普通的试验设计模型

普通的试验设计模型

五个试验设计模型在Chris Rice的Consumer Behavior书中被描述。这些包括了你可能需要的绝大多数的设计。在每一个模型中，X代表了事件——这通常指的是购买决定或者其他的与顾客之间的重要的交互作用。T代表了调查，这个点指的是非独立变量被衡量的点。

案例研究或者调查

一个事件发生了，例如对于一个项目的购买，随后我们会通过一个案例研究或者调查的手法对其进行检查。这能用下式表示（X代表事件，T代表研究）：

X→T

一个例子是对于山地自行车的购买。在20世纪90年代的早期，这种自行车不可思议的流行。要寻找这种流行的原因，我们可能会对那些在这个时期购买山地自行车的人进行调查。可能正是这样的一种调查能够帮助我们去发展一种新样式的自行车或者预测现有款式的自行车的销量。

一组前期的设计或者后期的设计

有时候指的是一种试验—再试验的设计，要对一组的个人进行调查，一个事件发生了，例如，在我们的服务传递的方法上发生了一些变化，然后我们对同一个群体再次进行试验。这能用下式表示（X代表事件，T1和T2代表进行的测试）：

T1→X→T2

假设我们想要知道顾客对于我们新的电话支持线的态度如何。有必要在这个事件之前和之后分别进行调查，从而可以进行比较。

时间系列设计或调查

在一个时间系列的调查中，个人在事件之前和之后能够被重复地进行调查。这用下式展示出来（假设要进行8个调查）（X代表了事件，T1到T8指的是进行的测试）：

T1→T2→T3→T4→X→T5→T6→T7→T8

一个对于时间系列调查最通常使用的例子是民意调查。这个事件可能是，例如，一个MP由于不适合或者由于政党领导的变化而要辞职。时间系列调查的目的是要明白在这段时间内的反应如何。在每一时刻中进行测试的个人可能是一样的，因为这是对顾客群体调查；或者由于随机抽样多用于政治性的调查而不同。

不对等的控制群组设计

除了包含有两个群组这点不同以外，对一个群组进行前期测试和进行后期测试是相似的。一个群组，称之为试验群组，将会在这个事件上进行公开，其他的群组，如控制群组将不会公开。这些能够在下式中表示出来（X代表了事件，T1和T2代表了测试）：

试验性的群组：T1→X→T2

控制群组：T1→T2

通过使用一个控制群体，可能会削减许多干扰变量的效果。假设在我们的电话支持线的例子中，把我们通常的顾客分为两个群组。并不是两个群组都要使用支持线路，我们将把设备提供给其中的一个群组（试验群组），而另外一个群组（控制群组）将会继续使用以前的设备。

当观点被重新测试的时候，我们将会更加确定真正由于支持系统的不同而导致的观点上的不同，而不考虑任何其他的迷惑性的影响，例如，对于系统需求的变化，在对于公司发展的新产品的理解上的不同，等等。

当把这个控制群组的设计应用到一个产品中的时候，例如，一种新类型的药，它通常指的是一个“单向无知的”或者“双向无知的”试验过程。去努力并且要避免试验性的结果（要降低干扰变量的影响）通常会给予试验群组真正的药片，而给予控制群组一种安慰剂。当然，控制群组相信他们服用的是真正的药物——因此，他们对于实际情况是“单向无知的”。如果试验者或者说是分析者——在这个例子中，这些人管理这些药片并且对他们的结果进行分析——也同样不清楚是哪个群组服用了药片，那么这个试验的设计就是“双向无知的”。

使用这种方法的问题与相配比的群组有关。我们必须确定试验群组和控制群组在所有的因素方面是相同的，否则的话，就可能把可能的变化归因于由于不独立的变量的原因，而不是独立变量的原因。

典型的试验设计

这个设计与非对等的控制群组的设计类似，但是通过随机地进行分配，克服了配比群体的问题。对于非对等的群体的设计来说，试验性的模型是同一的。

试验群组（随机的）：T1→X→T2

控制群组（随机的）：T1→T2

要进行这种设计，电话支持线的例子将会不得不随机地分为试验性的群组和控制群组。

问题10.2

你被要求对于一个地区性的电视广告的效果进行测试，这个广告是针对个人健康保险的，现在它的顾客数量出现下降,你将会使用哪一种设计方案?谁将会形成试验群组和控制群组？

问题10.3

如果你被要求对于New Labour能否在下次大选中获胜做出预测,你将会使用哪一种试验设计？