实验中的随机分配|简介与实例
在实验研究中,随机分配是否有一种方法将参与者从您的样本随机分为不同的治疗组。
通过简单的随机分配,样本中的每个成员都有一个已知或相等的机会被放置在对照组或者一个实验组。使用简单随机分配的研究也被称为完全随机化设计.
随机分配是一个关键部分实验设计.它可以帮助您确保所有组在研究开始时具有可比性:它们之间的任何差异都是由于随机因素造成的,而不是研究偏见就像抽样偏差或选择性偏差.
为什么随机分配很重要?
随机分配是实验研究中控制的一个重要组成部分,因为它有助于增强实验研究的有效性内部效度避免偏见。
在实验中,研究人员操纵一个独立变量评估其对因变量的影响,而控制对于其他变量。为了做到这一点,他们经常对不同的参与者群体使用不同水平的自变量。
这叫做团体之间或独立的措施设计。
随机分配可以帮助您确保在实验开始时,治疗组没有系统性的差异,因为这可能会严重影响(甚至无效)您的工作。
如果你不使用随机分配,你可能无法排除对结果的其他解释。
尽管随机分配有助于平衡组间的基线差异,但它并不总是使它们完全相等。可能仍然存在外部变量不同群体之间的差异,总会有一些群体差异是偶然产生的。
大多数情况下,组间的随机变化很低,因此,进一步分析是可以接受的。当你有一个大样本时尤其如此。一般来说,你应该总是在实验中使用随机分配,当它在伦理上是可能的,对你的研究主题是有意义的。
随机抽样vs随机分配
随机抽样和随机分配在研究中都是重要的概念,但理解它们之间的区别很重要。
随机抽样(也称为概率抽样或随机选择)是一种选择成员的方法人口被纳入你的研究。相比之下,随机分配是一种将样本参与者分为对照组和实验组的方法。
虽然随机抽样在许多类型的研究中使用,但随机分配只用于受试者之间的实验设计。
一些研究同时使用随机抽样和随机分配,而另一些研究只使用其中一种。
随机抽样增强了外部效度或普遍性因为这有助于确保你的样本是无偏的,并能代表整个人群。这会让你变得更强壮统计推断.
随机分配增强了内部效度因为它保证了每组参与者之间没有系统差异。这有助于你得出结论,结果可以归因于独立变量.
如何使用随机分配?
要使用简单的随机分配,首先给样本中的每个成员一个唯一的数字。然后,你可以使用计算机程序或手动方法将每个参与者随机分配到一个组。
- 随机数发生器:使用计算机程序从列表中为每个组生成随机数。
- 彩票方法:将所有数字分别放入帽子或桶中,并为每一组随机抽取数字。
- 抛硬币:当你只有两组时,对于列表上的每个数字,抛硬币来决定他们是控制组还是实验组。
- 用骰子:当你有三个组时,对于列表上的每个数字,掷骰子来决定它们将在哪个组中。例如,假设滚动1或2将他们置于对照组;实验组3 - 4人;第二个对照组或实验组有5或6人。
这种随机分配是最有效的将参与者分配到不同条件下的方法,因为每个人都有同等的机会被分配到任何一个治疗组。
块设计中的随机分配
在更复杂的实验设计中,随机分配只在参与者被分组后使用块基于某些特征(例如,测试分数或人口变量)。这些分组意味着你需要一个更大的样本来达到高统计能力.
例如,随机分组设计包括根据共同特征将参与者分为组(例如,大学生与毕业生),然后在每个组内使用随机分配将参与者分配到每种治疗条件。这有助于您评估该特征是否会影响您的治疗结果。
在一个实验中匹配设计,你使用阻塞和然后根据特定的特征匹配每个区块的参与者。在每一对匹配的组中,你随机分配每个参与者到实验中的一个条件下,并比较他们的结果。
什么时候不使用随机分配?
有时,使用简单的随机分配是不相关或道德的,所以分组以不同的方式分配。
当比较不同的组时
有时,参与者之间的差异是一项研究的主要焦点,例如,在比较男性和女性或有和没有健康状况的人时。参与者不是随机分配到不同的组,而是根据他们的特征进行分配。
在这类研究中,兴趣特征(如性别)是一个自变量,不同层次(如男性、女性等)的群体也不同。所有参与者都以同样的方式进行测试,然后比较他们在小组层面的结果。
当道德上不允许的时候
当研究不健康或危险的行为时,不可能使用随机分配。例如,如果你在研究重度饮酒者和社交饮酒者,它是不道德的将参与者随机分配到两组中的一组,并要求他们在实验中大量饮酒。
当您无法将参与者分配到组时,您还可以执行准实验研究.在一个准实验中,你研究已经存在的群体的结果,他们接受了你可能无法控制的治疗(例如,重度饮酒者和社交饮酒者)。这些群体不是随机分配的,但当一些其他变量(如年龄或社会经济地位)具有可比性时,这些群体可能被认为具有可比性控制对。
随机分配的常见问题
引用这篇Scribbr文章
如果你想引用这个来源,你可以复制和粘贴引用或点击“引用这篇Scribbr文章”按钮,自动添加到我们的免费引用生成器引用。