实验研究方法PPT课件.ppt

《实验研究方法PPT课件.ppt》由会员分享，可在线阅读，更多相关《实验研究方法PPT课件.ppt（71页珍藏版）》请在三一文库上搜索。

1、实验研究崔楠武汉大学市场营销与旅游管理系内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问主要研究方法观察调查实验因果关系因果关系如何判定因果关系相从而动时间顺序没有其他原因实验研究实验研究在控制其他变量的情况下（即其他情况相同），操纵自变量(的不同水平)，检测因变量（的变化）。实验研究的主要步骤识别问题并形成因果假设设计实验执行实验根据收回的数据对假设进行检验沟通和汇报结果内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验

2、设计类型实验中的操纵检查范例与提问实验设计实验设计(R.Kirk,1995)如何分配被试到不同实验情形中与分配方案相关的统计分析实验 研究设计的一般特征受试者被随机选取并随机分派到不同群组。一个或一个以上的受试群组接受实验的处理。实验完后，实验结果可以进行测量。有检验可能影响效度的步骤。不同群组表现的差异可以用统计方法来比较。实验中的变量自变量对我们所关心的结果有影响的变量的不同水平操纵变量、处理变量、因素通常是名义变量（分类变量）例如：价格水平，不同的广告、不同的包装因变量捕捉实验的结果变化例如：销量，购买意向、知晓率实验设计的基本步骤确定处理水平（自变量）操纵的变量例如价格-质量推断实验中

3、不同的果汁贴上不同的价格标签被试单元单个消费者？家庭？确定因变量及因变量的测量例如购买意向、感知质量实验设计的基本步骤控制或测量可能影响实验结果的外生变量其他变量或因素（nuisance variables）随机分配参与者可以消除潜在的系统性差异。使得干扰变量对所有受试者保持一致通过统计方法控制（加入控制变量）例如，味觉对果汁评价的影响内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问实验的效度内部效度因变量的变化是否是由自变量引起？是不是由其他变量引起的？替代解释受到控制的程度互动式教学法是否影响学生的成绩？影响内部效度的因素历史记录实验

4、之外发生的特殊外部事件对实验的影响种群效应(同辈效应)：在某一实验情形中的成员有共同的体验。影响内部效度的因素测试效应被试意识到他们在测试中，从而导致特定的行为，而不是他们平时所进行的行为Hawthorne Effect 对实验的特别关注Demand Effect:按照研究人员所想要的结果来回答如何避免掩盖实验目的让被试猜测实验目的Placebo Effect解决引入对比组双盲实验影响内部效度的因素成熟随实验进行被试发生的变化(更有经验、饥饿、疲倦)影响内部效度的因素测试的交互效应先前的测试使得被试对这一次的测试更加敏感之前接受过类似的研究影响内部效度的因素工具化效应测量工具本身的变化 例如在

5、进行口味测试的时候，如果消费者对三种产品口味没有明显偏好时，他们会偏好头一种产品再如，如果测试的时候有同谋者（实验助手）存在，不同实验助手的表现不同也会影响结果；即使是单一的助手，实验助手的疲劳也会造成影响。影响内部效度的因素死亡率被试流失流失的被试可能与未流失的被试原因不同例如商店试销实验、被试参加瘦身计划的流失。影响内部效度的因素选择偏差实验组与控制组的被试选择不同自我选择偏差出于便利，都存在自我选择被试解决：随机分配外部效度能够将结果推广吗？参与者？自变量，或操纵的情景？因变量现实吗？实验室实验多缺乏外部效度：不真实许多影响内部效度的因素也同样会影响外部效度选择性偏差可能是对外部效度的最

6、大威胁例如试销市场可能不能代表整个市场学生通常作为实验被试内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问一般实验实验室实验：操纵一些变量，控制其他变量缺点人造场景：不真实例如：看广告然后问购买意向被试在实验室之外还会这样嘛？实验模拟尽管整个情境不真实，但是会保留某些真实的部分例如:在商店展示广告进行测试现场实验发生在真实场景中 控制性被权衡掉了例如试销市场实验内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问实验设计的类型符号X 表示一组被试接受实验处理O 对因变量的观测R 随机分配到处

7、理水平中准实验设计单纯实验后设计 X O1问题？无对比没有控制外生变量准实验设计单组前后对比设计 O1 X O2问题?成熟、测试效应、死亡、无控制组、历史效应 常用于营销研究中准实验设计静态组设计实验组:X O1控制组:O2问题实验依赖于两组的相似性解决对两组人进行特征匹配实验设计所有的实验设计都涉及到随机分配被试到处理组和控制组/对照组随机分配消除选择性偏差实验设计前测-后测控制组设计实验组 R O1 X O2控制组 R O3 O4处理效应=(O2-O1)-(O4-O3)假设：外生变量、历史、成熟、测试效应、工具对两组的影响是相同的测试的交互效应仍有可能存在实验设计仅后测控制组设计实验组:R

8、 X O1控制组:R O2处理效应=O2-O1假设外生变量对两组被试的影响是相同的消除了测试效应、测试的交互效应、工具化等问题实验设计所罗门四组设计实验组 1:R O1 X O2控制组 1:R O3 O4实验组 2:R X O5控制组 2:R O6在该设计中，处理效应、测试交互效应、外生因素效应全都可以测量提供了多种处理效应的测量(O2-O4,O2-O1,O4-O3,O6-O5)缺点：样本过大更为复杂的设计时间序列设计通常没有控制组或对照组尤其受到历史和成熟效应的影响多因素实验设计内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问outlin

9、et Test for Independent Samples DesignCompletely randomized designt Test for Dependent-Samples DesignRandomized block designLatin square designCompletely Randomized Factorial Designt Test for Independent-Samples DesignOne of the simplest experimental designst test statistic is often used to test the

10、 null hypothesis that the difference between two population means is equal to some value,usually zero.If there are n subjects and p treatment levels,then we have(np)!/(n!)p assignments.Random number table.Illustration of t Test for Independent-Samples DesignTreat.LevelGroup 1Subject1Subject2.Subject

11、n/2a1a1.a1Group 2Subjectn/2+1Subjectn/2+2.Subjectna2a2.a2outlinet Test for Independent Samples DesignCompletely randomized designt Test for Dependent-Samples DesignRandomized block designLatin square designCompletely Randomized Factorial DesignCompletely Randomized DesignDenoted as CR-pWhy Randomiza

12、tion important?Distributes the idiosyncratic characteristics of the subjects over the p treatment levels so that they do not selectively bias the outcome of the experimentHelps us obtain an unbiased estimate of the random error variationHelps to ensure that the error effects are statistically indepe

13、ndent.Illustraion of CR-3Treat.LevelGroup 1Subject1Subject2.Subjectn/3a1a1.a1Group 2Subjectn/3+1Subjectn/3+2.Subject2n/3a2a2.a2Group 2Subject2n/3+1Subject2n/3+2.Subjectna3a3.a3Completely Randomized DesignExperimental design model equationAn observation(measure of the dependent variable)can be though

14、t of as a composite that reflects the effects of 1.Independent variable2.Individual characteristics of the subject3.Chance fluctuations in the subjects performance4.Measurement and recording errors that occur during data collection5.Any other nuisance variables.Yij the observation for subject i in t

15、reatment level jis the population grand mean of 1,2 and p.j is the treatment effect for population j and is equal to j-is the error effect associated with Yijoutlinet Test for Independent-Samples DesignCompletely randomized designt Test for Dependent-Samples DesignRandomized block designLatin square

16、 designCompletely Randomized Factorial Designt Test for Dependent-Samples DesignDependent samplesRepeated measuresObserving each subject under each treatment level in the experimentSubject matchingForming sets of subjects who are similar with respect to a variable that is correlated with the depende

17、nt variable.Obtaining sets of identical twins or litter mates and assigning one member of the pair randomly to one treatment level and the other member to the other treatment level.Obtaining pairs of subjects who are matched by mutual selection-for example,husband and wife pairs or business partnerI

18、llustration of t Test for Dependent-Samples DesignTreat.LevelTreat.LevelBlock 1a1a2Block 2a1a2.Block 15a1a2outlinet Test for Independent-Samples DesignCompletely randomized designt Test for Dependent-Samples DesignRandomized block designLatin square designCompletely Randomized Factorial DesignIllust

19、raion of RB-3Treat.LevelTreat.LevelTreat.LevelBlock 1a1a2a3Block 2a1a2a3.Block 15a1a2a3Randomized Block DesignRB-pThe second hypothesis,which is usually of little interest,states that the population means for the 15 levels of nuisance variable are equal.We expect a test of this null hypothesis to be

20、 significant.If the nuisance variable doesnt account for an appreciable proportion of the total variation in the experiment,little has been gained by isolating the effects of the variable.Randomized Block DesignExperimental design model equationYij is the observation for subject i in treatment level

21、 j is the population grand mean.j is the treatment effect for population j and is equal to.j-i is the block effect for population i and is equal to i.-ijis the error effect associated with YijRandomized Block DesignUse the F statistic to test the null hypothesis in analysis of variance:Thus,RB desig

22、n enables us to get a more powerful test of a false null hypothesisoutlinet Test for Independent-Samples DesignCompletely randomized designt Test for Dependent-Samples DesignRandomized block designLatin square designCompletely Randomized Factorial DesignIllustraion of LS-3c1c2c3b1a1a2a3b2a2a3a1b3a3a

23、1a2Latin Square DesignLS-pIsolate two nuisance variables.More complex randomization procedure than those for RB designThe number of rows and columns of a LS must each equal the number of the treatment levels.outlinet Test for Independent-Samples DesignCompletely randomized designt Test for Dependent

24、Samples DesignRandomized block designLatin square designCompletely Randomized Factorial DesignIllustration of CRF-22Treat.LevelGroup 1Subject1.Subject5a1b1.a1b1Group 2Subject6.Subject10a1b2.a1b2Group 3Subject11.Subject15a2b1.a2b1Group 4Subject16.Subject20a2b2.a2b2Completely Randomized Factorial Des

25、ignTwo or more treatments can be evaluated simultaneously in a single experimentCRF-pqA CRF-23 design has 23=6 treatment condition.Completely crossed treatments are a characteristic of all CRF designs.Completely Randomized Factorial DesignClassification of Analysis of Variance DesignAll complex desi

26、gn can be constructed from the three building block designsCompleted randomized designRandomized block designLatin square designThere are only four kinds of variation in ANOVATotal variationBetween-groups variationWithin-groups variationInteraction variationAll error terms involve either within-grou

27、ps variation or interaction variationThe numerator of an F statistic should always estimate one more source of variation than the denominator,and that source of variation should be the one that is being tested.内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问操纵变量的要求操纵变量必须是明确的。自变量是单一维度还是多个维度对两类变量的操

28、纵可观测的、明显的变量，容易确认操纵成功价格，拜访次数等。在营销中经常碰到高阶的、不可测的自变量，例如一些社会和心理变量，更需要操纵确认。感知的销售人员的能力、恐惧感、压力等。实验操纵的聚合效度和区分效度聚合效度（convergence validity）实验处理（treatment）是与潜变量相关的“直接测量”区分效度（discriminant validity）没有引起其他相关变量的变化，如竞争性解释变量的变化。检验操纵和混淆变量的时间在预测试中（pretest）可以修改操纵场景成本较低（如果不好的话）但各种条件要保持与主实验相一致最好在主实验前做一次检查在暴露于刺激后应立即访问受试者可以

29、鉴别混淆变量（confounding variables）检验操纵和混淆变量的时间在主实验中（main experiment）在测量因变量之后。原因：避免demand characteristicsCredibility or attractiveness缺陷操纵可能仅会引起自变量或混淆变量的短暂变化受试者对因变量的回答也会影响操纵或混淆效应检查但如果同时有混淆变量的检查可以减少这一原因的可能性检验操纵和混淆变量的时间其他方法使用操纵检查组操纵检查组不测量因变量而实验组不进行操纵和混淆变量检查缺点是增加了受试者的人数使用平衡方法（counterbalancing）一组先测量操纵检查问题，后进行

30、因变量测量。一组正好相反如果不存在顺序偏差，则可以合并。使用预测试作为操纵检查组受试者可能较少但实验条件必须要与主实验中的一致。不能只是为了操纵检查而进行预测试。操纵和混淆检查的测量应保证有足够的变异性保证不同受试者处于同一个操纵点强操纵会表现为高的信度当信度不高时，难以确认是操纵弱还是操纵检验问题不好。进行处理内的因子分析。检查不同的处理中的聚合效度。操纵和混淆检查的分析方法t-test 或 one-way ANOVA对多因子设计的检查应当使用full-factorial ANOVA，尤其当一个因子有可能影响另外一个因子的变化的时候.操纵检查理想的情况是只有主效应显著显著的主效应表明该操纵的

31、聚合效度其他主效应和交互效应显著则表明区分效度有疑问混淆检查的理想情况是所有的效应都不显著如果显著则说明操纵的区分效度不好。不仅要证明所需要的操纵出现，而且要证明其效应足够大例A:expertise levelB:friendliness levelManipulation checks:M1:check for expertiseM2:check for friendlinessC1:trustworthinessANOVA A B on M1A should be the only significant effect;large 2For other effect,near-zero 2A B on M2B should be the only significant effect;A B on C1None effect should be significant;near-zero 2内容实验研究实验设计实验的效度实验研究的类型实验设计类型概览基本实验设计类型实验中的操纵检查范例与提问