第九章复合设计
复合设计：在一个实验中研究者更常采用两个或两个以上自变量的设计。
（一）确定实验设计的指导原则
●研究者运用复合设计研究一个实验中两个或更多自变量的效应。
●在复合设计中，每个自变量都可以通过独立组设计或者重复测量设计而被研究。
（二）描述复合设计中的实验效应
●最简单的复合设计是2×2设计，即包含两个自变量，且每个自变量有两个水平。例如：
a巴兹尼和谢弗采用一个2×2实验设计来研究潜在约会对象的吸引力。
b巴兹尼和谢弗的目的就是研究关系维持（通过处于恋爱中的个体实现）和关系追求（通过目前未处于恋爱中的个体实现）两者中的哪一个能更好地解释对于有吸引力的潜在约会对象的评分。
●在复合设计中，实验条件的数目等于每个自变量的水平数之积。
●增加自变量的水平数或者包含更多的自变量个数可以使复合设计检验力更大，效率更高。
●主效应和交互作用
a在复合设计中，每一自变量的总效应被称为主效应。它表示一个自变量的每一水平在第二个变量水平上平均成绩的差异。例如，恋爱状况主效应等于恋爱状况变量两个水平上的均数之差。
b自变量之间的交互作用是指一个自变量的效应在第二个自变量的某些或全部水平上存在差异。
●描述交互作用
a用图（非平行线）或表（相减法）表示的描述统计可以帮助发现交互作用，但交互作用需要统计推论来确认。
b在线形图中，非平行线表明存在交互作用，而平行线表明不存在交互作用。
c所谓相减法就是把表格中每一行（或每一列）的平均数相减。如果差值不同.那么数据中就可能存在交互作用。
（三）复合设计的数据分析
●在两因素复合设计中，推论统计用于检验每一个自变量的主效应和两个自变量之间的交互作用。
●描述统计对解释推论统计的结果是必要的。
●研究者如何解释一个复合设计的结果取决于数据是否存在显著的交互作用。
a存在交互作用的数据分析:如果复合设计的结果存在一个显著的交互作用，那么交互作用的意义可通过简单主效应分析和平均数两两比较来进一步确认。其中简单主效应是指一个自变量在另一自变量某一个水平上的效应。
b不存在交互作用的数据分析：如果对复合设计结果的分析表明交互作用不显著，那么下一步就是确定主效应是否显著。主效应的来源可通过平均数的两两比较，也可以运用置信区间比较两个平均数。
（四）解释交互作用
●交互作用和理论检验
a有些理论常常预期行为会受到两个成两个以上自变量的交互影响。因此，常常需要用复合设计来检验这样的理论。
b理论检验过程中常会产生一些互相矛盾的发现，交互作用在解决这些矛盾时起了重要的作用。
●交互作用与外部效度
a当一个复合设计中不存在交互作用时，每一自变量的效应可适用于另一白变量的所有水平上，因此，自变量的外部效度提升了。
b通过确定自变量产生效应的条件，交互作用实际上为一个实验的外部效度界定了范围。
●交互作用与天花板效应和地板效应
a当被试成绩在实验的一个或多个条件达到最大值（天花板）或者最小值（地板）时，即使结果出现交互作用也是很难解释的。
b只要一个实验的任一条件上的得分达到最大值，我们就要注意天花板效应。与此相对应，当得分达到最小值（如完成一个测验时正确率为零）时，我们就要注意地板效应。
c研究者在选择因变量时应使其值有足够变化的空间，以避免出现天花板效应和地板效应。
●交互作用和自然组设计
a当研究者想知道为什么自然组之间得分存在差异时，他们会运用复合设计来对自然组变量做出因果推论。
c对于自然组变量来说，做出因果推论需要三个步骤；解释为什么存在组间差异，操纵一个可以演示此推论过程的自变量，检验被操纵自变量和自然组变量之间是否存在交互作用。
