{
  "id": "experiment",
  "title": "实验",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "实验是通过系统地操控条件并测量结果，检验解释、估计效应或探索现象的研究活动。",
  "category": "philosophy",
  "subcategory": "metaphysics-epistemology",
  "type": "concept",
  "aliases": [
    "科学实验"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/experiment/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/experiment/",
      "json": "https://aiwiki.page/en/experiment.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "实验是一种系统性研究，研究者有意设置或改变条件，并观察由此产生的结果。实验可以检验假说、测量某个量、比较不同方案，或发现此前未被认识的关系。实验是科学方法的重要组成部分，尤其适用于探究改变某个条件会如何影响另一个条件的问题。实验的证据价值取决于比较方式的安排、测量的质量，以及将观察结果与结论联系起来的假设。(itl.nist.gov)"
    },
    {
      "heading": "目的与范围",
      "text": "实验研究与纯粹的观察性研究不同：研究者会干预所研究的系统，而不只是记录既有条件。这种干预有助于区分因果关系与相关关系：两个量可能同时变化，但并不意味着其中一个导致另一个发生变化。不过，仅有干预并不足以确立因果效应；实验还必须提供可信的比较，并排除其他可能的解释。(nobelprize.org)\n\n实验可以是探索性的，用于识别值得进一步研究的因素或意料之外的行为；也可以是验证性的，用于评估事先提出的预测。还有一些实验用于优化制造工艺，或确定哪些运行条件能够产生预期的响应。这些目的会影响因素、测量方式和分析方法的选择。因此，实验设计不只是收集数据的程序，而是将研究目标与可解释的证据联系起来的方案。(itl.nist.gov)"
    },
    {
      "heading": "变量、处理与实验单位",
      "text": "因素是指研究中考察其影响的条件，因素的水平则是实验所包含的具体数值或类别。一种处理可以由某个因素的一个水平构成，也可以由多个因素的水平组合构成。响应有时称为因变量，是实际测量的结果。例如，一项研究可能改变加工温度，并记录产品产率。需要将关注的因素与干扰因素区分开来；后者会影响响应，但并非研究的主要对象。(itl.nist.gov)\n\n实验单位是被独立分配处理的实体，例如试样、生产批次、个人或农田地块。对同一个单位进行多次测量，并不一定构成处理的独立重复。正确识别实验单位十分重要，因为如果分析夸大了独立观测的数量，就可能低估不确定性。因此，必须统筹考虑测量、处理分配和变异结构。(itl.nist.gov)"
    },
    {
      "heading": "对照、随机化与重复",
      "text": "对照条件提供了评价干预效果的参照。根据研究问题的不同，对照可以是不实施干预、采用已有的处理方法，或采用另一种运行条件。如果不同处理组在其他相关方面也存在系统性差异，比较结果就会难以解释。这种混杂会使响应存在多种可能的解释，而不能仅归因于所考察的因素。(nobelprize.org)\n\n随机化利用随机机制分配处理或确定各次实验的进行顺序。它有助于防止处理与未受控制的影响因素之间形成系统性关联，但并不能保证某一次实验中的各组完全相同。区组化则通过将相似的单位分组，并在组内比较不同处理，来应对已知的变异来源。例如，可以在同一生产批次内比较处理，而不是跨越在不同条件下生产的批次进行比较。(itl.nist.gov)\n\n重复是指在多个实验单位上重复施加处理，从而提供有关变异的信息，并提高响应估计的精度。重复的仪器读数可以评估测量变异，而独立进行的实验还能够反映不同单位或不同实验时点之间的差异。重复、随机化和区组化各有不同的用途，通常会结合使用，而不是将其视为可以相互替代的保障措施。(itl.nist.gov)"
    },
    {
      "heading": "主要实验设计",
      "text": "完全随机设计不设置区组，直接在可用的实验单位之间分配处理。随机区组设计则纳入由干扰因素界定的分组。析因设计考察多个因素的水平组合，使研究者能够同时研究各因素的单独效应及其交互作用。当一个因素的效应取决于另一个因素的水平时，就存在交互作用。部分析因设计只研究选定的组合，以减少所需的实验次数，但代价是能够单独估计的效应受到限制。(itl.nist.gov)\n\n随机对照试验通过随机分配来比较不同干预，应用领域包括医学、教育和经济学。相比之下，自然实验利用研究者无法控制的外部情境，这些情境造成的暴露差异可能提供有价值的信息。尽管名称中有“实验”，它并不是由研究者分配处理的实验；将其用于因果推断时，需要对这些差异如何产生作出假设。(nobelprize.org)"
    },
    {
      "heading": "分析与解释",
      "text": "统计学将实验观测与估计及其不确定性联系起来。根据实验设计的不同，研究者可以使用方差分析、线性回归或其他模型来比较响应。分析必须体现处理分配、区组化、重复，以及观测之间的依赖关系。否则，看似精确的结果可能建立在对实验的不恰当表述之上。(itl.nist.gov)\n\n统计假设检验与置信区间涉及推断的不同方面。P值表示观测结果与某个指定统计模型的不相容程度，而不是所检验假设为真的概率。统计显著性也不衡量效应大小或实际重要性。因此，解释结果时需要综合考虑估计的效应大小、不确定性、实验背景，以及所作假设是否恰当，而不能只看显著性阈值。(doi.org)"
    },
    {
      "heading": "验证与伦理约束",
      "text": "详细记录实验程序、材料、数据处理和分析过程，可以使他人审查实验发现。相关术语的用法有所不同，但美国国家科学院体系将可复现性与可重复验证性作了区分：前者指使用相同的数据和方法获得一致的计算结果，后者则指通过收集新数据的研究获得一致的发现。由于实验包含不确定性和变异，结果一致并不一定意味着数值完全相同。(nationalacademies.org)\n\n研究伦理学对哪些实验可以开展、如何对待参与者作出约束。1979年的《贝尔蒙报告》提出，尊重个人、行善和公正是涉及人类受试者的研究应遵循的原则，并将这些原则与知情同意、风险与收益评估，以及公平选择参与者联系起来。动物研究有其独立的规范框架，通常概括为替代、减少和优化：尽可能采用替代方法，在适当限制动物数量的同时获取可靠信息，并尽量减少痛苦、改善动物福利。(hhs.gov)"
    }
  ],
  "links": [
    "hypothesis",
    "scientific-method",
    "causation",
    "correlation",
    "experimental-design",
    "temperature",
    "confounding",
    "factorial-design",
    "randomized-controlled-trial",
    "medicine",
    "education",
    "economics",
    "natural-experiment",
    "causal-inference",
    "statistics",
    "analysis-of-variance",
    "linear-regression",
    "statistical-hypothesis-testing",
    "confidence-interval",
    "p-value",
    "reproducibility",
    "ethics",
    "informed-consent"
  ],
  "sources": [
    {
      "title": "itl.nist.gov/div898/handbook/pri/section1/pri11.htm",
      "url": "https://itl.nist.gov/div898/handbook/pri/section1/pri11.htm"
    },
    {
      "title": "nobelprize.org/uploads/2021/10/advanced-economicsciencesprize2021.pdf",
      "url": "https://www.nobelprize.org/uploads/2021/10/advanced-economicsciencesprize2021.pdf"
    },
    {
      "title": "itl.nist.gov/div898/handbook/toolaids/pff/E-Handbook.pdf",
      "url": "https://www.itl.nist.gov/div898/handbook/toolaids/pff/E-Handbook.pdf"
    },
    {
      "title": "itl.nist.gov/div898/handbook/pmd/section3/pmd33.htm",
      "url": "https://www.itl.nist.gov/div898/handbook/pmd/section3/pmd33.htm"
    },
    {
      "title": "itl.nist.gov/div898/handbook/pri/section3/pri3.htm",
      "url": "https://www.itl.nist.gov/div898/handbook/pri/section3/pri3.htm"
    },
    {
      "title": "doi.org/10.1080/00031305.2016.1154108",
      "url": "https://doi.org/10.1080/00031305.2016.1154108"
    },
    {
      "title": "nationalacademies.org/read/25303/chapter/6",
      "url": "https://www.nationalacademies.org/read/25303/chapter/6"
    },
    {
      "title": "hhs.gov/ohrp/regulations-and-policy/belmont-report/read-the-belmont-report/inde…",
      "url": "https://www.hhs.gov/ohrp/regulations-and-policy/belmont-report/read-the-belmont-report/index.html"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}