（规则、不
规则），四种处理水平的结合，都是被试间变量 • 实验材料：160个汉字，每种处理水平40个汉字 • 被试：100名中学生，随机分配到四个处理水平 • 因变量：阅读汉字的反应时（每名被试阅读40个汉字的平
计算公式
规则性在高频 水平上处理效 应是否显著
频率在规则字水 平上的处理效应 是否显著
简单效应分析结果