1702631785
1702631786
如果女性心脏病患者的年纪轻些、身体健康些，而男性心脏病患者年纪大些，健康状况差些，两种性别的患者就会得到差不多的治疗。
1702631787
1702631788
也许这已经做到最好了，而且我们应该感谢统计学。不过，这让我们更喜欢能得出清清楚楚的结果的好实验了。
1702631789
1702631790
小结
1702631791
1702631792
本章要点
1702631793
1702631794
• 统计研究常常试图找到证据，证明当改变某个变量（解释变量）的时候，会使另一个变量（反应变量）产生变化。
1702631795
1702631796
• 在实验当中，我们会自己设定解释变量，而不是只观察它们。
1702631797
1702631798
• 观察研究和只采取一种处理方式的单轨实验，因为解释变量和潜在变量之间存在交叉干扰的问题，所以我们不可能确定处理方式的效果到底是什么。
1702631799
1702631800
• 在随机比较实验中，我们比较两种或多种处理方式，随机分配哪些实验对象对应哪种处理方式，并且使用足够多的实验对象，以减小机会变异性的影响。
1702631801
1702631802
• 比较两种或多种处理方式，可以控制像安慰剂效应等潜在变量，因为潜在变量对每个组都起到同样的作用。
1702631803
1702631804
• 不同的处理方式所产生的效果之间的差距，若大到几乎不可能仅因为机会变异性的影响而产生时，就被称为具有统计学显著性。
1702631805
1702631806
• 对于因果问题所做的观察研究，如果能比较相似的组，尽量多地衡量潜在变量并做出统计调整，结果就会比较可信。
1702631807
1702631808
在第1章，我们了解到实验最适合得出由一种处理方式导致结果产生变化的结论。在这一章里，我们了解到只有设计出好的实验，特别是随机比较实验，才能为获得这类结论奠定坚实的基础。实验结果的统计学显著性，是证明解释变量有效的最好证据。
1702631809
1702631810
当无法做实验时，尽可能测量多个潜在变量和对效果进行统计调整的观察研究，有时可被用于解答因果问题。尽管如此，它们仍比不上好实验，属于次优选择。
1702631811
1702631812
案例分析与评估
1702631813
1702631814
用本章所学知识分析和评估本章开头的案例，回答以下问题。
1702631815
1702631816
这项研究的结果是：一个季度之后，春天多浇了水的草地的总植物量是其他草地的大约两倍。因此，这个实验结果具有统计学显著性。
1702631817
1702631818
• 这是实验还是观察研究？
1702631819
1702631820
• 解释“统计学显著性”的意思。
1702631821
1702631822
• 随机分配的草块采用不同的处理方式有何优点？
1702631823
1702631824
练习
1702631825
1702631826
5.1见本书第106页。
1702631827
1702631828
5.2 过度劳累对心脏不利。一篇新闻报道称，住在距离高速公路100米范围内的人的动脉血管壁增厚的速度要比一般人快两倍以上。实验人员用超声波测量了住在洛杉矶地区高速公路附近的1483名居民的颈动脉壁的厚度。结果发现，那些住在距离高速公路100米范围内的人的颈动脉壁的厚度在连续三年的跟踪研究中，每年增加5.5微米（大约是一根头发直径的1/20），是住在其他区域的实验对象颈动脉壁增厚速度的两倍以上。
1702631829
1702631830
（a）解释变量和反应变量分别是什么？
1702631831
1702631832
（b）仔细说明为何这项研究不是实验。
1702631833
1702631834
（c）说明为什么交叉干扰变量会阻碍我们得出“住在高速公路附近对你的心脏不好，因为它能增加你的颈动脉壁增厚的速度”的结论。
[
上一页 ]
[ :1.702631785e+09 ]
[
下一页 ]