如何进行一项心理学实验？书上的回答是：提出问题作出假设制定计划实施计划结果分析与讨论……然而当我真正严肃地进行实验的时候，才发现“纸上得来终觉浅，绝知此事要躬行”。

经历了一整年的学习与实践，期间走了无数的弯路，犯了数不清的错误，我才大致摸清了心理学研究的套路与需要规避的坑。特此记录。

---

划重点：①设计实验前打好理论基础；②实验时不要让程序犯错；③实验后进行事后调查。

---

1 引言

在论文中，引言是非常重要的一个部分，用来介绍研究的背景：为什么要做这项研究？前人已经有哪些成果？我是怎么想的？我又是如何计划的？

同样的，在一项实际开展的研究中，引言就是实验设计前的文献查询。在这个过程中，我们需要明白：（1）我感兴趣的点在哪里？（2）相关的研究成果有哪些？（3）如何用这些成果指导实验设计？（4）如何用已知成果进行理论构思与假设？

（1）我感兴趣的点在哪里？

兴趣点并不仅仅是自己感兴趣的地方，更重要的是：研究意义。

研究意义包括两个部分：①研究本身具有意义，例如拓展领域范围，解决某些悬而未决的问题；②开展这项研究具有意义——问题不应当是不进行研究也能够预测到结果的内容，要避开“前人不屑于做”的研究。

研究的问题决定了一项研究的水平或者可能达到的高度，因此最好的途径大概是：寻求指导。优秀的导师的指导可以让研究的价值和成功的可能性瞬间上升。

（2）相关的研究成果有哪些？

确定研究题目后，根据主题寻找相关的研究成果——当然，在提出问题前也应当进行充分的文献阅读，但是确定问题后的文献查阅应当更具有目的性，可以直指对实验设计具有参考价值的范式、前人研究结果、相关实验材料等。

实际上，文献阅读不仅仅是实验设计与实施前的工作，更可能是一个贯穿整个研究过程的工作。因为你需要反复并且深入地了解相关领域的研究，才能对于整个研究框架产生掌控感

（所以千万不要一知半解便开始实验，很可能由于没有理解变量间的理论构思而前功尽弃T-T）

（3）如何用这些成果指导实验设计？

成果包括：实验范式、实验材料、前人的研究结果、前人的理论构思等。显然，实验范式、实验材料等是可以借鉴或者直接使用的，而前人的研究结果和理论构思往往是支撑现有研究的理论背景。

（4）如何用已知成果进行理论构思与假设？

这一点其实融合在了问题的提出、问题的确定之中，只是想要强调：

一般情况下，实验可以分为探索性与解释性，前者并不需要对于变量间的关系做出具体的假设，而后者往往具有强逻辑支持假设。在开展研究时，最好经常反省理论构思，明确实验类型，避免后期讨论时出现混乱。

2 实验设计与收集数据

实验过程中往往包括：被试信息、仪器与材料、实验设计与过程、统计方法这几个部分。然而，在真实开展一项研究的时候，并不是按照这样的顺序进行的。

在对于实验背景有了充分的认识，并且对于自己的实验目的做了清晰的定义后。我们需要进行正式的实验设计并实施实验。

一般情况下，我们从整体的实验方法入手，接着一步步向前推进。具体的过程包括：（1）实验设计的方法，是被试间还是被试内？是单因素还是双因素？（三因素真得很折磨人了）；（2）确定需要的数据量和统计方法——这往往与实验设计同时考虑，；（3）确定实验流程并准备材料——用流程图辅助是非常有效的方法；（4）实施实验。

上述的方法在书里面肯定都看到过，然而这些看似轻巧的建议，实际上每一步都暗含危机。

（1）实验设计的方法

大多数实验设计在你确定实验的自变量与因变量时便自然而然地确定了。

（2）确定需要的数据量和统计方法

数据量与自变量的水平有密切的关系，一般情况下，每种水平需要30及以上的数据为优。具体的还需要考虑被试间还是被试内设计。例如一个实验采用单因素被试间设计，该因素具有3个水平，那么每种条件应当具有30名被试，总共90名；如果采用被试内设计，则总共只需要30名被试（当然每名被试的实验长度是原来的3倍）。

统计方法由实验设计方法与数据类型确定，具体的方法不妨查看《实验设计与心理统计》、《实验心理学》等参考书，再次便不赘述（这个可以讲一大本，就不讲了）。总之，当你确定了实验设计方法与数据类型时，你能够使用的统计方法其实也非常明确了，如果仍然感觉有众多统计方法可以使用（说明你统计功底不行呀），不妨看看前人文献中用了什么方法，依样画葫芦便好。

（3）确定实验流程并准备材料

实验流程的确定其实是非常繁琐的过程，不仅仅是先做什么后做什么的考虑，你还需要确定每一个参数。考虑到心理学实验中以视觉实验居多，用它举个例子（其实是自己做的是视觉实验）。

在视觉实验中，你需要考虑：显示器参数（尺寸、刷新频率、分辨率）、视角（被试与显示器的距离，呈现材料的大小）、每一帧的内容（每一屏刺激呈现时间，空屏时间，注视点出现时间，掩蔽材料呈现时间，按键反应时间）。此外，要明确该实验是否需要控制环境因素等（环境照明，环境噪音）。

在使用编程软件的时候，必须检查输入与输出是否正确，这里提供一个用血泪换来的编程思路：①实现需要的内容（用MATLAB、Python、E-prime、Presentation等等，whatever）；②自己做一遍实验，记录每一个试次自己看到的刺激内容（如图片的编号）、每一个试次自己的反馈内容；③将刚才记录的内容与输出的数据进行核对：看到的刺激与记录的刺激是否相同？按键反馈与记录是否相同？对于反馈的正确与否判断是否正确？

此外，材料的参数（例如呈现时间、材料大小）等往往与任务难度相关，往往需要一定的调整才能使用，建议先招几名被试进行先行实验，分析数据趋势合理时再正式收集数据（这条真得很重要！不要一股脑便开始）。

（4）实施实验

接着，便开始（艰苦地）收集数据吧。

是实验后，主试最好进行事后调查，询问被试相关的实验信息，例如：是否做过类似实验、是否使用了策略——这些往往能够为结果分析提供思路。

3 结果分析

数据收集完成之后，我们需要进行结果分析。根据实验设计方法以及被试量，得到合适的统计方法——然而最快并且最准确的方法，是参考前人文献中的统计方法，并且可以参考前人的统计结果进行检验。

战战兢兢地分析好数据打开统计结果，心里默念“显著、显著”，一条条地查看统计结果。如果真得p<.05或者p<.01，必然小小窃喜一下。如果没有，那么就烦恼了。

然而统计结果只是论证实验假设的途径。在研究的过程中，永远不要忘记以实验目的和假设为核心。

在结果符合预期的情况下，请一定再检查一遍数据处理过程，避免处理错误：结果的整体分布情况如何，是正态还是偏态？检验方法用对了吗，方差分析、卡方还是t检验？操作过程是正确的吗，参数是否对应？——这些问题虽然小，发生的概率也不高，然而一旦出现，会严重影响后续的实验过程。

在结果不符合预期的情况下，请一定再检查一遍数据处理过程。然后，反思实验设计与条件：实验参数设置的是否合理？控制变量都控制了吗？是否存在调节变量？具体的实验过程中是否有特别的干扰？如果都没问题，那么就要反思自己的理论构思是否合理。——有时候，做了一半才发现走错了路。T T

4 结果讨论

如果实验按照结果一步步完成，那么结果的讨论必然是了然于胸的。在此不赘述。