建立 2026-11-13 更新 2026-11-13

實驗設計

實驗（experiment）是研究者主動給受試者施加處理、再觀察反應的研究，是統計上唯一能推論因果關係的研究方式。關鍵在於隨機分派：把受試者隨機分到各處理組，讓其他可能影響結果的因素在各組間平均分散。本頁說明觀察研究與實驗的差別、實驗的術語與四大原則、三種常見設計，以及推論範圍，對應新版 Topic 1.13。

觀察研究和實驗差在哪？

觀察研究無法推論因果，是因為可能有干擾變數（confounding variable）：與解釋變數和反應變數都有關的變數，讓我們無法分辨反應的差異是誰造成的。例如喝咖啡的人可能也比較常熬夜，壽命差異可能來自睡眠而不是咖啡。

實驗的基本術語

安慰劑效應（placebo effect）是指受試者因為「以為自己接受了治療」而出現反應。單盲（single-blind）是受試者或評估者其中一方不知道分組；雙盲（double-blind）是受試者和評估反應的人都不知道分組，可以避免期待影響結果。

好的實驗要滿足哪四個原則？

1. 比較（Comparison）：至少有兩種處理，才能比較效果。
2. 隨機分派（Random assignment）：用隨機方法把實驗單位分到各處理組，讓干擾變數在各組間大致平衡。
3. 控制（Control）：讓其他可能影響反應的變數在各組保持一致，例如相同的測量時間與環境。
4. 重複（Replication）：每個處理組要有足夠多的實驗單位，才能分辨處理效果和隨機變異。

怎麼描述隨機分派？

把 40 位受試者編號 1–40，用亂數產生器產生 1–40 之間不重複的整數，前 20 個號碼的受試者接受新藥，其餘 20 位接受安慰劑。

三種常見實驗設計

完全隨機設計

完全隨機設計（completely randomized design）把所有實驗單位直接隨機分派到各處理組，是最基本的設計。

區集設計

隨機區集設計（randomized block design）先依某個會影響反應的變數把實驗單位分成區集（blocks），再在每個區集內分別隨機分派處理。例如依性別分區集，再在男性、女性內部各自隨機分派新藥或安慰劑。

區集的目的是降低區集變數造成的變異，讓處理效果更容易被看出來。這和分層抽樣的想法相同：先分成相似的組，再在組內隨機。

配對設計

配對設計（matched pairs design）是區集大小為 2 的特例：

• 把條件相近的兩個實驗單位配成一對，對內隨機決定誰接受哪種處理；或
• 讓同一個人接受兩種處理，隨機決定順序。

配對設計的資料要用差值分析，見 單一平均數的推論。

統計顯著是什麼意思？

如果處理組之間的差異大到「不太可能只是隨機分派造成的」，就稱這個差異統計顯著（statistically significant）。判斷是否顯著，就是 Unit 3、4 的假設檢定要做的事。

推論範圍：能下什麼結論？

研究能下的結論取決於兩個問題：有沒有隨機抽樣、有沒有隨機分派。

推薦影音

統計研究的類型

簡述：Khan Academy 比較抽樣調查、觀察研究與實驗的差別，並說明每種研究能得到什麼結論。適合先建立整體架構。

對照實驗

簡述：Crash Course Statistics 第 9 集，說明對照組、安慰劑、盲法與隨機分派在實驗中扮演的角色，並舉出醫學研究的例子。

配對實驗設計

簡述：Khan Academy 示範配對設計的兩種做法，以及為什麼配對能降低個體差異造成的變異。適合搭配本頁「配對設計」一節。

相關頁面

• 抽樣方法與偏誤
• 單一平均數的推論
• 兩平均數的比較