Skip to content
返回搜索结果

所罗门四组设计 — 控制前测敏感化

提出者
Richard L. Solomon
年份
1949
类型
True experimental design
类别
Experimental design

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

所罗门四组设计(Solomon Four-Group Design)是对经典前测-后测控制组设计(pretest-posttest control-group design)的扩展,它增加了两个不接受前测的组,从而使研究者能够检测前测本身是否会改变参与者对处理的反应。该设计由Richard L. Solomon于1949年提出,至今仍是分离前测的独立效应和获得无偏处理有效性估计的黄金标准。

方法背后的直觉

假设您正在测试一项新的正念练习项目。在项目开始前,您向一半的参与者发放一份基线压力问卷。仅仅填写这份问卷是否会使人们更加自我觉察,从而在后续评估中显得改善更多——即使没有参加该项目?所罗门设计通过同时对四组进行实验来直接回答这个问题:两组接受前测,两组不接受前测;在每对组中,一组接受处理。通过比较所有四组的后测均值,您可以清晰地分离出处理的作用和前测的作用。

历史学

Richard L. Solomon于1949年在《Psychological Bulletin》上发表的一篇论文中提出了该设计,作为对经典Campbell风格前测-后测控制组设计的明确扩展,其动机是学习和态度改变研究中他观察到基线测试改变了参与者后续的反应。Donald Campbell和Julian Stanley在其1963年的里程碑式专著中,将该设计与其他实验设计一起进行了规范化,巩固了其在研究方法经典中的地位。尽管其逻辑上很优雅,但由于其样本量需求,该设计在实践中应用不多,但它仍然是实验研究中如何分离测量反应性的教科书式范例。

何时使用

当您怀疑完成前测可能会改变参与者对干预的反应时,应使用所罗门四组设计——这在态度改变研究、教育研究、健康行为干预以及任何回答基线问题可能提高意识或引发反应的领域中很常见。当敏感化在理论上是合理的,并且增加样本量的成本是可以接受的时,它最有价值。当研究预算仅允许很小的总样本量(四组中的每一组都必须足够大才能独立检测效应)、当研究现象不受测量反应性的影响,或者当需要前测数据进行个体层面追踪时,应避免使用它——在这些情况下,使用具有ANCOVA的标准前测-后测设计更为实用。

局限与注意事项

  • 需要大约是标准前测-后测设计两倍的样本量,这使得它成本高昂且后勤要求苛刻。
  • 统计分析相对于简单的前后比较更为复杂;对具有前测数据的子集进行ANCOVA需要仔细处理第3组和第4组的缺失协变量。
  • 除了随机分配所提供的之外,不控制历史或成熟效应;这些威胁同样适用于所有四组。
  • 由于敏感化假设通常未经检验而非理论驱动,且样本成本高昂,因此在实践中很少使用。

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

  • 独特地识别和量化前测敏感化(测试)效应,而更简单的设计会将此效应与处理效应混淆。
  • 通过结合来自接受前测和未接受前测组的证据,产生对处理有效性最具有内部效度的估计。
  • 支持完整的2×2析因方差分析,产生处理和前测的主效应及其交互作用。
  • 随机分配到所有四组支持对处理效应和前测效应的同时进行因果推断。
  • 提供内置的复制:处理效应可以估计两次(来自第1组与第2组的比较,以及来自第3组与第4组的比较),如果设计假设成立,这两个估计值应该会趋于一致。

应用

  • 教育干预,其中课程前知识测试本身可能会在项目开始前引发学习。
  • 态度改变和说服实验,其中前测测量使参与者对信息更加敏感。
  • 健康行为项目(例如,戒烟、饮食改变),其中基线问卷提高了对目标行为的认识。
  • 心理训练研究,考察技能习得,其中前测的练习效应在理论上是合理的。
  • 组织培训和发展研究,其中前评估可能会提示员工关注项目目标。

使用方式

使用方式

1

参与者被随机分配到四个大致相等规模的组中:(1)前测+处理+后测,(2)前测+对照+后测,(3)无前测+处理+后测,以及(4)无前测+对照+后测。随机分配至关重要;没有它,该设计将失去因果推断的有效性。

2

第1组和第2组在任何干预开始前完成前测测量。第3组和第4组不接受前测。第1组和第2组的前测数据既可作为基线协变量,也可作为估计前测敏感化效应的基础。

3

第1组和第3组接受实验性处理;第2组和第4组作为对照组,不接受处理或接受等效的安慰剂条件。研究环境的所有其他方面在四组之间保持不变。

4

所有四组在干预期结束后同一时间点完成相同的结局测量。后测在各组之间是相同的,因此任何均值差异都可归因于处理和/或前测效应,而不是测量差异。

5

使用2×2析因方差分析(ANOVA)(以处理×前测作为因子)或通过协方差分析(ANCOVA)(以第1组和第2组的前测作为协变量)来比较所有四组的后测均值。显著的“处理×前测”交互作用表明存在敏感化。主效应和交互效应共同产生不受前测污染的净处理效应估计值。

常见陷阱

  • 将四组视为两个独立的两组实验,而不是联合分析所有后测均值——这会浪费统计效力,并错过交互作用效应,而交互作用效应是该设计的主要贡献。
  • 未能验证随机分配产生了平衡的组;即使进行了随机分配,检查所有四组之间的基线等效性(对于两组接受前测的组)以及所有四组的人口统计学等效性也很重要。
  • 纳入的前测与干预内容过于相似,以至于它构成了部分处理而非仅仅是测量——这会夸大显现的敏感化效应并扭曲估计值。
  • 低估了各组的统计效力:由于总样本量被分成四个单元格,每个单元格必须独立足够大才能有助于检测交互作用效应;每单元格样本量小是一个常见且严重的错误。

常见问题

如何在分析中处理第3组和第4组的缺失前测分数?

推荐的方法是对四组后测均值进行2×2析因方差分析,将处理条件和前测的有无作为两个因子。这可以利用所有数据,而无需所有组的前测分数。或者,对于第1组和第2组,您可以运行以该前测为协变量的ANCOVA,并将ANCOVA调整后的处理效应与第3组和第4组的未调整效应进行比较。如果没有敏感化,这两个估计值应该接近。

每组需要多大?

四个单元格中的每一个都应该有足够的统计效力来检测预期的效应量。由于交互作用(处理×前测)通常是最大的关注点,并且交互作用效应比主效应需要更大的样本量,因此在大多数社会科学情境下,每单元格至少需要30-50名参与者,或者使用先验功效分析,设定预期的效应量和0.80的功效。

如果交互作用项不显著怎么办?

不显著的“处理×前测”交互作用是一个有用的发现:它表明前测并未使参与者敏感化,此时使用更简单的前测-后测控制组设计就足够了。在这种情况下,为了得出主要结论,请将处理的主效应合并到两个前测条件中。

所罗门设计是否在临床试验中使用过?

很少。临床试验通常优先考虑盲法,并且在伦理上或实践上并不总是能够省略基线评估。该设计在社会、教育和心理学研究中更为常见,因为在这些领域敏感化威胁更为明显,并且省略前测不会引起伦理问题。

所罗门设计与2×2析因实验有何区别?

结构上它是一个2×2析因设计(处理×前测),但“前测”因子不是一个被操纵的处理变量——它是一个设计特征,其存在或缺失被用来控制一个干扰因素。因此,所罗门设计更好地被理解为一种纯化主要处理因果推断的方法,而不是对两个独立因子的析因研究。

相关方法

参考文献

  1. Solomon, R. L. (1949). An extension of control group design. Psychological Bulletin, 46(2), 137–150.

    打开 DOI 文献
    已复制。
  2. Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.

    ISBN:978-0395307878
    已复制。