第4章　定量研究的设计

4.1　复习笔记

一、研究设计的目的

（一）目的

1提供研究问题的答案

（1）研究应该是有效的，这包括它能解释结果，并且通过这些结果来回答或揭示研究的问题；

（2）好的研究设计有助于理解并解释研究的结论、保证研究者获得有用的结果。

2控制差异

（1）不是所有的个体都是一样的得分或量度。同时，应该看重任何一个变量的差异，它可能受任何一种因素的影响。

（2）在定量研究中，可采用设计程序来控制差异。

（3）控制差异意味着能够解释或说明由研究变量而产生的差异。

（4）差异具有数量的意义，在某种程度上，差异的区分有助于考察研究中的变量。

　 （5）在定量研究中，应尽可能将差异量化，并按照各种理由将差异区分。差异可以被量化为一个正实数，零差异表明在某一区域所有的分数都相同。

（二）控制差异的方法

控制差异共有4种方法。这四种方法可以单独运用，也可以彼此组合运用。

　 1．随机化

（1）随机性假设

①举例

化学教学研究中同样的教师对90名学生进行教学，以30个学生为一个班分3个班，每一个班用不同的方法进行教学。假设这90名学生代表了一个总体中的典型样本，而不是不同能力水平的不同类型的组合，那么对于化学测试水平就可能有一些影响。30个学生被任意地安排到某一种方法的教学班中，如图4-1所示，这样，能力水平被随机地分布在3种方法的班级中。

图4-1  随机方法控制能力水平图

②解释

人们期待在每一个班级中的效果是一样的，因为能力水平的影响已经广泛地渗透在这3个班级中，并且这一影响对于所有3个班级都是相同的。尽管这一做法只是分散能力水平的影响，但由能力水平引起的差异不是由研究者决定的。

　 （2）随机误差

随机误差，也被称为随机差异或固有差异，是指由随机分配或随机选择所产生的同有的或自然的误差。随机性将变量的影响平均地分配到研究组群中去。通常，有机变量就是这样被控制的。

　 2．建立一些条件或因素作为自变量

（1）设定自变量因子

在如图1的设计中，按照教学方法将学生分成3组，如果能力水平测量是有效的（可能是最近的一次智商测试中的得分）学生也就能按能力水平进行分组。如果把在能力水平测量中比较好的45名学生称之为能力较高者，其余45名学生称为能力较低者，那么“能力水平”对于这两组学生来说则是一个自变量，将这两个能力组中的45名学生按高、低能力组随机安排到3种方法的教学班中（这些组中的能力水平的任何差异都是随机分布的）。这一设计如图4-2所示：

图4-2  把能力水平作为自变量的研究设计

（2）研究者无法确定变量的影响

原因有以下几个方面：

①个体得以被区分开的测量并非总是可行的，例如，动机水平也许有影响，但由于这一变量而引起的学生学业成绩的变化很难测量；

②动机水平可以作为一个中间变量，但如果引用随机分布的话，它是随机分布的；

③建立一些作为自变量的因素能使研究者确定这些因素的影响，但是太多的自变量会使研究设计变得复杂。因此，一般考虑的因素通常是能引起因变量变化的一些因素。

　 3．保持条件或因素的不变

（1）含义

保持某一因素恒常不变，实际上就是减少变量的变化使其趋于稳定。在上面化学测试的例子中，如果教师能够把能力水平的影响降低到恒常状态，如果仅仅具有一种确定的能力水平的学生的话，那么它的作用将肯定比它已经起作用的范围更小。

　 （2）缺陷

①研究过程中个体数量的减少可能引起计算上的问题，或减少了作为因变量的可行的数据的数量。

②这种结果仅仅是概括了限制组，当一个因素保持不变，一个潜在的变量就被保持了恒常。这就削弱或至少降低了对因变量的影响因素。

　 4．统计控制

　 （1）含义

统计控制是指适用于数据分析时的计算机处理程序，但其中的控制变量是在研究进行前就计划好的。实质上，统计控制也就是调整因变量的分数以便去除控制变量的影响。

（2）举例解释

对于化学教学例子中的能力水平变量来说，如果我们能很方便地获得在最近可控的智商测验中的90名学生的能力数据，能力对所有90名学生就是变量。很可能在智商测验中的得分和在化学测验中的得分存在某种关系，因此可以说，在一方面获得高分很可能在另一方面也获得高分，同时，低分也可能是同时存在于某一个体。如果我们能以某种方式来调整因能力水平不同而获得的化学测验成绩，我们就能控制学生的能力对化学测验成绩的影响。这可以由相对成熟的统计方法来完成。

　 （3）过程

统计过程可以通过图4-3来表示。另外，我们可以对90个化学测验成绩的全部差异作具体分析。与将学生能力水平分为两个组的自变量的方法相比，统计控制将可能说明更多的差异。

图4-3  把能力水平进行统计控制的90个化学测试成绩分数的

差异的定量分析

　 （4）统计控制未被广泛运用

原因有两点：

①获得适当的控制变量的分数比较困难；

②控制变量只有在它们与因变量相联系并且考虑到变量分数差异时才有效。

二、良好设计的特征

（一）排除偏见

1排除偏见是指获得的资料和运算过的统计在任何系统中都不会有很大的变化，而只是基于随机波动的期望值；

2两种或更多的自变量或其他变量混合在一起，而它们的影响又无法分开，便会导致混淆，而变量的混淆会引起资料的偏见；

3资料中的偏见也许会由于个体的随机分布或随机抽样而被缩小。

（二）控制无关变量

　 控制无关变量是为了能够辨别、平衡、缩小或减少它们的影响。

（三）检验假设时统计的精确性

　 在定量研究中，包括对数字的分析和需要对假设进行统计检验。精确的资料能够证明假设是可信的。从统计学来说，精确性随着随机性或误差的减少而提高。