极品福利视频|亚洲国产97|2020**网|黄色a√|999国产精品视频

Sandra Slutz博士，科學伙伴科學家
Kenneth L. Hess，科學伙伴創始人兼總裁

前言

高級科學項目和獨立科學研究總是受到嚴格的審查。該領域的其他科學家將關注您的工作，并期望對數據進行嚴格分析。但嚴格的分析也需要仔細的實驗設計。如果您沒有花時間考慮您將要進行的觀察類型，可能的結果，以及如何評估您的數據以在結果之間進行統計學區分，您可能無法進行實際上可以為您提供信息的實驗數據 - 這將是不好的科學和浪費你的時間！以下部分討論了創建信息性實驗設計的技術，技巧和資源。雖然本指南將提到實驗設計和統計測試的各種原則，但它并不是一本詳盡的教科書。相反，我們鼓勵您使用本指南作為熟悉實驗設計一般原則的方法。一旦您熟悉了這些概念，我們建議您使用參考書目中列出的參考資料以及個人資源（例如您的導師和其他科學和數學專業人士）繼續探索與您的科學項目最相關的主題，包括你的老師。我們也鼓勵您閱讀我們隨附的文章 提高實驗測量高等科學項目效果和 數據分析的能力。當集體使用時，這三篇文章中的信息將使您走上一條經過深思熟慮，高質量的研究項目。

同樣值得注意的是，下面描述的允許您設計和評估自己的實驗的相同原則也可以應用于評估另一個人的數據和后續解釋（已發布或未發布）是否值得信任。

介紹

如路線圖：如何開始使用高級項目所述，即使在科學項目的計劃階段，也應該考慮數據分析。為什么？因為嚴格的分析依賴于統計數據，這些是描述數據的數學計算，并衡量觀察支持特定假設并且不是由隨機變化引起的信心。但是如果你做的觀察太少，收集錯誤類型的數據，或者沒有使用適當的控制，統計分析將總是回歸“不確定”，這使你處于只能做出如下模糊陳述的位置： “數據趨勢表明增長，但我必須進行更多實驗才能確定。” Wishy-washy結果不會給評論你工作的人留下深刻的印象。它也不會被視為其他人建立科學研究的可靠基礎。

Terik Daly，一位多才多藝的實驗者和科學伙伴志愿者，通過陳述：總結了實驗設計和數據分析的重要性：

• “高級科學項目的數據分析涉及的不僅僅是條形圖和散點圖，它應該涉及具有統計意義的探索性數據分析和推理。為了進行有意義的統計分析，您需要考慮統計原則來設計實驗。這包括：

• 準確，清晰地定義變量和樣本空間，

• 準確定義您的因素和因素水平，

• 確定您正在運行的實驗類型，確保使用適當的控件，

• 確保執行足夠的復制以創建代表性的數據體，

• 確保您了解數據的可能分布，以及

• 確保您了解并熟悉您所在科學領域使用的探索性和推理性分析的類型。

• 您必須考慮數據分析來設計實驗，因為如果您在實驗之后不考慮分析數據，那么您將遇到大問題。“

• 
  

了解您所在領域的其他科學家如何設計他們的實驗

了解您的實驗可能帶來的最佳方法是查看您所在科學領域的論文，看看其他研究人員正在測量什么以及如何測量。你應該注意這樣的事情：

• 他們正在研究哪些變量

• 哪些是自變量，哪些是因變量。注意：有關獨立變量和因變量的復習，請參閱Science Buddies指南，了解 您的科學展覽項目中的變量

• 他們的樣本大小是什么，意味著他們做了多少觀察

• 他們使用什么控件

• 他們有多少實驗重復

一旦您了解了您所在領域的標準，您就可以開始設計自己的實驗，同時考慮變量，控制以及如何最大限度地提高您查看特定變量效果的能力。

了解不同類型的變量

變量有兩種類型：定量和定性。根據您的實驗，這些類型的變量中的任何一個都可以是獨立變量或因變量。重要的是要識別您正在評估的變量類型，因為某些計算和統計測試只能對包含一種或另一種變量的數據執行。

定量變量的大小不同。它們可以很容易地測量并記錄為數字。定量變量的示例包括年齡，身高，時間和體重。使用中值和平均值等數值計算可以很容易地匯總定量變量。

定性變量，有時稱為分類變量，是觀察結果不同的變量。定性變量可以分為性別（男性與女性）或婚姻狀況（未婚，已婚，離婚，喪偶）等類別。這使得它們特別適合在餅圖或條形圖中總結為百分比。

有時，可以對定性數據進行排名。例如，水果調查可能會將水果的味道列為：

• 1 =非常甜蜜

• 2 =中等甜蜜

• 3 =略甜

• 4 =既不甜也不酸

• 5 =略微酸

• 6 =中度酸味

• 7 =非常酸

排名定性變量通常稱為序數變量。盡管觀察結果是定性的，但排名允許進行一些數值計算，如平均值。當您想要比較不同的人在事件之前和之后對數據進行分類的方式時，這一點尤其重要。例如，評估人們對“您認為這種水果味道如何？”的意見改變？之前，他們實際上品嘗水果和后他們得到一些樣品進行試用。序數變量在社會和行為研究中特別常見。

在某些情況下，可以選擇是否要收集定量或定性數據。例如，您可以向人們詢問他們的確切年齡（定量），或者讓他們選擇他們是兒童，青少年，成年人還是老年人（定性）。通過預先規劃數據分析方法，您可以選擇最適合您研究目標的數據類型，從而選擇最適合的實驗設計。在計劃實驗時，請參考下面的表1，其中給出了幾種不同類型變量的概述，適合它們的數據示例，以及與每種變量類型一起使用的一些常見統計匯總。

表1.此表包含何時以及如何使用四種最常見類型的變量的示例。

實驗系統中相互作用因素的數量如何影響您的實驗設計

實驗的目標是測量特定變量或變量集對系統的影響。最重要的第一步是坐下來思考所有可能的變量，也稱為因子，這可能會對您的結果產生影響。例如，如果您想測試哪些品牌的輪胎A或B在高速公路上行駛時產生最佳的汽油里程，您首先需要確定可能影響汽油里程的所有可能因素。這些因素可能包括：汽車，天氣狀況，路面類型和汽車速度。一旦確定了所有變量，就可以設計一個公平的測試，讓所有變量保持不變，同時只改變一個因子。在這種情況下，您可以更改每個試驗車上的哪個輪胎，品牌A或B，但保持所有其他變量相同; 在同一天，同一類型的天氣，在同一條道路上，以相同的速度使用同一輛車。這樣您就可以評估輪胎品牌的影響。欲獲得更多信息，做公平測試：初學者的變量。

然而，有時候在更復雜的實驗系統中，您需要評估幾個相互作用變量對最終結果的影響，或者一次只改變一個因素是非常昂貴或物理上不可能的。讓我們回到“哪個輪胎品牌，A或B，在高速公路上行駛時獲得最佳汽油里程”的問題？舉個例子。上面列出的公平測試可以告訴您在特定條件下，哪個品牌的輪胎為特定汽車帶來了最佳里程，即您用于測試的汽車。但是，如果你想要一個更一般的答案來解決哪個輪胎品牌產生最佳里程 - 一個適用于不同的汽車和條件的問題呢？您可能懷疑“最佳”輪胎取決于所涉車輛的類型（小型貨車，一輛轎車，或一輛皮卡車），或者輪胎磨損程度如何（新的或經過5,000英里的磨損）。現在，您有三個因素（輪胎品牌，車型和輪胎磨損），這些因素可能相互作用，從而產生不同的結果。例如，輪胎品牌A可能導致皮卡上的汽油里程最高，無論磨損，但在輪胎有5,000英里的磨損后，可能會在轎車上超過B品牌。這個例子中的12個組合（2個品牌×3種車型×2個磨損選項）似乎都可以測試，但是如果你添加了更多的因素，比如氣溫（低于50°F，50-75°F，或高于75°F）組合總數呈指數增長至36（2 x 3 x 2 x 3），這可能太多而無法單獨測試！如果像輪胎那樣，您的實驗系統依賴于多種因素的相互作用，您需要設計實驗，以便您可以使用統計檢驗系統地評估每個因素的綜合和個體效應。有多種實驗設計方法可供這種類型的系統評估，包括：正交陣列和多元或因子分析。實質上，如果實驗設計得當，這些技術可以讓您一次測試多個因素。有關如何設置和分析這些類型的實驗的更多詳細信息，請參閱下面參考書目中的參考資料。

表2.隨著因子的數量和每個因子的選擇數量的增加，所需的“公平測試”的數量變得非常大。當您有多個因素和/或每個因素的選擇時，有必要使用不同的實驗設計，如正交數組或因子分析。

創建良好控制的實驗

無論您是在進行實驗來評估一個或多個因素，您都需要設計一個控制良好的實驗。控件允許您：

• 在技術層面評估實驗是否有效。

• 通過為您提供比較標準，幫助您解釋結果。

• 防范可能會影響您結果的不可預見的因素。

無論好壞，研究人員以幾種不同但相關的方式使用單詞控制。表3總結了不同的用法，然后是下面更完整的描述。

表3.在科學中，單詞控制以多種方式使用。此表總結了最常見的用法。

陽性對照用于確定您的實驗設計和測試方法是否能夠檢測您嘗試評估的效果。陽性對照由一個或多個實驗樣品組成，這些樣品應在實驗中以已知方式表現。如果您進行實驗并發現您的陽性對照行為意外，您有理由懷疑實驗的有效性。例如，如果您的研究問題是“這個新電路設計是否可以打開燈泡？”，您可能需要確認燈泡是否能夠打開。如果被燒毀怎么辦？然后新電路總是會給你一個錯誤的結果（沒有點亮的燈泡），即使它能夠打開燈泡。避免誤報像這樣的結果，你需要建立一個積極的控制; 在前面提到的情況下，你想要一個你知道的電路，比如一個值得信賴的燈，它可以用來檢查燈泡的功能。

正如使用陽性對照來最小化假陰性在實驗中的影響一樣，陰性對照用于最小化假陽性的影響。陰性對照證實實驗程序沒有觀察到無關的影響。在上面的新電路設計示例的情況下，負控制將確保如果新電路可以打開燈泡，則破壞電路然后關閉燈泡。這排除了存在另一個電源的可能性，可能是您忘記的另一個電路仍然連接，為燈泡供電。

在實驗問題比簡單的“是”或“否”更復雜的情況下，使用標準來比較測試樣本通常也是有用的。標準是特定領域的產品或實踐，被統稱為運作良好。回到新的電路示例，如果問題不僅僅是新電路是否導致燈泡供電，還有效率如何，那么了解新電路使用的功率量將是有用的。您不僅需要以每小時使用的瓦特數來絕對測量功耗，而且還需要與現場普遍接受的另一種電路設計進行比較，以確保其良好且高效。這個其他電路將成為您表達新電路設計效率的標準。

有些研究問題既沒有正面和負面的控制，也沒有適用標準。社會學實驗或其他您正在調查行為或偏好的研究通常就是這種情況。在這些情況下，使用對照組 與您的測試或實驗組進行比較通常很重要。這種比較有助于確保在更改自變量時看到的更改實際上是由自變量引起的。例如，如果您假設“阿司匹林可以緩解頭痛”，那么您希望在您的研究中有兩組人。實驗組在頭痛時服用阿司匹林，不久后回答實驗者關于該藥是否有助于頭痛的問題。對照組服用糖丸代替阿司匹林，并回答實驗者提出的相同問題。然后，如果實驗組和對照組都報告說服用他們各自的藥片減輕了他們的頭痛，你就會意識到服用避孕藥的簡單行為會產生影響，即使它只是一種心理因素，

為了使對照組成為防止不可預見的偏倚的有效手段，對照組和實驗組必須盡可能相同。一種方法是將測試對象隨機分配給每個組。有關其工作原理的更多參與討論，請訪問Science Buddies頁面， 提高實驗測量效果的能力。

實驗中的偏差也可以通過進行盲實驗來控制。在盲人實驗中，關鍵信息對參與者保密，以防止意識和/或潛意識偏見。盲目實驗有兩種類型：單盲和雙盲。在單盲實驗中，關鍵信息與測試對象保持一致，但實驗者知道一切。在我們上面的阿司匹林示例中，可以通過不向受試者透露他們是否服用糖丸或阿司匹林來進行單盲實驗。這可以防止服用阿司匹林的人報告感覺更好僅因為他們預期服用阿司匹林而不是糖丸來幫助他們。如果他們不知道他們服用哪種藥丸，心理預期偏見就會被抹去。在雙盲實驗中，測試對象和實驗者都不知道關鍵信息。只有在收集數據后才會向實驗者透露這些信息。例如，如果測試對象和采訪測試對象的實驗者都不知道誰給了阿司匹林，誰給了糖丸，那么這將是一個雙盲實驗。優點是實驗者，因為他們對自變量一無所知，不能通過做潛意識的事情來偏向測試對象的答案，例如質疑給予阿司匹林的受試者比給予糖丸的受試者更有力。因為它們可以防范更廣泛的潛在偏見，所以雙盲實驗被認為是最科學嚴謹的; 然而，

參考書目

這些資源提供了有關如何設計實驗的其他信息：

• 安德森，MJ和安德森，惠普（1993年，7月/ 8月）。將DOE應用于微波爆米花。PI質量。2009年8月25日檢索自 http://www.statease.com/pubs/popcorn.pdf

• Gauch，HG，Jr。（2006）。贏得準確性游戲。美國科學家，94,2,133。

• Khare，R。（nd）。三個羅密歐與朱麗葉：我們早期的實驗設計。2009年8月25日檢索自 http://www.symphonytech.com/articles/romeos.htm

• Trochim，WMK（2006年）。設計簡介。研究方法知識庫。2009年8月25日檢索自 http://www.socialresearchmethods.net/kb/desintro.php

• Wilson，EB 紐約科學研究導論：Dover Publications，Inc。

有關統計測試和摘要的更多信息，請參見這些在線統計教科書：

• 麥當勞，JH（2008）。生物統計手冊。2009年8月25日檢索自 http://udel.edu/~mcdonald/statintro.html

• NIST / SEMATECH。（2006年）。NIST / SEMATECH電子統計方法手冊。2009年8月25日檢索自 http://www.itl.nist.gov/div898/handbook/