对照组实验设计 — 受控实验
- 提出者
- Ronald A. Fisher; systematised by Donald T. Campbell & Julian C. Stanley
- 年份
- 1935 (Fisher); 1963 (Campbell & Stanley codification)
- 类型
- Experimental research design
- 类别
- Experimental design
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
对照组实验设计是一种基本的实验结构,其中参与者被分配到至少两个组——一个接受干预的治疗组和一个不接受干预的对照组——以便通过比较各组的结果来分离干预的效果。分配的随机化通过平衡已知和未知的混杂因素来加强因果推断。
方法背后的直觉
将对照组视为衡量干预效果的基线。没有对照组,你就无法判断观察到的任何变化是由治疗还是由时间、成熟、历史或其他因素引起的。通过将一个组在其他条件相同的情况下不接受治疗,然后在结束时比较这两个组,你就分离出了治疗的特定贡献。对照组是实验中因果推理的逻辑基础,而非事后才考虑的补充。
历史学
实验中比较组的逻辑是由Ronald A. Fisher在20世纪20-30年代在Rothamsted实验站正式确立的,最终在他1935年的著作《实验设计》中得到体现,该书引入了随机化作为实验推断的基础。Donald Campbell和Julian Stanley在1963年的专著《实验与准实验研究设计》系统化了实验设计的类型学,并列举了正确随机化对照组设计所解决的内部效度威胁。他们的框架仍然是社会和行为科学中设计有效性的主要参考。
何时使用
当你需要建立干预与结局之间的因果关系,而不仅仅是关联时,请使用对照组实验设计。它是评估教育干预、临床治疗、行为项目和产品功能的标准设计。它要求(a)你能操纵自变量,(b)参与者被随机或至少系统地分配到各组是可行的,(c)在可比的条件下两组都能进行结局测量。当随机化在伦理上或实际上不可能时,不要使用此设计——准实验设计或自然实验在这种情况下更合适。当研究问题是探索性的、描述性的,或者询问的是生活经验而不是治疗效果时,不要使用此设计。
局限与注意事项
- 要求随机(或以其他方式系统)的组分配在伦理和后勤上是可行的。
- 如果治疗组和对照组的退出率不同,则不能自动防止损耗偏差。
- 内部效度高,但将结果推广到不同人群或环境需要额外的研究。
- 在临床环境之外,盲法通常很困难,期望效应和安慰剂效应仍然是潜在的威胁。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 在观察性和实验性设计中,为因果推断提供最强的证据。
- 随机分配同时控制已知和未知的混杂因素。
- 概念逻辑直接,可直接映射到大多数统计比较框架。
- 在临床、教育和社会研究中,干预评估的广泛接受的标准。
- 适应性强:基本结构可以通过因子安排、预测试验或重复评估来扩展。
应用
- 通过在临床试验中将接受治疗的患者与接受安慰剂的对照组进行比较,评估新药或疗法的疗效。
- 测试一项新的教学干预是否能提高学生的学习成果,与标准教学对照班相比。
- 通过比较参与和未参与的员工的生产力和缺勤率,评估一项工作场所健康计划的效果。
- 通过比较接受宣传的地区与未接受宣传的对照地区,衡量一项公共卫生宣传活动对行为改变的影响。
- 通过比较启用和未启用该功能的用户组的任务完成率,验证一项新的软件功能。
使用方式
使用方式
研究者定义至少两组:一组或多组将接受实验干预的治疗组,以及一组不接受干预(或接受安慰剂或标准治疗条件)的对照组。组的数量和性质由研究问题和设计的因子结构决定。
符合条件的参与者被随机分配到治疗组或对照组。随机分配——而不是自我选择或便利分配——是将各组在基线时在测量到和未测量到的混杂因素上进行均等化的机制,从而使设计成为真正的实验。没有随机化,该设计就是准实验。
治疗组在标准化、受控的条件下接受实验干预。对照组在尽可能相同的条件下进行,但没有活性治疗。在可行的情况下,对参与者和/或评估者进行盲法处理,以防止期望效应产生偏差。
主要和次要结局使用相同的仪器和程序在同一时间点在两组中进行测量。测量应该是客观的,或者在主观的情况下,对组分配进行盲法处理。任何预先指定的结局测量和时间点都应在数据收集开始前声明。
使用适当的统计检验比较组间的结局得分——通常是连续结局的t检验或方差分析,分类结局的卡方检验或逻辑回归。组间差异、其置信区间和效应量共同传达了治疗是否具有实际和统计学意义的影响。
常见陷阱
- 省略真正的对照组,而是比较两种活性治疗——这测试的是相对疗效,而不是绝对效果,需要明确承认。
- 通过便利而非随机化分配组,然后像对待真正的实验一样对待该设计,这夸大了因果信心。
- 任何一组的样本量不足,导致检验效力不足,无法检测到实际的效应量——在数据收集前务必进行功效分析。
- 组间损耗差异未在分析中解决——如果一个组的退出者更多,基线等效性就会受到损害,应报告意向性治疗分析。
- 组间污染,即对照组的参与者了解到或采用了治疗组的某些元素,从而削弱了观察到的效果。
常见问题
对照组和比较组有什么区别?
对照组严格来说不接受任何治疗或接受安慰剂,并通过随机分配形成。比较组是任何用于对比的组,但通过非随机方式形成——例如,一个预先存在的班级或一个历史队列。这种区别对因果推断很重要:随机分配支持因果主张;比较组仅支持关联性主张。
等待列表对照是否可接受的对照条件?
是的,在许多应用场景中,等待列表对照——即对照组在研究结束后才接受干预——是一种符合伦理的折衷方案,它保留了比较的逻辑。局限性在于参与者知道自己在等待,这可能会引入期望效应,并降低与真正的无治疗或安慰剂对照相比的内部效度。
如果我有随机分配,我还需要预测试验吗?
理论上,随机分配可以在基线时产生等效的组,而无需预测试验,尤其是在大样本中。然而,仍然强烈建议进行预测试验,因为它允许你验证基线等效性,使用变化分数或ANCOVA进行更强大的分析,并检测研究过程中可能出现的任何差异性损耗。
每组应该有多大?
组大小应由正式的功效分析决定,该分析指定了实际感兴趣的最小效应量、所需的功效水平(通常为0.80)和alpha阈值(通常为0.05)。“每组至少30人”等经验法则只是起点,当预期效应很小或结局测量成本很高时,它们是不够的。
我可以在单被试设计中使用对照组设计吗?
在被试间意义上不行。单被试实验设计在一段时间内将个体作为自己的对照(例如,AB或ABAB设计),这是一种概念上不同的方法。传统的对照组设计需要多个参与者分布在不同的条件下。