第八章 因果性研究設計：實驗 「研究人員做愈多實驗，愈能提升行銷研究與行 銷效益。精心設計的實驗必定是科學的鐵證。」 Larry Gibson, Senior Associate, Eric Marder and Associates, Minneapolis, MN

章前提問 1. 如何定義行銷研究中的因果概念？如何區別因果性 的原始意義和科學意義？ 2. 何謂因果性的情況？可以證明因果性關係嗎？ 3. 如何定義以及區分內部和外部有效性？ 4. 實驗設計有哪些類型？預實驗、真實驗、準實驗和 統計設計的差別為何？ 5. 如何針對「使用實驗室 & 實地實驗」、「實驗設計 & 非實驗設計」等兩點進行比較和比對？ 6. 何謂試銷？如何進行試銷實驗？

7. 為何在美國海外所執行的實驗，其內部和外部有效 性都比較低？ 8. 科技如何幫助因果性研究的進行？ 9. 進行因果性研究時有哪些道德議題？如何解決這些 議題？

圖 8.1 實驗與先前章節、行銷研究過程 的關係

圖 8.2 實驗：概觀

因果性的概念  因果性 - X 的出現增加了 Y 出現的可能性

因果性的情況  要推論兩個變數間存有因果關係，則至少 需要符合以下三種條件 ：  共變 - 原因 X 和結果 Y 應同時出現，且以預期的假設方式同時產 性變化  變數發生的時間順序 - 原因變數的發生必須早於或同時於結果變數的發生  缺乏其他可能的因果因素 - 須控制可能影響結果的外在變數

證據的角色  即使滿足因果條件也無法保證就存有因果 關係  當累積足夠的類似證據之後，就能較為確 定因果性  實驗

何謂實驗？  實驗 - 操控一或多個自變數，衡量其對一或多個因變數的影響， 同時控制外在變數的過程  自變數 - 研究人員操控的變數，可加以測量並比較其所產生的影響  測試單位 - 因自變數而產生的反應，會被加以研究的消費者、店家或 其他主體

 因變數 - 測量自變數對於測試單位影響的變數  外在變數 - 除了自變數以外，其他所有會影響到測試單位反應的變數  隨機分配 - 將測試單位隨機分配至實驗組或控制組，此為控制外在變 數對因變數影響的最常見技巧

 實驗組 - 有進行自變數操控的組  控制組 - 無自變數操控的組，其提供了比較的基準，以檢視操控對 於因變數的影響  實驗設計 - 一套流程，詳細指明： 1. 測試單位以及抽樣程序； 2. 自變 數； 3. 因變數； 4. 如何控制外在變數

圖 8.3 實驗屬於結論式研究

符號定義  常用符號 - X ＝該組進行自變數操控 - O ＝對於測試單位或組進行因變數觀察或測量的過程 - R ＝將測試單位隨機分配至不同的組  慣例 - 從左到右代表時間的變動 - 同一水平列上的符號都屬於特定一組 - 同一垂直行上的符號則代表這些活動或事件同時發生  範例 (1) X O1 O2 (2) R X1 O1 R X2 O2

實驗的效度  內部有效性 - 實驗的正確性測量，測量所操控的自變數是否會真的如預 期效果般影響到因變數  外部有效性 - 判斷研究中所發現的因果關係是否可以適用在較大的母體

外在變數  歷史 - 在實驗的同時所發生的特殊外在事件  成熟 - 因測試單位本身隨著時間經過而發生的改變  測試效果 - 因測量實驗前後的因變數，而致使受試者在行為上蒙受的 影響  測量工具 - 測量工具、觀測者、分數本身所產生的改變

 統計迴歸 - 在實驗進行當中，測試單位從極端值往平均值變動，即會 發生此種效果  選擇性偏差 - 可歸因於未妥善將測試單位分配至實驗各組  死亡 - 意即在實驗進行中失去某些測試單位

控制外在變數  隨機化 - 使用亂數將測試單位隨機分配至各實驗組，並針對各組亦隨 機設定操控條件  配對 - 在測試單位分配至各組前，先在關鍵的背景變數上進行配對  統計控制 - 藉由統計方法測量外在變數並控制其影響  設計控制 - 在實驗設計上控制特定的外在變數

實驗設計的分類  預實驗設計 - 未使用隨機化來控制外在因素的設計  真實驗設計 - 將測試單位隨機分配至實驗組，並將隨機操控施行於實驗組  準實驗設計 - 無法完全操控自變數，但仍能應用到真實驗的部分設計  統計設計 - 以統計方式控制並分析外在變數的設計

圖 8.4 實驗設計的分類

預實驗設計  一次個案研究 X O1  只有一組受試者，其接觸到實驗操控 (X) 後，會測 量一次因變數  使用非隨機抽樣程序  最適合用於探索性而非結論式研究

 一組前測／後測設計 O1 X O2  針對同一組測試單位進行兩次測量  沒有控制組  操控的效果是由 O2 － O1 表示  未控制外在變數，所以結論的有效性亦受到質疑

 靜態組設計 EG: X O1 CG: O2  有兩個組的實驗設計  一組做為控制組 (CG) ，另一組做為實驗組 (EG) 會 接受實驗操控  受試者非隨機分配  在實驗操控後，同時對兩組進行測量（後測）  操控的效果是由控制組和實驗組間的差距得知 (O1 － O2)

真實驗設計  前測／後測控制組設計 EG: R O1 X O2 CG: R O3 O4  受試者隨機分至實驗組或控制組  兩組都會進行前測和後測。測試單位為隨機分配  操控的效果 (TE) 為： (O2 － O1) － (O4 － O3)  由於使用控制組以及隨機化，故可以控制大多數的 外在變數  後測可能會被互動測試效果所影響

 僅後測控制組設計 EG: R X O1 CG: R O2  實驗組會進行操控，而控制組不會，且一概不進行 前測。測試單位為隨機分配  TE ＝ O1 － O2  除了是否有前測，此種設計與前測／後測  控制組設計非常相似

準實驗設計  時間序列設計 O1 O2 O3 O4 O5 O6 O7 O8 O9 O10  對於一組測試單位的因變數進行週期性測量。操控 由研究人員施行或自然發生。在操控之後，仍會持 續進行週期性的測量，以判斷操控的效果  無法掌控受試者的隨機操控情形  無法控制操控的時間，也無法控制操控的對象

 多元時間序列設計  類似時間序列  增加一個進行重複測量的控制組。針對此組，不提 供任何操控

 統計設計  由一系列基本實驗所組成，可進行外在變數的統計 控制和分析  優點 - 1. 可以測量多個自變數的效果。 - 2. 可以統計的方式控制特定外在變數。 - 3. 當每位受試者都測量一次以上時，較符合經濟的考量

 因子設計  最常見的統計設計  可用以測量兩個以上自變數於不同水準時的效果， 並測量變數之間的關聯性  可用表格來思考

表 8.1 因子設計的範例

選擇一種實驗設計  面臨內外部有效性的取捨  在研究的不同時點使用不同的實驗設計

實驗室和實地實驗  實驗室環境 - 一種人工設定的實驗情境，研究人員可以建構出想要的情況  需求加工 - 受試者嘗試猜測實驗的目的，而做出的相對應回應  實地實驗 - 在真實市場情況下進行的實驗

表 8.2 實驗室和實地實驗

實驗限制  時間 - 多種實地實驗會因時間拉長而更精準  成本 - 實地實驗中的新產品研究非常昂貴，且會比實驗室實驗貴 很多  施行 - 當研究從實驗室轉為實地實驗時，控制會愈來愈難

應用：試銷  試銷 - 在有限但仔細篩選過的測試市場進行的實驗。在測試市場 中，會將規劃的全國性行銷計畫重製成較小規模  測試市場 - 仔細篩選出的部分市場，非常適合用來進行試銷  試銷的主要目的 - 1. 了解產品的市場接受度 - 2. 測試行銷組合變數的不同水準