4、实验设计类型（二）：单因素与多因素实验设计、交互作用、主效应与简单效应分析
在心理学实验研究中，研究者往往需要回答“变量X是否影响变量Y”以及“变量X的影响是否依赖于其他条件”这两类核心问题。单因素实验设计是回答前一类问题的基础工具，而多因素实验设计则是探索变量间复杂关系、揭示交互作用的关键路径。本章将系统梳理单因素与多因素实验设计的逻辑框架，重点解析主效应、交互作用与简单效应分析的内在联系与操作要点，帮助你在考研中准确识别设计类型并正确进行统计推断。
4.1 单因素实验设计：核心原理与操作流程
核心原理：单因素实验设计指研究中仅包含一个自变量（因素），该自变量有两个或两个以上水平。研究者通过操纵自变量的不同水平，观察因变量的变化，从而推断因果关系。其基本逻辑是：如果自变量的不同水平对应的因变量均值存在显著差异，且实验控制了其他无关变量，则可认为自变量对因变量产生了因果效应。
判断方法：在考研题目中，判断是否为单因素设计，只需看自变量个数是否为1。若题目中出现“考察不同噪音强度（40dB、60dB、80dB）对反应时的影响”，则自变量为噪音强度（3个水平），属于单因素设计。若出现“考察性别（男/女）与年龄（青年/中年/老年）对记忆成绩的影响”，则包含两个自变量，属于多因素设计。
操作流程：单因素设计的统计分析通常遵循以下步骤：
- 描述统计：计算各水平下因变量的均值与标准差，初步观察差异趋势。
- 方差齐性检验：使用Levene检验或Bartlett检验，确认各水平方差是否齐性（p > 0.05）。
- 单因素方差分析：若满足正态性与方差齐性，进行F检验；若不满足，使用Welch校正或非参数检验（Kruskal-Wallis）。
- 事后多重比较：当F检验显著（p < 0.05）且水平数≥3时，需进一步确定哪些水平间存在显著差异。常用方法包括LSD（灵敏度高但易犯I类错误）、Bonferroni（校正严格）、Tukey HSD（适合等样本量）。
| 步骤 | 统计方法 | 适用条件 | 输出指标 |
|---|---|---|---|
| 总体差异检验 | 单因素ANOVA | 正态性、方差齐性 | F值、p值、η²（效应量） |
| 事后比较 | LSD / Bonferroni / Tukey | F检验显著后 | 调整后p值、均值差 |
| 效应量 | η² / Cohen's f | F检验显著后 | 0.01小、0.06中、0.14大 |
4.2 多因素实验设计：主效应与交互作用的识别
核心原理：多因素实验设计包含两个或两个以上自变量，其最大优势在于能够考察自变量之间的交互作用。以最常见的两因素设计（A×B设计）为例，研究者同时操纵因素A和因素B，每个因素各有若干水平，形成完整的交叉组合。例如，2×3设计表示因素A有2个水平，因素B有3个水平，共6种实验条件。
主效应（Main Effect）：指某一因素独立于其他因素对因变量产生的平均影响。在计算上，主效应是比较该因素各水平的边缘均值（即忽略其他因素，只对该因素各水平下的所有数据求平均）。例如，在2×2设计中，因素A的主效应是比较A1水平下所有数据均值与A2水平下所有数据均值是否有显著差异。
交互作用（Interaction Effect）：指一个因素的水平效应在另一个因素的不同水平上表现不一致。交互作用的存在意味着“因素A的效果依赖于因素B的水平”。例如，某种教学方法（A）的效果可能因学生基础（B）不同而不同：对基础好的学生有效，对基础差的学生无效甚至有害。
判断方法：在SPSS或统计输出中，两因素ANOVA会给出三个F检验结果：因素A的主效应、因素B的主效应、A×B的交互作用。判断交互作用是否显著，看交互项的p值是否小于0.05。若交互作用显著，则需进一步做简单效应分析；若交互作用不显著，则直接解释主效应即可。
4.3 简单效应分析：交互作用显著后的深入探索
核心原理：简单效应（Simple Effects）是指在交互作用显著的前提下，固定一个因素在某个水平上，检验另一个因素在该水平上的效应。简单效应分析能够揭示交互作用的具体模式，回答“在B1条件下，A因素是否有显著效应？在B2条件下，A因素是否有显著效应？”等问题。
操作流程：
- 确认交互作用显著：首先查看ANOVA结果中交互项的F值与p值。
- 拆分数据：按其中一个因素（如B）的水平将数据分组，在每组内单独进行单因素ANOVA或t检验。
- 校正多重比较：由于进行了多次检验，需使用Bonferroni校正（将显著性水平除以比较次数）或使用简单效应分析的专用语法。
- 解释结果：结合简单效应的显著性与方向，绘制交互作用图（折线图或柱状图）辅助解释。
| 分析阶段 | 检验内容 | 结果解读 |
|---|---|---|
| 整体ANOVA | 主效应A、主效应B、交互作用 | 交互作用p<0.05 → 进入简单效应 |
| 简单效应（固定B1） | A在B1水平上的效应 | 比较A1与A2在B1条件下的均值 |
| 简单效应（固定B2） | A在B2水平上的效应 | 比较A1与A2在B2条件下的均值 |
| 交互作用图 | 绘制均值折线图 | 线条交叉或发散 → 交互作用可视化 |
4.4 常见误区与总结复盘
误区一：忽略交互作用直接解释主效应。这是考研中最常见的错误。当交互作用显著时，主效应可能具有误导性。例如，两个因素的主效应均显著，但交互作用也显著，此时应优先解释交互作用，并报告简单效应分析结果。
误区二：混淆“交互作用显著”与“简单效应显著”。交互作用显著是进行简单效应分析的前提，但交互作用显著并不意味着每个简单效应都显著。简单效应分析可能发现：在一个水平上效应显著，在另一个水平上不显著，这正是交互作用的典型表现。
误区三：忽视效应量与统计检验力。在考研答题中，除了报告p值，还应报告效应量（如η²、Cohen's d）。效应量反映效果的实际大小，不受样本量影响。例如，η²=0.20表示自变量解释了因变量20%的变异。
误区四：事后比较方法选择不当。当方差齐性不满足时，应使用Tamhane's T2或Dunnett's T3等校正方法，而非LSD。考研中常要求写出“方差齐性检验”步骤，若未检验直接使用LSD，会被扣分。
实战场景：某考研真题给出如下描述：“研究者欲考察认知负荷（高/低）与材料呈现方式（文字/图片/音视频）对学习效果的影响，采用2×3被试间设计，共120名被试随机分配到6个组。结果发现：认知负荷主效应显著，呈现方式主效应显著，交互作用不显著。”请回答：(1)该实验的自变量与因变量是什么？(2)应如何解释结果？(3)若交互作用显著，应如何进一步分析？
答题要点：(1)自变量为认知负荷（2水平）和材料呈现方式（3水平），因变量为学习效果。(2)由于交互作用不显著，可直接解释两个主效应：高认知负荷组的学习效果显著低于低认知负荷组；不同呈现方式的学习效果存在显著差异，需通过事后比较确定具体差异。(3)若交互作用显著，则需固定认知负荷水平，分别检验呈现方式在高负荷与低负荷条件下的简单效应，并绘制交互作用图辅助解释。
通过以上分析可以看出，实验设计类型的选择直接影响统计分析的路径与结果解释的深度。掌握单因素与多因素设计的区别、主效应与交互作用的逻辑关系、简单效应分析的操作方法，是心理学考研实验统计部分的核心得分点。建议在复习时，结合SPSS输出结果反复练习，并注意区分“统计显著”与“实际意义”的差异。