实验法是因果推断的"金标准"。但很多研究者只掌握了最基础的"两组对比"，对更高级的实验范式知之甚少。以下是从基础到高级的系统梳理。

基础实验范式回顾。①后测-only设计：随机分组→实验组接受处理/对照组不接受→测量因变量。优点：简单直接。缺点：无法确认组间基线是否一致。②前测-后测设计：随机分组→前测→处理→后测。优点：可以控制基线差异。缺点：前测可能影响后测（测试效应）。③所罗门四组设计（Solomon Four-Group）：结合以上两种，4个组（实验+前测、实验-前测、对照+前测、对照-前测），可以分离出测试效应的影响。④因子设计（Factorial Design）：同时操纵两个或多个自变量（如"教学方法×学习风格"），可以检验主效应和交互效应。

高级实验范式。①被试内设计（Within-subjects Design）：同一个被试在不同条件下都接受测试。优点：控制个体差异，所需样本量小。缺点：顺序效应（Order Effect）——先做的条件影响后做的条件。解决方案：拉丁方设计（Latin Square）或完全随机化顺序。②混合设计（Mixed Design）：部分变量是被试间（不同人），部分变量是被试内（同一人）。例如："教学方法"是被试间（A组用方法1，B组用方法2），"时间"是被试内（第1周、第4周、第8周各测一次）。③交叉设计（Crossover Design）：每个被试都经历所有条件，但顺序不同。常用于医学临床试验（每个患者先后接受实验药和安慰剂，顺序随机化）。

实验操控检验（Manipulation Check）。这是很多初学者忽略的关键步骤。你以为你成功操纵了自变量，但如果没有检验，审稿人会质疑。方法：①直接询问："在刚才的任务中，你觉得难度如何？（1=很简单，7=很难）" 实验组应该显著高于对照组。②行为指标：如果你的操控是"时间压力"，检查实验组是否真的完成任务更快。③生理指标：如果操控是"情绪"，可以用皮肤电导、心率等生理指标验证。如果操控检验失败，说明你的实验处理没有起效，整个实验的内部效度存疑。

"盲法"设计。①单盲（Single-blind）：被试不知道自己属于哪一组（实验组还是对照组）。防止被试的心理预期影响结果。②双盲（Double-blind）：被试和实验者都不知道分组。防止实验者的无意识暗示影响结果。③三盲（Triple-blind）：被试、实验者、数据分析者都不知道分组。最严格，但操作难度大。盲法是排除"安慰剂效应"和"实验者效应"的核心手段。

实验的"生态效度"问题。实验室实验的内部效度高（因果推断可靠），但生态效度低（在真实世界中未必成立）。提升生态效度的方法：①现场实验（Field Experiment）：在真实环境中操作自变量。例如，在教育现场测试新教学方法的效果，而不是在实验室里。②自然实验（Natural Experiment）：利用自然发生的"准随机"事件（如政策变化、自然灾害）作为自变量。③虚拟现实（VR）实验：在高度可控的VR环境中模拟真实场景，兼顾控制力和生态效度。

实验设计的常见错误。①样本量太小（每组N<15，统计功效不足）；②没有控制组（只有实验组前后测，无法排除时间效应）；③操控太弱（实验组和对照组的差异太小，检测不到效应）；④需求特征（Demand Characteristics）：被试猜到了研究假设，按照"研究者期望"作答；⑤实验者效应（Experimenter Effect）：实验者的表情、语气无意识地引导了被试；⑥没有操控检验（无法确认自变量是否成功操纵）；⑦顺序效应未控制（被试内设计中，先做的条件影响了后做的条件）。

实验法是因果推断的"金标准"。但很多研究者只掌握了最基础的"两组对比"，对更高级的实验范式知之甚少。以下是从基础到高级的系统梳理。

基础实验范式回顾。①后测-only设计：随机分组→实验组接受处理/对照组不接受→测量因变量。优点：简单直接。缺点：无法确认组间基线是否一致。②前测-后测设计：随机分组→前测→处理→后测。优点：可以控制基线差异。缺点：前测可能影响后测（测试效应）。③所罗门四组设计（Solomon Four-Group）：结合以上两种，4个组（实验+前测、实验-前测、对照+前测、对照-前测），可以分离出测试效应的影响。④因子设计（Factorial Design）：同时操纵两个或多个自变量（如"教学方法×学习风格"），可以检验主效应和交互效应。

高级实验范式。①被试内设计（Within-subjects Design）：同一个被试在不同条件下都接受测试。优点：控制个体差异，所需样本量小。缺点：顺序效应（Order Effect）——先做的条件影响后做的条件。解决方案：拉丁方设计（Latin Square）或完全随机化顺序。②混合设计（Mixed Design）：部分变量是被试间（不同人），部分变量是被试内（同一人）。例如："教学方法"是被试间（A组用方法1，B组用方法2），"时间"是被试内（第1周、第4周、第8周各测一次）。③交叉设计（Crossover Design）：每个被试都经历所有条件，但顺序不同。常用于医学临床试验（每个患者先后接受实验药和安慰剂，顺序随机化）。

实验操控检验（Manipulation Check）。这是很多初学者忽略的关键步骤。你以为你成功操纵了自变量，但如果没有检验，审稿人会质疑。方法：①直接询问："在刚才的任务中，你觉得难度如何？（1=很简单，7=很难）" 实验组应该显著高于对照组。②行为指标：如果你的操控是"时间压力"，检查实验组是否真的完成任务更快。③生理指标：如果操控是"情绪"，可以用皮肤电导、心率等生理指标验证。如果操控检验失败，说明你的实验处理没有起效，整个实验的内部效度存疑。

"盲法"设计。①单盲（Single-blind）：被试不知道自己属于哪一组（实验组还是对照组）。防止被试的心理预期影响结果。②双盲（Double-blind）：被试和实验者都不知道分组。防止实验者的无意识暗示影响结果。③三盲（Triple-blind）：被试、实验者、数据分析者都不知道分组。最严格，但操作难度大。盲法是排除"安慰剂效应"和"实验者效应"的核心手段。

实验的"生态效度"问题。实验室实验的内部效度高（因果推断可靠），但生态效度低（在真实世界中未必成立）。提升生态效度的方法：①现场实验（Field Experiment）：在真实环境中操作自变量。例如，在教育现场测试新教学方法的效果，而不是在实验室里。②自然实验（Natural Experiment）：利用自然发生的"准随机"事件（如政策变化、自然灾害）作为自变量。③虚拟现实（VR）实验：在高度可控的VR环境中模拟真实场景，兼顾控制力和生态效度。

实验设计的常见错误。①样本量太小（每组N<15，统计功效不足）；②没有控制组（只有实验组前后测，无法排除时间效应）；③操控太弱（实验组和对照组的差异太小，检测不到效应）；④需求特征（Demand Characteristics）：被试猜到了研究假设，按照"研究者期望"作答；⑤实验者效应（Experimenter Effect）：实验者的表情、语气无意识地引导了被试；⑥没有操控检验（无法确认自变量是否成功操纵）；⑦顺序效应未控制（被试内设计中，先做的条件影响了后做的条件）。