实验心理学-第123章

按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！


分数增大时所表现的那样（见表B…3）。同样，正如框B…6中独立组f
检验的公式所示，如果我们保持平均数之间的差异不变，而增加样本
容量（”），那么随着分母的变小￡值就会增大。这同样可以使得我们
的检验更具效力并拒绝更多的虚无假设。因而在有些情况下，即使
平均数之间的差异很小，它仍有可能具有统计显著性。通常当我们
进行一项实验时，会期望平均数之间存在真实的差异——自变量具
有大的作用（效果）。然而，对于一非常有效用的实验而言，印使平均
数之间的差异相当小，我们仍旧可以检测出差异。在后一种情况下，
也许我们不清楚这种差异究竟是归之于一有效用的自变量，还是应
归之于一相当有效力的统计检验。
　　　　我们如何才能知道实验确实是拥有一个具有相当效用的自变量
呢？为了确定自变量“效果的重要性”，我们需要一种方法揭示某一
特定组可以用来预测行为的程度。在框B…6的例子中，我们可以进行
这样一种计算，使得我们在判断一只实验鼠究竟是接受了安慰剂还
是接受了LSD药物时，心中多少有点数。所需的信息就是一个相关
系数，因为我们想要预计一只实验鼠究竟经过了怎样的处理，其方式
与框B…1中我们想依据头围来预测记忆分数的情形极其类似。在我
们进行一次f检验之后，就可以接着计算一下相关，以评估实验效果
的重要性。此处较为合适的相关系数为‰，称为点二刊相关，公
式为：
　　　　r=／巧可q=万）　　　　（B…13）
r。的值应在o至＋1。　00之间。根据习惯，相关系数在0。3以下的便
83097　qzone　qq…
黼看躺咨询　　　　／615
　　　　…f…一
附录B统计推理：导论／
认为相关较小，在0。　31至0。5之间的视作中等，超过0。5的相关值
便认为很可观的了（Thompson和Buchanan，1979）。在框B…6中，　　517
f一3。　27，df一38，从公式B…13我们不难得出rM一0。47。可以认
为这是一个中等程度的效果，用该公式同样能计算出框B…7中的
‰，你不妨尝试一下。
　　　　效果的重要性还可由其他的方法算出，我们暂不在此讨论F检
验中所用的方法，稍后便会作介绍。但不论对于什么样的统计检验，
逻辑都是一样的，即：推断统计能够告诉我们，在多大程度上我们可
以判定虚无假设是错误的。在另一方面，相关系数，如‰，又测量了
自变量效果的重要性有多大——虚无假设错误的程度有多大
（　Thompson和Buchanan；　1979）。
　　　　效果重要性的测量还有另一个重要的用途，它也同依据样本容量
来拒绝虚无假设有关。假设我们进行了一项实验，发现￡值不足以拒
绝虚无假设，尽管平均数之间的差异也并不是零（即仍存在差异）。z
值之所以太小的一个原因可以归之为样本的容量，样本容量太小就检
验不出平均数之间存在着的差舁的统计显著性。在这种情况下，慎重
的研究者就会对自变量作用的大小作恰当的假设，如计算q。如果相
关系数的值达到中等或很高，那么，增加实验中的样本容量以拒绝虚
无假设就不失为一明智之举。获得具有统计显著性的结果非常重要。
但行百里半九十，即使有统计显著意义但差异却相当小的话，同样不
见得令人满意。而实验的自变量效果很可观，却叉找不到统计显著性
时，意味着你已遇到了什么，此时增加统计的效力是当务之急。
方差分析
　　到现在为止，我们所讨论的实验都只有两种条件，一个实验条件
和一个控制条件，彼此相互对比。但大多数的心理学研究已超越了
这样的阶段。研究者们不再是简单地呈现或不呈现一些自变量，而
是常常有系统地变化自变量的大小与数量。在我们前述的关于
LSD药物对老鼠奔跑速度产生影响的例子里，如果将注射的LSD药
他提
M，
∥润
雕圆
n质
h芷日
黠
吧文
船圉
。频
坞视
81
g程
几千
。主
班川
他业
M专
g理
式心
方学
系大
联范
久师
水京
撬◆
芸推
r1
u
TL。　028　8194　2202日址：http：　i1747883097　qzone　qq…
干课程DS视频图文并茂，音质圆润，提供试看　　期待咨询
物量加以变化，可能会发现许多非常有价值的信息。也许低剂量药
物的作用和高剂量的注射效果会有很大的差别。但如果仅仅通过二
组的实验设计，给一组老鼠注射一定量的LSD，另一组不注射，那么
我们对上面的问题很难决断，因此必须采取一种多组的设计。为了
对多组的实验结果加以评估，我们必须采用方差分析，特别是简易方
差分析。当一个因素或自变量（如LSD的药物量）系统地发生变化
时，我们就可采取简易方差分析。所以它也可称为单因素方差分析。
当然，实际中研究者感兴趣的往往是更为复杂的情况，他们也许会对
两个或更多的因素同时发生变化时的情形更感兴趣。在二因素或多
因素的实验设计中，方差分析仍旧适用，不过要复杂得多。在本附录
中，我们将向您介绍简易方差分析和二因素方差分析（ANOVA）的
逻辑。但在我们的例子和讨论中，将只讨论被试间实验设计的情况。518
被试内设计的方差计算与之相比有所不同。
　　　　方差分析的步骤从本质上说就是一种对方差估计值之间的比
较。我们已经讨论过方差的概念，以及从一组特定的样率观察值来
估计方差的方法。如果此时你不太清楚的话，不妨回到本附录前面，
重温一下离中趋势测量中有关方差的概念。前面讲过对总体方差的
无偏估计公式是：
　　　　n。　　E（X　…X蔓
　　　　0　0：　　　　（B…14）
　　　　s'一_再丁
并且如果分数与平均数的离差较大，那么方差也大。同理＋如果离差
小的话，方差就小。
　　在方差分析中，要进行两项独立的方差估计。一是根据不同实
验组之间的变异性所作的估计：不同实验组平均数彼此之间的差异
有多大。实际上组间方差的计算是通过比较每组平均数与实验中所
有分散的平均数之间差异而获得的。各组平均数之间的差异越大，
组间方差也越大。
　　除此之外，还需进行的是组间方差的估计。这一概念在如何从
每一个样本中估计方差时已讨论过了。现在我们再来看一下如何寻
找到一个组内方差的估计值。由于该估计值对于所有组的被试都具
83097　qzone　qq…
黼看躺咨询　　　　/　617
　　　　。。；；。。。。。。。。。。。。。。。。。。。。。。。。。。。。｛：。。。。。。。。。。。。。。。。。。。。。。。。。。。。。．一
　　附录且统计推理：导论／
代表性，故我们将这些组方差的平均数作为组内方差的估计。组内方
差能够帮助我们估计各组内被试之间彼此差异的程度（或同本组平均
数之间的差异程度）。简而言之，我们获得了两个方差的估计值：一个
是组闻的方差，一个是组内方差。那么这样做有什么意义呢？
　　　　检验不同组或条件下分数的差异是否可靠，基本的逻辑如下。
虚无假设认为，在不同条件下的所有被试皆是来自于同一个潜在总
体，实验变量没有任何效用。如果虚无假设为真，不同组中的所有分
数皆出自于同一总体的话，那么组间方差就应该与组内方差相等。
不同组平均数之间彼此的差异因而也就不会比组内各分数之间的差
异来得大或小。如果要想拒绝虚无假设的话，组间均数的差异必须
要比组内各分数之间的差异来得大。实验组之间的方差（差异）越
大，自变量就越可能已经发挥了效用，尤其是如果组内方差较低时。
　　　　最先提出这一思想的是英国杰出的统计学家费希尔（　Fisher，
R．A．）。该检验以他的名字命名因而称为F柱验。F检验就是组
间方差估计值与组内方差估计值之间的比：
　　　　F一揣麓　　　　（B…15）
根据刚才上述的逻辑，虚无假设时F的比值应为I．00，因为此时组519
间方差与组内方差相等。组间方差越是比组内方差大，F的比值就
越是比1。　00大，因而我们也就愈加有信心拒绝虚无假设。至于F
比值必须比1．OO大多少则取决于实验的自由度，或测量允许变化的
自由程度。这同时取决于实验组或条件的个数和每一组中观察的次
数。自由度越大，所需的用以判定实验具有可靠效用的F值就越
小，从附录C表F中所列的数值中我们不难发现这一点。接下来＋
请你仔细地跟随框B…8例子中的计算，感受一下方差分析。
　　　　如果简易方差分析显示实验条件之间存在可靠的差异，这仍旧
没有告诉我们所有我们想要的信息。尤其是，我们仍然很想知道具
体是哪一个条件同其他的有所不同。这对于实验中定性地操纵自变
量的情况而言更为重要。自变量的定量变化是指在实验中，对自变
量加以数量上操纵的情况（例如，LSD药物的剂量），而定性变化则
他提
M，
∥润
雕圆
n质
h芷日
黠
吧文
船圉
。频
坞视
81
g程
几千
。主
班川
他业
M专
g理
式心
方学
系大
联范
久师
躲●
芸荐
芸推
　　　　：㈣：　747883097　TL。　028　8194　2202日址：http：　i1747883097　qzone　qq　
618零翠嚣磊黩享勰；！
　　　　，理学专业20门主干课程DS视频图文并茂，音质圆润，提供试看　　期待咨询
　　　　／实验心理学
是指实验条件发生了改变，但叉不是以容易确定的定量变化的方式。
定性变化的例子如指导语的操纵，不同的实验条件是由于在实验开
始时指导语的不同。在这种情况下，我们不能简单地下结论说＋实验
条件之间存在可靠的差异。我们所感兴趣的是，了解究竟是哪一个
特定的条件下产生了差异。要回答这一问题，我们必须在简易方差
分析之后再进行有关的检验。在这些随后的检验中，我们将依次挑
选两种实验条件进行比较，以确定是哪对条件之间产生的可靠差异。
有许多不同的统计检验堪当此任。我们可以将各组成对地进行方差
分析，但通常会进行一些其他的检验，包括纽曼一丘尔斯检验（New…
man…Keuls　test）、谢费检验（Scheffe　test）、邓肯多级检验（Duncan's
multiple…range　tes0、图基HSD检验（Tukey's　Honestly　Significant
Differences　test）和邓尼特检验（Dunnett's　teSt），这些检验的假设
与效用各有不同，如果你需要使用其中一种后继检验的话，可以查询
有关的统计学教科书。
　　　　多元方差分析
　　　　有关行为研究的一个令人头疼的方面是，很少有通过简单或单
因素的解释就能将问题说明白的。即使是在实验室条件下的最为简
单的行为，也是同时受多因素影响的。为了发现这些行为的多重决
定因素以及它们彼此之间的交互作用，我们进行的实验必须有多于
一个的因素同时发生变化。对于这样的实验结果进行适当分析的方
法称为多元方差分析。这种方法应该对包含任何个因素的实验结果
分析都有效，但在实际运用中，很少会有多于两个的因素被同时加以
操纵·当实验中包含二因素时，该分析就称为双向ANOVAr对于三
因素的情况而言，该分析就称为三向ANOVA；以此类推。
　　　　框B_B简易方差分析曲计算　　　　520
　　设