如何做好实验设计 — AP 统计学
1. 实验设计的核心原则 ★★☆☆☆ ⏱ 4 min
设计良好的实验能够让研究者分离解释变量（也称为因素）对响应变量的影响，从而得到观察性研究无法得出的有效因果推断。与观察性研究不同，实验会对实验单位（若为人类则称为受试者）施加处理，以测量响应。根据AP统计学课程与考试描述（CED），该内容占第3单元的约40%，占AP考试总分的4-6%。
- **控制**：通过设置对照组来解释潜伏变量的影响，消除处理效应与潜伏变量效应混杂的问题。对照组可以不接受处理、接受安慰剂，或接受现有的标准处理。
- **随机化**：将实验单位随机分配到各处理组，平均而言平衡各组之间已知和未知的潜伏变量。
- **重复**：每个处理分配给多个独立实验单位，以降低抽样变异，更容易检测到真实的处理效应。
2. 常见实验设计类型 ★★★☆☆ ⏱ 4 min
根据研究者是否已知需要控制的干扰变量（影响响应但不是研究兴趣所在的变量），实验可分为三种常见设计结构。
- **完全随机设计 (CRD)**: 最简单的设计，所有实验单位不进行预先分组，直接随机分配给各处理。当实验单位之间不存在已知的系统性差异时使用。
- **随机区组设计 (RBD)**: 将单位按照已知干扰变量分组为区组，使得同一个区组内的所有单位在该干扰变量上相似。处理的随机分配发生 *每个区组内*。区组化减少了不必要的变异，更容易检测到处理效应。
- **配对设计**: 随机区组设计的特殊情况，每个区组恰好包含两个根据相似特征匹配的单位，每个单位接受一种处理。另一种形式是每个单位按随机顺序接受两种处理（重复测量配对设计），此时单位自身作为一个区组。
3. 推断范围 ★★★★☆ ⏱ 3 min
根据实验设计判断可以得出哪些有效结论是AP统计学的核心技能，任何研究都需要回答两个独立问题。
- **我们能否得出处理导致响应差异的结论？**：只有当处理*随机分配*给实验单位时，因果结论才有效。没有随机分配的话，你只能得出关联结论，不能得出因果结论。
- **我们能否将结果推广到更大的总体？**：只有当实验单位从感兴趣的总体中*随机抽样*得到时，推广才有效。便利样本（比如自愿参与的学生）不允许推广。
4. 概念检测 ★★★☆☆ ⏱ 3 min
Common Pitfalls
Why: 学生混淆了随机抽样（用于推广）和随机分配（允许得出因果结论的有效实验的核心要求）。
Why: 这个简化定义忽略了对照组通常接受现有标准处理或安慰剂，而非不接受处理。
Why: 学生认为区组是另一个需要检验的因素，实际上区组是为了减少不必要变异而分组的干扰变量，不是研究兴趣变量。
Why: 学生将实验后的验证与原实验内部的重复混淆。
Why: 学生认为匹配消除了对随机化的需求，但顺序效应会混杂结果。
Why: 学生认为任何称为实验的研究都可以支持因果结论，但只有随机分配才能支持因果推断。