相等时间样本设计为什么能够控制时间因素？

lumiiy

伊底斯 发表于 2015-9-4 23:49
现在才意识到写错了。是如何控制历史因素。

它认为在短时间内历史事件不会发生两次

来自iPhone客户端

伊底斯

lumiiy 发表于 2015-9-5 18:19
它认为在短时间内历史事件不会发生两次

这样是有些道理。

来自Android客户端

伊底斯

lumiiy 发表于 2015-9-5 18:19
它认为在短时间内历史事件不会发生两次

但你不会觉得奇怪吗？历史事件通常发生在不受实验控制的情境下。而一个实验设计要控制额外变量则必须要使额外变量发生在实验与控制两组当中。互相能够抵消，才能够控制。而将历史事件的偶然理解为小概率或许是有些不妥的。因为历史事件指的是会影响实验结果的事。而在这种情境下，历史事件可以是一个相当普遍发生的事情，相当概率高的事情。所以，我认为相等时间样本设计能够控制历史因素，必然是以历史事件在两个相等时间样本中产生的影响互相抵消为前提的。而并非是历史事件是小概率事件而可以忽略。而将那种忽略认为控制也是错误的。

来自Android客户端

lumiiy

伊底斯 发表于 2015-9-5 20:37
但你不会觉得奇怪吗？历史事件通常发生在不受实验控制的情境下。而一个实验设计要控制额外变量则必须要使 ...

我觉得你对历史事件的理解不对，它不是一种普遍事件，比如在像地震啊，改革啊等事件，我觉得可以称为历史事件。

来自iPhone客户端

伊底斯

lumiiy 发表于 2015-9-5 20:39
我觉得你对历史事件的理解不对，它不是一种普遍事件，比如在像地震啊，改革啊等事件，我觉得可以称为历史 ...

历史事件与小概率事件是两码事情。凡是对实验结果有影响的都是历史事件。而小概率事件不一定就对实验结果有影响。当然，这两个概念是有重叠的部分的。

来自Android客户端

伊底斯

lumiiy 发表于 2015-9-5 20:39
我觉得你对历史事件的理解不对，它不是一种普遍事件，比如在像地震啊，改革啊等事件，我觉得可以称为历史 ...

我并没有认为历史时间一定是普遍的，大概率的。而是说，历史事件是可以这样的。比如，学习的迁移（历史事件）对于测试结果的影响。在这里，学习的迁移并不是一个你认为的小概率事件。而我所强调的，不是概率，而是对实验结果的影响而言，历史事件可以是大概率事件，也可以是小概率事件。

来自Android客户端

伊底斯

lumiiy 发表于 2015-9-5 20:39
我觉得你对历史事件的理解不对，它不是一种普遍事件，比如在像地震啊，改革啊等事件，我觉得可以称为历史 ...

而看历史事件是大概率还是小概率，就要看实验目的，看各个变量之间的关系是如何的。

来自Android客户端

不吃糖很久了

楼主棒棒哒

来自Android客户端

阿灿320

伊底斯 发表于 2015-9-5 20:46
我并没有认为历史时间一定是普遍的，大概率的。而是说，历史事件是可以这样的。比如，学习的迁移（历史事 ...

历史事件本身就是特定实验背景下可能发生的一些可以说是偶然事件，这个事件足以对实验结果造成影响，就可以说是历史事件，和小概率大概率不相干。再说一下，相等时间样本设计有效控制了历史事件就是因为他对一组被试进行了重复的实验，每个时间样本都进行了若干次实验处理，因此就可以说有效的控制了历史因素，前后有对照因此比较好比较。就是这样理解的。不必钻牛角尖把简单问题复杂化。

来自iPhone客户端

伊底斯

阿灿320 发表于 2015-9-6 22:30
历史事件本身就是特定实验背景下可能发生的一些可以说是偶然事件，这个事件足以对实验结果造成影响，就可 ...

首先必须得说开一个问题。即根据历史因素的概念本身的内涵而言，它所发生的情境是如何的？也不怕诸位嫌弃，我觉得它的背景是实验过程中。而这句话是有歧义的。很容易将实验过程与实验处理的时间所等同起来。举个例子，在时间序列设计当中，在很长的一段时间跨度内，有那么些个次数实验处理。但，在这样的例子当中，历史因素所发生的实验背景，到底是实验处理，还是实验过程的这个大的时间范围呢？我认为是后者。所以，不管是实验过程中，即没有实验控制的时间也好，实验处理的跨度也罢，发生在二者其中都可以认为是历史因素。而我认为其实相等时间样本设计本身而言，是没有办法完好地控制历史因素的。而必须建立在我们所得到的经验反馈，或者是说，我们的被试虽然没有随机分配，但是大多被试都属于人群中的正态分布的接受域的部分，可能没有那么多可影响实验结果的因素。而且我也逐渐意识到，单单的实验设计想要达到完美程度是不可能的。而是与其他多个处理手段结合在一起。所以我认为它能够控制历史因素，一个是在概率分布的基础上，一个在它自身实验设计的优点上，剩下的是其他一些额外的，诸如已然约定的可接受影响范围的规定，和后实验处理之上。单单的考虑实验设计本身的内部效度还是有些不够。咳咳，当然，我当初的想法是天真的。

来自Android客户端