Research Design： 什么是随机分配？

想象一下，我们正在进行一项实验，以确定定期摄入维生素X是否能改善健康状况Y。为了简单起见，我们有以下两个实验组:

• 控制组: 不服用维生素补充剂

• 实验组：定期服用维生素补充剂

想象我们测量一个特定的健康结果。实验完成后，我们进行2个样本t检验，以确定这两组的平均结果是否不同。假设测试结果表明，实验组的平均健康结果明显优于对照组。

为什么我们不能假设维生素能改善健康状况呢?这个问题的答案取决于我们如何分配实验对象。毕竟，只有实验组服用了维生素。如果我们让受试者根据他们现有的维生素习惯来决定加入哪一组，就会为混杂变量打开大门。我们有理由认为，经常服用维生素的人往往也有其他健康的习惯。这些习惯是混杂因素，因为它们与维生素摄入（实验组）和健康结果测量相关。

事实上，研究发现，与不服用补充剂的人相比，服用补充剂的人更活跃，饮食更健康，血压更低，等等。如果已经定期服用维生素的受试者自愿加入实验组，他们就会把这些健康习惯不成比例地带到实验组。因此，这些习惯在实验组比对照组更普遍。 健康的习惯X2是混杂变量，是我们研究健康结果差异的潜在替代解释。研究开始时各组之间的这些系统性差异很可能会导致研究结束时健康结果的差异，而不是维生素摄入量X本身！

实验必须考虑混杂变量

你的实验设计必须考虑混杂变量来避免它们的问题。科学研究通常使用以下两种方法来处理混杂因素:

• 在观察研究中对其进行统计控制。

• 使用随机分配减少研究开始时实验组之间存在系统性差异的可能。

随机分配使用一个随机过程来分配实验对象到实验组。例如，在我们的维生素补充剂研究中，我们可以使用抛硬币将每个受试者分配到控制组或补充剂组中。对于更复杂的实验设计，可以使用随机数生成器，甚至可以从魔术帽中取名字。由于随机分配有助于确保在实验开始时各组是均衡的，因此您可以更加确信是实验造成了研究后的差异.

对于我们的研究，我们必须能够分配参与者到对照组或补充组。显然，如果没有能力将受试者分配到那些组中，就不能使用随机分配！

随机分配的缺点

随机分配有助于在实验开始时减少组间系统性差异的机会，从而减少混杂变量和替代解释的威胁。然而，这一过程并不总能平衡所有的混杂变量。它的随机性倾向于消除系统差异，但它并不总是成功。有时随机分配是不可能的，因为实验者不能控制处理或自变量。例如，如果你想要确定一个人在测试中是否患有抑郁症，你不能随机地将受试者分配到这些组中。当你研究性别差异时也会遇到同样的困难。这是我们在观察研究中需要添加控制变量对其进行统计控制。