实验心理学（第五讲 被试间实验设计）

null第三章 被试间设计 第三章 被试间设计 实验设计：是指一种用来分派被试到各个实验条件的计划，或是指用来决定各种实验条件实施顺序的计划。（每个被试只接受自变量一个水平的处理）。 实验设计的目的：最大限度地减少额外的或未控制的变异，因而增加实验结果的可靠性。 被试间设计被试间设计什么是被试间设计 被试间设计举例 被试间设计 评价 LEC评价法下载LEC评价法下载评价量规免费下载学院评价表文档下载学院评价表文档下载 被试间设计的等组问题 随机组设计 匹配组设计null被试间设计:每个被试只接受自变量的一个水平或者自变量结合的一个结合水平下的实验处理经典例子：勒温的“挫折实验”经典例子：勒温的“挫折实验”nullnull被试间实验设计的等组问题被试间实验设计的等组问题第一节 随机组设计 第一节 随机组设计 随机抽取的意思是指在总体中的每一个单位都有相同的机会被选取出来。 我们由随机抽取的样本所得的测量值并不是每一次都能很正确地估计其总体的值，也就是说，如果我们从总体抽出两个随机样本，这两个样本的平均数不会完全相同。但是我们也不认为它们的差异会达到“统计上的显著水平”（statistically significant）。当然我们这样认为有时是会犯错误的。一、结果的概括化 一、结果的概括化 对于心理学实验来说，统计抽样理论引发出两个重要的问题： 第一，整个随机组设计的概念是建立在一个假设上：即如果我们在同一个条件下测量两个（或多个）样本，则它们之间的平均数并不会有统计上的显著差异。因此，如果让这些随机样本接受不同的实验处理或实验条件时，发现各样本所得出的平均数有统计上的差异，则可以推论此差异是由于实验处理不同所致。 null第二，我们在实验时，几乎从不对某一特定的总体进行随机的抽样。 我们之所以不这样做是因为（1）无法确定这种特定的总体划分具有什么样的意义。例如：我们不会将选修心理学实验设计基础的学生定义为一个总体；（2）一个总体的界定是无穷尽的，因为如果一个总体的数量是有限的话，那么由于每一个个体都和另一个不同，因此如果一直界定下去的话，那么每个总体就只有一个个体了。 二、随机组的建立 二、随机组的建立 建立随机组的要点在于分派被试到不同组时，不能有偏差（bias）存在。 如果有某些被试特征或与被试变量相关的因素左右了被试的分派，就是存在“偏差”。 1、如何才能没有偏差的分派被试。 1、如何才能没有偏差的分派被试。 例如：一个实验有A、B、C三种实验条件，我们打算每一种实验条件最少各有15名被试，至多30名。每个被试将可以得到40元的酬劳，由于这个实验并不复杂，因此报酬还是相当可观的。我们在当地报纸上登广告征求被试，唯一的条件是必须10岁以上，然后要被试在某一特定时间到某大楼的某方面报到并按先后顺序排队。结果那天门口排了90名被试。对于这90名被试来说，从任何 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 来衡量他们都是异质性很高的群体。除了知道他们看过报纸上的广告之外，我们不了解关于他们的任何事情。我们的问题是必须在被试一进门就立刻将他们不偏不倚地分成三组，我们如何做到这一点？ 2、可能的做法 2、可能的做法 （1）将前30名被试分配到A实验条件，将中间30名被试分配到B实验条件，将后30名被试分配到C实验条件中。 此种分配方式可能会导致“到达顺序”这一因素影响被试分组的不均衡，因为早到和晚到的被试间存在的被试特征差异会和实验处理相关。null（2）我们可以将实验顺序安排成A、B、C、A、B、C、A、B、C．．．，然后将被试依次安排到实验处理中。 这种分配方式的偏差可能出现在当被试结伴而来时，他们在队伍中的顺序可能就不再是随机的了。这时的分组会受到被试和主试两方面因素的影响。null（3）用完全随机方法，将A、B、C放在一起，随机抽取，抽到哪一个被试就分配到哪种条件中去。 这种分配方式导致问题：一种条件满30个，就不再抽取这个条件，那么会导致最后来的几名被试被分配到一个组中，而造成被试的偏差。 3、 区组随机3、 区组随机 区组技术在被试间设计的应用。 本质：将所有可能的顺序进行区组随机。首先排出所有的顺序，ABC ACB BCA BAC CBA CAB。接着计算每个顺序出现的次数。（本例中是5次）。接着把这些区组随机化。每个被试按照区组中的顺序参加区组中的一个实验条件。 例如，第一区组可能是C、A、B；第二区组是A、C、B；第三区组是B、C、A等等。然后就根据1-30区组的顺序来决定被试的分配，例如第一个被试将被分到C种实验条件下，而第二个被试将被分配到A种实验条件中去，第三个被试将被分配到B种实验条件中去，第四个被试将被分配到A种实验条件中去，…… 以此类推。区组随机表区组随机表null随机分派被试的目的是要把被试分成相等的三个组，即指这三个组在任何与实验作业表现相关的被试变量上都没有统计上的差异。如果是这样的话，我们就可以将三组被试身上观察到的任何实验差异归结为是由于不同的实验处理造成的。 三、各种变异情形 三、各种变异情形 1、团体施测的程序。 方法：将被试编成好几个组，一次对全组人做同样的实验处理。通常，这种方法适用于持续时间较短、可同时对多人施测的实验。 好处：节省人力、物力、时间等。 缺点：每组的被试不是随机分派，被试彼此间可能有差异存在。 null例1：一个实验需5分钟，我们可利用课间对全班同学施测。甲班做实验条件A，乙班做实验条件B等等。 问题：每个班的学生在许多方面的程度不是相同的。因此，如果这些方面正好与我们的实验自变量之间没有相关，则我们的实验没有问题。 补救的方法：事先对各班学生有关方面的程度进行前测（pretest），以此作为后来调整实验结果的根据，或是用来作为被试配对的根据。null例2：我们仍旧想成组地收集实验数据，以达到经济的目的。于是我们在不同的时段安排不同的实验条件，并安排一个地方来让同学报名，以便让他们参加实验。这样的安排是否有问题？ 问题：由于被试只能登记他有空闲时间时的实验，而是否有空闲时间则和不同系别的课程设置有关系。而不同系别的学生之间是有特征差异的。所以这种安排是有问题的。 null补救的方法1：给某种实验条件安排多段实验时间。 使用团体实验的一大原则：那就是宁愿实验时段的数目多而同一时段的被试数目少。 补救的方法2：同一群被试分派到不同的实验处理中。这种补救方法只能应用到可以同时施予不同实验处理的团体实验中。 我们使用团体实验时，必须牢记的一点：随机地分配被试，就如同对待单个被试一样。2、多个主试。 2、多个主试。 因为主试可能对实验结果有不同的期待，因此，我们必须将主试看成是潜在的变量，可能对不同实验条件下的被试产生不同的影响。因此，我们必须能够采取措施来中和这种差异。 措施：我们不能将一种实验条件下的所有被试都派给一名主试，而把另一条件下的所有被试交给另一名主试。在设计上，必须把它看成是执行两个独立的实验，每一个实验者都检测每一种实验条件下的半数被试。null如何做到：每一个主试都有自己的区组随机表，并各有15个区组。这时注意不能让一个主试做前45名被试，让另一名主试做后45名被试。 好的做法是将等待的被试随机分半给两名主试，两名主试再根据各自的区组随机表给被试派位。 使用多名主试的原则：每个主试必须每种实验情况都做，且每一种实验处理的被试人数相等。这并不是要求所有的实验者都要测试数目相同的被试，而是要求每一名主试都要完成一个完整区组的被试。3、分层式的分派 3、分层式的分派 (1)动物研究中的分窝技术。由于同一窝动物的同质性可能要高于不同窝动物，因此，需要将不同窝的动物分派到不同的实验条件中。 (2)人类研究中的分层技术。将具有同一类被试变量的不同被试分配到不同的实验条件下。 分层通常都是根据被试变量进行的，如年龄、性别、收入、受教育状况等。 分层分派被试的好处： a、可以考察被试变量与实验自变量的关系。 b、可以减小不同实验条件下被试的异质性。null例：90名被试中有30名20-30岁，30名31-40岁，超过40岁有30名。如何采用分层分派被试？ 可以将每一个年龄区组的被试随机分派到所有的实验条件中，这样我们可以认为在每一种实验条件下的各年龄区组的被试数量是相当的。这样，我们就可以检验年龄因素对实验结果的影响。 分层分派的缺点：需要较多的被试。如果需要依据两个以上的被试变量进行分层分派，那么需要被试的数量将成倍地增加。4、被试的漏失。 4、被试的漏失。 在收集实验数据过程中，由于某种原因造成被试不能提供给我们有用的数据，我们称之为被试的漏失。 被试的漏失有两种情况：被试的漏失有两种情况：（1）机械性漏失（mechanical loss）：由实验者或仪器的原因造成的被试漏失。 补救措施：由另一名被试来代替。 （2）选择性漏失（selective loss）：由于被试本身某些缺点造成的被试漏失。这种被试漏失可能造成不同实验条件下被试的异质，损害当初随机建立的实验组。 问题：可以不可以找另外一名被试来替补？ 不可以，因为这两名被试可能是不同的，因此可能造成随机组被破坏。null例：两个组学习不同的词间相似性的材料。 高相似性：KRQ，VQR，RKV，QVR，QRK。（只用了4个不同字母） 低相似性：KRQ，CHV，BPD，SWF，GJL。(没有一个字母是重复的) 如果有些被试不能在我们规定的时间内掌握高相似性的材料，那么，就可能造成两个组有不同数目的被试漏失。这样通过两种实验条件的被试将不再是同质的(学习能力有差异)。补救方法：补救方法：（1）利用类似的实验作业对被试进行前测，并根据前测的成绩挑选能力较好的被试参加实验。 （2）我们认为在一种实验条件下作业能力差，也会在相似的实验作业中能力差。这样，如果我们在一种实验条件下损失了一个能力差的被试，我们可以从另一种实验条件下删除一个成绩最差的被试来补救。如果达到预定的人数，我们可以同时对两种实验条件进行被试的替补（主要用于两种实验作业的难度大致相同）。 （3）利用前测和后测的成绩来解决被试漏失的问题。通过检验预前测与后测两组之间的差异是否有变化可以达到检验被试漏失是否造成了实验组的差异。如果检验发现前测与后测的差异并没有发生变化。我们就没有必要采取进一步的补救措施，如果存在变化，则需要进一步的补救。四、维持条件的恒定 四、维持条件的恒定 “在实验时除了自变量之外，其他所有的变量必须保持恒定。” 事实上，我们无法使所有的变量都保持恒定，一些被试变量和环境变量是不能维持恒定的。但是，我们使用随机分派的方法可以使影响实验结果的被试变量被随机地分派到每一种实验条件中，因而互相中和掉它们的差异而不致影响我们的实验结果。 我们对随机方法缺乏信心是可以理解的，因为随机的方法会偶尔犯错误。因此我们有必要寻找一种方法使我们不必采取随机分派被试的方法。 第二节 配对组设计 第二节 配对组设计 随机组设计的主要目的是要中和掉不同的潜在自变量（被试变量和环境变量）所带来的变异。但是为了进一步更好地消除被试变量带来的差异，并减少犯错误的机率，于是就有了配对组设计。 配对组设计的基本思路：所有的被试都要先经过一个和实验作业表现出高相关的预试，然后根据预试的成绩来将被试配对分组。由于在实验之前对各种实验条件下的被试进行了匹配，因此所得到的任何差异都可以归之于自变量。一、配对作业 一、配对作业 采用配对技术时，通常要先进行某种预试或先得到被试的某些资料。最重要的是预试的表现必须和实验作业有相关，预试的成绩可以预测实验作业的表现，否则，配对技术并没有比随机组设计有更好的结果。所以，在实验之前要进行预试前，最好能先确定预试和实验作业是相关的。1、与实验作业同类的配对作业1、与实验作业同类的配对作业如果我们能在实验和预测时都使用相同或同类的作业，则这种预测将最能预测实验作业的情况。 例如： a、如果我们想知道不同的手术对大鼠走迷津的影响，我们就可以在手术之前先让大鼠走迷津并根据成绩来进行分组。 b、如果我们想知道不同教学方法对学习语法的影响，我们就可以在实验之前先对被试的语法能力进行预测，并根据这一成绩来分组。null我们之所以采用相同或同类的作业进行预测，是因为我们假设这样做可以使预测和实验之间的相关达到最大。（如果有相关的研究文献能够证明这一点将是最为理想的。）但是，在有些情况下，它们之间的相关并不如我们所期望的那样很高，因此需要我们认真对待，如果相关过低，那配对就只是徒劳无功。 如果它们之间的相关是大的，那么还要有进一步的事情需要考虑，就是预测时的配对作业一定不能对各种实验条件下的实验作业产生不同的影响，如果是这样，那么就意味着发生了自变量的混淆。 null例如：我们对“自由回忆”中的遗忘现象感兴趣，自变量是时间间隔。假如时间间隔分别为1分钟，1小时和一天，并利用不同于实验作业的词表作为预测配对作业的材料，并据此将被试分为三组。这样做有没有问题？ 问题：由于以前记忆的材料对后来记忆的材料会有较大的干扰，因此先前配对作业对1分钟组和1小时组产生的影响将是不同的。 解决办法： （1）将配对作业与正式实验的间隔尽可能拉长。 （2）采用不同类但相关的配对作业。 2、不同类但相关的配对作业 2、不同类但相关的配对作业 这一类配对作业和实验作业在表面上看起来是相当不同的，但它们之间又存在很高的相关。 例如，用智力测验的成绩或学业成绩来匹配自由回忆作业的被试，或用词汇测验的成绩来匹配字谜实验的被试。 null原则：可以有各种各样的配对测验，但是主要的一点是预测的成绩一定要和实验的作业成绩有高相关，但又不能对实验作业造成直接的和不等的影响。这就象“又要马儿跑得好，还要马儿不吃草”，预测的作业与实验作业差异越小，相关越大，但可能产生的影响也越大；预测和实验作业差异越大，可能造成的影响也越小，但是相关也就越低。  预测是否会对实验产生影响，全凭各个实验中的具体掌握，因此，如果有参考的研究资料是最好的，否则就要有足够的证据证明实验的结果是由于自变量的作用，而没有受到预测的影响。二、配对的方式 二、配对的方式 配对的方法有两种： 1、被试者彼此配对 假设我们有三种实验条件，最理想的情况是我们可以选择三个预测成绩一样的被试，配到一组中，这样我们就可以找到三个12分的被试，三个13分的被试，三个14分的被试及三个15分的等等。在把这些被试分组配对之后，再将每一个组中的三个被试随机分配到三种实验条件下，每种情况一个。这样，三种实验条件下的所有被试的预测成绩的平均数和方差都是一样的。 null有时，我们可能找不到足够多的相同分数的被试，这样我们可以采用放宽分层尺度的方法。例如，我们可以将14-15分的被试分为一层，16-17分的被试分为一层等，这样可以扩大被试的选择范围。如果能做到随机将每一层被试分派到各实验条件下，我们就仍然可以保持各实验条件下的平均数和方差相等。2、以平均数及方差来配对 2、以平均数及方差来配对 如果我们的被试不是足够多，并且分数的差异不均匀，那么我们可以采取以平均数和方差来配对的方法。我们可以从预测成绩分布的最底段开始，依次将三名三名的被试随机分派到各实验条件下。这样做基本可以保证每种实验条件下被试预测成绩的平均数和方差相等。这样做的前提是被试的预测成绩没有特殊的变异值。 如果这样做后，发生了均数和方差不等的情况，我们可以通过删除最终端的被试来补救。三、事后配对（post hoc matching） 三、事后配对（post hoc matching） 事后配对是先让被试接受预试，然后接着给予实验操纵，所接受的实验操纵是由区组随机法来确定的，而不是根据预测的成绩决定的。直到所有的数据都收集到，才开始进行配对的程序。事后配对不能参考实验作业的成绩。 事后配对与实验前配对唯一的不同在于前者的被试已经接受了实验条件。然而我们仍然可以按照前面的方法对被试进行配对，并删掉不合我们设计方案的被试。 null假如三种实验条件下被试预测成绩的均数和方差相等，我们就接受，因为尽管我们事先没有配对，但随机帮助我们完成了这件事。 但是如果三种实验条件下被试的预测成绩存在明显的差异，我们可以不可以从三种条件中选出成绩相同的被试加以匹配呢？null我们不可以这样做，因为他们在各自总体中所处的相对位置是不同的。 例：身材特别高的父母所生的孩子通常比他们矮；非常矮小的父母所生的孩子则通常比他们高。同样的，如果一个被试第一次测验成绩极端好或极端不好，那么下次他考试成绩则更可能向中间移动。所以当各实验组的被试在预测成绩不同时，如果我们从这些不同的分布中抽出分数相等的进行两两配对，则所得到的配对可能不太可靠。因为他们在各自总体中所处的相对位置是不同的。这种情况出现多是由于我们没有能够随机地分派被试造成的。简评 简评 近来的文献显示，独立组设计中配对组设计有逐渐减少的趋势。而随机组的使用则在增加。当然，如果在随机组设计同时得到一些预测成绩，对于了解随机分配的被试是否有偏差是非常有好处的。 配对组减少的原因是因为在多因素实验中，很难对多种实验条件进行配对分配被试。 配对组减少的另一个原因是因为：我们所以采用配对组是为了避免随机组设计分配被试时犯错误。但是我们必须记住：预测和实验作业之间的相关也可能是偶然造成的，它发生的概率并不比随机分派被试犯错误的概率小。 但是，预测作业是明智的，尤其在实验中遗漏被试的情况难以避免时，它就更显得重要了。 null被试间实验设计的变式 1.随机实验组控制组前测后测设计 2.随机实验组控制组后测设计 3. 随机多组后测设计 4. 随机多组后测设计 1.随机实验组控制组前测后测设计1.随机实验组控制组前测后测设计随机实验组控制组前测后测设计是指研究者在实验前采用随 机分配的方法将被试分为两组，并随机选择一组为实验组；另一组 为控制组。实验组接受实验处理，而控制组则不给予实验处理。 (1)设计的模式 (2)设计的评价 (3)设计的显著性检验 (4)设计的实例 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 (1)设计的模式(1)设计的模式R O1 X O2 R O3 O4 (2)设计的评价(2)设计的评价随机实验组控制组前测后测设计基本控制了绝大多数影响内 部效度的因素。 这是因为该设计采用随机布置的方法将被试分为两组，从而可以控制选择、被试的中途退出以及选择与成熟的交互 作用等因素对实验结果的干扰。 另外，由于安排了实验组和控制组，在实验过程中，发生在前测到后测这段时间内的事件对实验组控制组的影响基本相同，因而可以控制历史、成熟、测验、仪器使用 等影响内部效度的因素对实验结果的影响。 该设计使用了前测验．它为检查随机分组是否存在偏差提供了充分的 依据．但它也带来了不利的一面，即被试由于前测验而获得的经 验，可能对后测验产生敏感性，导致对实验设计内部效度的影响。 (3)设计的显著性检验(3)设计的显著性检验其一是对增值分数进行统计分析。方法是对每一名被试，用其后测成绩减去前测成绩(O2-O1，O4-O3)， 分别求出两组增值分数的平均数。对两组增值分数进行显著性检 验的方法有：t-检验(参数统计)；曼—惠特尼(Mann—Whitney)U-检 验或中位数检验(非参数检验)。 另外，还有协方差分析法，这种方 法被研究者认为是很好的方法。此方法是将前测分数作为协变量，对实施实验处理前的组间差异进行控制和调整，以便使两组的后 测成绩能够比较不受前测成绩的影响。 (4)设计的实例分析（一） (4)设计的实例分析（一） 沃坦阿贝、黑尔和洛马克斯关于“通过一系列教学程序和方法的训练，来培养学生根据报纸标题预测所报道 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 的能力”的实验。 null沃坦阿贝等人首先对8年级学生进行调查，发现他们平时感兴趣的报纸栏目主要是：有趣的连环画、电影、体育比赛，以及其他文娱性报道。 包括许多优秀的中学生也难以做到根据报纸标题预测新闻报道的内容。而大多数教师却希望学生能更多地阅读新闻报道，了解当前国内外政治动向。由此，研究者认为．如果确定一种训练课的程序，教会8年级学生如何更好地理解报纸标题，这将是很有意义的。null实验阶段（1）随机选择和分配被试 （2）前测：要求两组学生阅读20个标题，并预测其所述内容。 （3）实验处理：用3周时间，对实验组进行标题阅读教学，而对控制组进行常规阅读教学。 （4）后测：要求学生阅读类似于前测验的20个标题，并预测其所报道内容。记分方式：对前测验所预测内容实施五点量表的客观记分标准，计算得分作为因变量指标。0分表示对标题所含内容未正确预测任何内容，4分表示预测标题所含内容完全正确，满分为80分。统计分析方法采用协方差分析，前测分数作为协变量。设计的实例分析（二）设计的实例分析（二）在有些情况下，控制组做到和实验组匹配是比较难的，需要灵活运用，特别是在团体辅导的前后测研究中。 例子：团体心理辅导对大学生自信心干预null随机选取被试，经过宣传、招募、面谈、筛选， 从报名者中确定10位本科生。标准为自述需要提升自信、克服自卑的贫困大学生， 排除心理障碍者。 让每位成员从所在班级中选取一位最自信的同学作为控制组成员，选取标准依照成员的生活 经验 班主任工作经验交流宣传工作经验交流材料优秀班主任经验交流小学课改经验典型材料房地产总经理管理经验 ，共10 位同学. null前测的客观指标：运用青少年生活事件量表、社会支持评定量表、抑郁自评量表、焦虑自评量表和社交回避及苦恼量表等量表对研究对象的自信心状况进行测量作为客观性测量指标。 主观指标：编写半开放式问卷请成员在对自己的自信心、自卑感、人际交往、当众发言、同学相聚、学习状况、生活积极度等个方面作出评定作为主观性测量指标。 抑郁自评量表抑郁自评量表抑郁自评量表抑郁自评量表null实验组成员进入名为“贫困大学生自强团体塑造营”的团体心理辅导阶段共包括“你我的团体”、“镜子中的你”、“生活的支点”、“重塑的力量”、“迈过这道坡”和“走了就不回头” 六个单元。每周进行个单元每次个小时共历时个月。 团体心理辅导的目标是通过团体塑造营的生活让成员理性认识摆脱自卑的束缚建立理性的自信系统。期望成员能够将团体中的感悟和认识带入到实际的生活中获得质的行动改变。每个单元的认知目标、活动内容、家庭作业、评价体系等具体事务。null后测：实验组同学运用问卷进行后测，控制组同学不进行后测。null后测结果 nullnullnullnullnull该研究中这样选择控制组的原因： 一组为实验组，一组为控制组，然后对实验组的 成员进行团体辅导 而控制组的同学将没有“享受”团体的权力。团体辅导招募成员的一个基本原则是自愿性和“有需”性，成员满怀热情地参加团体辅导，而如果将其放在控制组里作为活动的参照群体，这有悖于职业精神。另外，即使选择了有相同或类似问题的个体作为控制组，也很难形成理论上的对等组。null从实际情况看，请实验组的成员选择 了一位他 （她） 心目中最自信的同学作为榜样有两种优势： 将控制组的同学作为成员的日常行为示范榜样； 榜样没有脱离成员的实际生活，可以有效的作为成员通过团体心理辅导后能否提升自信的参照。2．随机实验组控制组后测设计 2．随机实验组控制组后测设计 (1)设计的模式 (2)设计的评价 (3)设计的显著性检验 (1)设计的模式(1)设计的模式R X O2 R O4(2)设计的评价 (2)设计的评价 首先，由于采用实验组接受实验处理，控制 组不接受实验处理，从而控制了成熟因素对内部效度的影响； 另外，由于实验是在同等条件下进行的，因此它控制了选择和 被试的中途退出等影响内部效度的因素。同时．由于两组被试没有 进行前测验，从而控制了测验与实验处理交互作用对实验外部效 度的影响。 (3)设计的显著性检验(3)设计的显著性检验随机实验组控制组后测设计使用的统计分析方法比较简单。 大部分研究者使用f—检验对两组后测成绩进行比较研究；非参数检验也常使用曼-惠特尼U-检验或中位数检验法。 3.随机多组后测设计 3.随机多组后测设计 在心理学的研究中，有时要进行实验处理的方案不只是一个 或两个，即有时研究者要进行的实验处理x的个数有3个或3个 以上。 设计的模式设计的模式R xl Ol R x2 O2 R x3 O34.随机化区组单因素实验设计4.随机化区组单因素实验设计随机化区组单因素设计与随机多组后测设计是基本相似的， 不同的是随机化区组单因素设计要求将被试划分为不同的区组， 并且每一区组随机接受所有不同的处理。 然后观察实验处理后每个区组对不同处理的反应，并作为后测成绩。