两因素混合设计

1、重复测量一个因素的两因素实验设计：两因素混合设计一、两因素混合实验设计的基本特点当一个实验设计既包含非重复测量的因素（被试间因素），又包含重复测量的因素（被试内因素）时，叫做混合因素设计，混合因素设计是现代心理与教育实验中应用最广泛的一种设计，虽然我们说对被试变量 控制最好的实验设计是重复测量设计，但在心理与教育研究中，很多情况下研究者不能使用完全被试内设 计，而需要使用混合设计。两因素混合实验设计适用于这样的研究条件：1. 研究中有两个自变量，每个自变量有两个或多个水平。2. 研究中的一个自奕量是被试内的，即每个被试要接受它的所有水平的处理。研究中的另一个自变量是被试间的，即每个被试只接受它

2、的一个水平的处理，或者它本身是一个被试变量，是每个被试独特具有、而不可能同时兼备的，如年龄、性别、智力等。3. 研究者更感兴趣于研究中的被试因素的处理效应，以及两个因素的交互作用，希望对它们的估价更 加精确。相比之下，被试间因互不的处理效应不是研究者最感兴趣的。两因素混合设计的基本方法是：首先确定研究中的被试内变量和被试间变量，将被试随机分配给被间 变量的各个水平，然后使每个被试间变量，将被试验机分配给被试间变量的某一水平相结合的被试内变量 的所有水平。混合实验设计既具有完全随机设计的特点，又有重复测量实验设计的特点。图解中可以看出，在一个两因素混合设计中，对于A因素来说，实验设计很完全随机设

3、计，每个被试只接受一个水平的处理，对于B因素来说，是一个重复测量设计，每个被试接受所有水平的处理。同时，它又是一个因素设计，每个被试接受的是A因素的某一个水平与 B因素所有水平的结合。一个两因素混合设计所需的被试量是 N=nP,少于一个两因素完全随机设计 （N=npq），多于一个两因素被试内设计（N=n）。混合设计在心理与教育研究中是特别有用的，下面我们介绍在几种情况下，需要使用混合设计：1. 当研究中的两个变量中有一个是被试变量，如被试的性别、年龄、能力，研究者感兴趣于这个被试 变量的不同水平对另一个因素的影响。这时，每个被试不可能同时具有这个变量的几个水平，因此，它是 一个被试间变量。如果

4、实验中选择了这样一个被试变量作两个自变量之一，就必须使用混合设计。2. 当研究中的一个自变量的处理会对被试产生长期效应，如学习效应时，不宜做被试内设计。因为如 果将对被试有长期影响的变量反复施测给同一被试，学习效应会导致结果失去真实性。3. 有时选用混合设计是出自对实验的可行性的考虑。例如，当实验中两个因素的水平数都较多，使用 完全随机设计，所需要的被试量很大，而选用被试内设计，每个被试重复测量的次数很多，会带来疲劳、 练习等效应。这时，混合设计可能是一个很好的选择。但是，把哪一个变量作被试内变量，哪一个作被试 间变量更好呢？在混合实验设计中，被试间因素的处理效应与被度的个体差异相混淆，因此结

5、果的精度不够好。但是,实验中被试内因素的处理效应及两个因素的交互作用的结果的精度都是好的，所以，如果研究中的一个自 变量的处理效应不是研究者最关心的，可以把它作为被试间因素，牺牲它的结果精度，以获得对另一个变 量的主效应及两上变量的交互作用的估价的精度。二、两因素混合实验设计与计算举例（一）研究的问题与实验设计1、在第三章关于文章生字密度和主题熟悉性对阅读理解影响的研究中，我们已经看到，当采用随机区设 计分离出一个被试变量一一学生听读理解能力量，提高了检验的敏感性。要想更好地控制被试变量，有 bb1、b3三个水平，将主题熟悉性作为一个被试间变量，有a、日2两个水平。这是一个 2X3两因素混合设

6、计。8名五年级学生被随机分为两组，一组学生每人阅读三篇生字密度不同的、主题熟悉的文章，另一组学生 每人阅读三篇生字密度不同的、主题不熟悉的文章。实验实施时，阅读三篇文章分三次进行，用拉丁方平 衡学生阅读文的先后顺序。（二）实验数据及其计算1. 计算表表4 1 1两因素混合实验的计算表ABD表b1b2b3IS34512已1S266619S344513S432217S5481224a2S6591327S7381223S371121AB表b1b2b31n=4a1 a215151632194851953148672.各，nZ 5i 4n种基本量的计算p q:无Yjk =3+6j4 kAp q+ 川川=

7、146.00(2 2 Yjk)22亠卄册888.167npqn P qZZZ Yj2 =ABS =(3)2 +(6)2川川=1140.000q 2n p(2：Yijk)Z S =ASi 1 y q=999.333n qp 5：任 Yjk)2Z =A=ki nq=968.833n Pq (2S Yjk )2Zi i j壬k 土np=969.250np q (送 Yjk)2j zt k ztn= B= AB“3+ 32(51).2十(95)(3)(3)(31)2+ (48)2(2)(4)(2)_(16)2-4+(16)2.42+IIIIII2+ (67)2(4)(2)i 1 j 4 k4=1106

8、.5003. 平方和的分解与计算(1) 平方和的分解：SS总变异=SS被试间+SS被试内=(SSA+SS被度(A) )+(SSB+SSAB+SS被试(A)(2) 平方和的计算：SS 总变异=ABS- Y=251.833SS被 试间=AS-Y=111.166SSA=A-Y=80.666SS 被试(A) =SS 被试间-SSA=30.500SS被试内=SS总变异-SS被试间=140.667SSB=B-Y=81.083 SSAB=AB-Y-SSA-SSB=56.584SSBX 被试(A) =SS被试内-SSB-SSAB=3.0004. 方差分析表及对结果的解释表 4 1 2两因素混合实验的方差分析表

9、变异来源平方和自由度均方F1.被试间111.166np-1=72.A（主题熟悉性）80.666P -1=180.66615.87*3.被试(A)30.500P(n-1)= 65.0834.被试内140.667np (q-1)=165.B（生字密度）81.083q-1=240.542162.17*6.AB56.584(P -1)(q-1)=228.292113.17*7.B X被试(A)3.000p (an-1)(q-1) =120.25Foi (1,6)=13.74F.01 (2,12)=6.93O。方差分析表中，我们还可以看到, 主题熟悉性的F检验的误差项是F检验的误差项是 Mse=0.25

10、0 o方差分析的结果表明，文章熟悉性(A因素)的主效应是统计让显著的字密度(B因素)的主效应是统计上显著的 (F, (2,12)=162.17,Pv.01) 也是显著的(F,(2,12)=113.17,PV.01) 检验使用了两个不同的误差项。其中， 和主题熟悉性与生字密度交互作用的(F)(1,6)=15.87, PV.01) 。文章生 主题熟悉性与生字密度的交互作用 两个主效应和一个交互作用的FMse=5.083，而生字密度的 F检验5. 平方和与自由度分解图解两因素混合实验设计的平方和与自由度的分解图 4 1 26. 对平方和分解与计算的一些解释(1) 各种平方和的含义：SS总变异一在一个

11、重复测量实验中，总平方和首先被分解为被试间平方和与被子试 内平方和。SS被试间一在两因素混合实验中，被试间平方和包括被试间因素引起的变异和与被 试间因素有关的误差变异。SSA被间A因素的处理效应。SS被试(A)与被试间因素有关的误差变异，其均方用作A因素的F检验的误差项。SS被试内一在两因素混合实验中，被试内平方和包括被试内因素的处理效应、被试 内与被试间因素的交互作用，以及与被试内因素有关的误差变异。 SSB-被试内因素B因素的处理效应。SSAB-B因素与A因素的交互作用。SSx被试一与被试内因素有关的误差变异，其均方用作B因素及AB交互作用的F检验的误差项。F检验共同使用一个误差项，而在两

12、因(2) SS 被试(A) 和 SSBX 被试(A) 的实质。 在前几章介绍的非重复测量实验中，处理效应及其交互作用的素混合实验中，一个很大的不同是：不同的处理效应的F检验使用了两个不同的误差项：用SS被试(A)的均方去检验被试间因素的处理效应，用SSx被试(A)的均方去检验被试内国素的处理效应。这两上误差变异有什么不同呢？下面，我们利用直接坟算法对两个平方和平共处进行重新计算，我们会发现，SS被试(A)实质上类似于一个完全随机实验中的 SS组内，而SSBx被试(A)类似于一个随机区组实验的中SS残差。首先，我们来看SS被试(A)。如果我们忽略B因素，把每个被试在 B因素的3个水平上的观察值之

13、和作为 一个数据，可以得到一个单因素完全随机设计，它的计算如下：aa2n=3S=12S5=24S2=19S6=27S=13S7=23S=7S8=215195AS表1.计算表I2. 各种基本量的计算Y=(146) 78=2664.500AS=(12) 2+(19) 2+=2998.00A=(51) 74+(95) 74=2906.5003. 平方和的计算SS 组间=A-Y=242.000SS 组内=(AS-Y)-(A-Y)91.5如果我们将SS组间和SS组内分别除以3，会发现它们完全等同于例题中的SSA和 SS被试(A)，即:= SSA = 80.6663SS组内3 = 被试(A)=30.5所以

14、在混合因素设计中的L MSA SSA/(P -1)F =SSa间=15.87MS被试(A)Sg皮试(A) / P(n -1)类似于完全随机设计中的MS组间SS组间/(P -1)F =15.87MS组内SS内组 / P(n -1)同时，我们知道，完全随机实验中的组内误差变异(SS组内)等于各处组内的误差变异之和。如果我们分另卅算a1和a2水平的处理组内的误差变异，同样可得到组内误差变异(SS组内)。计算如下：SS组=(12 2 + 192+川川)-斗=72.754SSm = (242711( b-(95 =18.754SS组内=72.25 +18.75 =91.50这样，我们从另一个角度进一步揭

15、示了SS被试(A)的实质，它相当于嵌套在 a1和日2水平内的两个单因素完全随机实验的组内误差之和。我们再来看SSx被试(A)的实质，如果我们分别观察的计算B因素在a1和a2水平上的数据，可以得到两个单因素重复测量设计，它们的计算方法与单因素随机区组设计的计算相同。1.计算表在a1水平的BS表在a2水平的BS表b1b2b3Ib1b2b3IS134512S5481224S266719S6591327S344513S7381223S43227S8371121y16161951y153248952.各种基本量及平方和计算(1) 在ai水平的数据的计算：BS1=(3) 2+(6) +=245.000B1

16、=(16) 74+(16) 74+ =218.25051 =( 12)73+(19) 73+ =241.000Y1=(51) 712=216.750SS 残差(a1)=(BS1-Y1)-(B1-Y1)-(S1-Y1) =BS1-B1-S1+Y1 =2.5000(2) 在a2水平的数据的计算：BS2=(4)B2=(15)52 =(24)Y2=(95)2 2+(8) +=895.0002/4+(32) 2/4+ =888.2502/3+(27) 2/3+ 758.2502/12=752.083SS 残差(a2)=BS2-B2-S2+Y2.503下面我们检查两个残差平方和是否差异显著：厂 2.500, MF =4.970.503可以看出它们的差异下显著。下一步，我们把两个残差平方和相加:S&差(P ooled) =2.500+0.503=3.003SS残差(ai) + SS残差(a 2)M残差(PO 冋(n-1)(q-1)+(n-1)(q-1)2.500 +0.503=0.2512我们发现，当用随机区组实验的方法分别计算a1和日2水平的数据，然后把两个残差平方和相加，所得到SS残差(P。oled)和MS残差(POoled)正好等于混合因素设计中的SSx被试(A)。同时，我们知道，在一个单因素重复测量或随机交互作用。交互作用的残差平方和是随机误差，因此，我们