怎样设计实验
发布网友
发布时间：2022-04-27 00:18
共2个回答
热心网友
时间：2022-06-21 14:24
要注意的问题是：
1， 要确定这个问题值不值得研究。
2， 要确定这个问题研究的困难程度，看现有的技术和手段可不可以进行这个研究；
3， 看一下这个问题是别的研究者没有发现过的，或是漏掉的问题。
4， 问题要明确化，这样的问题才可以方便地转化为实验假设，可以对所要研究的问题下一个操作性定义。
我们可以从以下几个方面来确定所要研究的问题：
1. 现实的需要。
2. 理论来源
（1）根据不同理论观点之间的矛盾选择课题
（2）通过对现有理论观点提出质疑选择课题
（3）为证实他人或自己的某一理论观点而提出相应的课题
3. 研究文献——矛盾、忽视、过失、或原先解决不了，现在能解决了的问题。
4. 从理论、方法、学科交叉等方面的新进展选择课题。
二，形成实验假设，并用明确的语言表述这一实验假设。
假设是根据已有事实及原理所作出的猜测。科学假设是在一定专业知识经验基础上所作出的一种理论思维产物。它体现为一种知识体系。明确自变量、因变量及其关系的过程，是研究课题操作化的过程，假设形成之后，即可实施具体实验设计及实验。
（一）假设的种类
1. 预测性假设：是指对客观事物存在的某些情况特别是差异情况作出推测判断。
2. 相关性假设：是指对客观事物相互联系具体方向、密切程度作出推测判断。
3. 因果性假设：是指对客观事物之间因果关系的推测判断。
（二）假设的标准
（1）假设应有科学性。假设必须以一定的科学理论为指导，以一定的科学实验为基础，以一定的科学事实为依据，并且要经过一定的科学论证，决不是毫无根据的主观臆测。
（2）假设应有预测性。假设应对两个或两个以上的变量间的关系作出推测，是否正确有待于检验。
（3）假设应有可行性。假设应该有较强的操作性，其中所包含的概念应该可以通过自变量与因变量加以操纵。
（4）假设的语言应简单、明了，以陈述句毫不含糊地加以说明。假设一般用“如果——那么——”的句式或根据自变量与因变量的关系直接陈述可能的研究结果。
（5）假设能包括所要进行的研究的变量之间的潜在的关系，而且假设必须以事实为基础，而且能对已有的假设做出很好的解释，并且能够预测未来的事件。
三，确定实验中的各自变量，包括自变量，因变量，无关变量的确定。
要注意的问题是：
1， 自变量的确定：
（1），自变量的操作性定义，用可观察，可测量的事件，事物或是现象对现象进行准确的描述，这样的自变量才是客观的，有利于别人对实验结果进行参考和重复验证。
（2），自变量能引起我们所要研究的因变量的变化。
（3），自变量必须是可以变化的。
（4），在实验过程中，要设置适当的检查点，检查点之间的间隔至少要大于差别阈限，这样才能保证自变量变化时，能引起因变量相应的变化。
另外，我们在呈现自变量的时候，还要注意自变量刺激的大小，呈现方式，空间位置，呈现的时间顺序和呈现时间的长短等问题。
2， 因变量的确定：
因变量的选择必须具备一些固有的性质，这是我们选择一个好的因变量的标准。
（1） 有效性，因变量的变化确实是由自变量的变化所引起的。从样本所测得的因变量的结果能够代表这个样本所在的总体。
（2） 可靠性，在其他所有的条件不变的情况下，重复测量时因变量的变化的一致性。
（3） 灵敏度，因变量能够灵敏地反映出由自变量所引起的机体的反应变化。
（4） 数量化，能数量化的指标可以更细地反映出反应变量的变化，而且能够搜集到客观的数据，可以进行科学地比较。
3， 无关变量的控制：
一个好的实验设计，对无关变量的控制是至关重要的，无关变量影响实验的内部效度，混淆自变量对因变量的影响。我们在实验设计之前可以通过查阅文献，作调查，或是根据自己或是前人的研究的经验来确定所要研究的问题包括哪些影响因素，哪些是需要控制的，用怎样的方法可以有效地控制。我们就可以在实验设计中通过各种各样的控制无关变量的方法来控制无关变量对因变量的影响。
四，确定研究的总体，抽取样本以及分配样本。
我们在实验之前，
1， 要确定我们所要研究的对象是什么（人还是动物？），是一个什么样的群体，以此来确定实验的总体，也就是说确定我们实验的被试应该是属于一个具有哪种特征的总体？
2， 再确定我们所要研究的是总体还是总体中的一部分（能代表总体的样本）？
3， 如果是研究一个样本的话，再确定怎样从总体中抽取样本？样本的大小？以及样本如何分配到实验处理中去。
这里最重要的就是抽取的样本能最大程度的代表所要研究的总体――样本的代表性。
五，进行实验设计及其对实验的控制。
实验设计有好多种，从广义上来就，实验设计包括真实验设计，准实验设计和非实验设计。首先我们要根据
热心网友
时间：2022-06-21 14:24
步骤如下：
1、根据研究目的提出假设；
2、拟定验证假设的方法、程序；
3、选择适当的处理、分析实验数据的统计方法。
实验设计是统计中非常重要的一个环节，也是统计分析的前提，也是临床中很容易忽视或不大重视的一个方面。一个合理的实验设计，可以最大限度地减少成本，并保证结果的合理性。
如果你的研究因素只有一个，比如，想比较两种药对一种疾病的治疗效果是否不同，那最简单的可以采用完全随机设计。也就是通过随机的方法将人群分为两组或多组，每组给一种药，观察一段时间后，比较两组或多组的疗效。具体的统计分析方法可以根据疗效指标是定量资料还是分类资料而定。
如果你想做的更加精确一些，减少误差，那可以采用随机区组的设计方法。比如，如果不同年龄的疗效不一样，那就每一组都选择年龄相同的或年龄分布一致的人，这样就控制了年龄在疗效中的混杂作用。那就是随机区组设计方法。
如果你想观察两个因素之间的交互作用，比如药物在不同时间、不同浓度是否疗效不一样。那就可以采用析因设计方法。它可以观察是否时间和浓度之间具有交互作用，可以帮助你找到一个疗效最好的时间与浓度的组合。
以上是临床上常用的统计设计方法，还有一些略为复杂的但是可以节省样本的方法，如正交设计、均匀设计等，在例数不够的情况下是很有用的。它可以保证你在例数很少的情况下达到很好的统计分析效果，不会因为例数太少而降低统计效率。这些方法实际上是很有用处的，可惜大多临床医生根本都没有听说过这些方法，更不用说如果运用了。这不能不说是统计学的一大悲哀。
好多找我分析的人，我都发现他们由于各种条件的*而例数很少，达不到很好的统计分析效率。如果当初采用更好的设计方法，就可以更好地提高统计效率，可惜多数都认识不到这一点。
呜呼，何时统计设计能在临床推广，让大家都能真正认识到设计的重要性，自觉的采用最合理的设计开展实验，这是我的一个梦想。
我在此写这些东西不可能就把大家教会如果运用这些设计方法。但我可以让临床医生明白还有更好的设计方法，希望在进行实验时能够考虑一下，稍微想一下设计方案，那就已经是很不错了。具体的方法即使不会，也可以咨询统计老师，相互协助，共同设计一个合理的方案。
