# Tw Research Experiment Planner

> 實驗設計規劃工具，協助研究者設計嚴謹的實驗研究方案。 功能涵蓋：G*Power 邏輯的統計考驗力分析（樣本數計算）、 隨機化設計檢查、控制組設計、干擾變項識別， 以及前後測設計（Pre/Post Test Design）框架生成。 適用：心理學、教育學、醫學、行為科學等介入研究。 當使用者提及「實驗設計」「樣本數怎麼算」「功效分析」「power analysis」 「隨機分組」「控制組」「介入研究」「前後測」「RCT」時觸發。 分類：學術研究（tw-research-*） 參考來源：agent-research-skills (experiment-design)

- Skill: `fw1201/tw-research-experiment-planner` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add fw1201/tw-research-experiment-planner`
- Raw SKILL.md: https://api.skillmd.com/api/skills/fw1201/tw-research-experiment-planner/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: fw1201 (https://skillmd.com/u/fw1201)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/fw1201/tw-research-experiment-planner

---


# 實驗設計規劃工具 v1.0

## 核心哲學
「**沒有做好的實驗設計，統計再強也救不了你。**
在收集資料之前，花一小時設計，
勝過收集後發現設計有瑕疵的追悔。」

> 參考設計：agent-research-skills/experiment-design（實驗自動化框架）
> 本工具針對台灣教育/社科/心理研究常見的介入設計優化

---

## Step 0：讀取參考資源

1. `references/experimental_design_types.md` — 實驗設計類型說明
2. `references/power_analysis_tables.md` — 常用統計考驗力參考表

---

## Step 1：概念對齊確認卡

```
╔══════════════ 實驗設計規劃工具啟動 ══════════════╗
📌 任務：實驗研究設計規劃 + 樣本數計算
🎯 目標：設計架構 + 隨機化方案 + 樣本數建議

請提供：
1. 研究假設（H1）：您預期介入會帶來什麼效果？
2. 研究對象：誰是您的研究參與者？
3. 介入方式：您要做什麼（教學法/訓練/藥物等）？
4. 測量指標：用什麼來測量效果？
╚══════════════════════════════════════════════════╝
```

---

## Step 2：實驗設計類型選擇

```
Q1：「能否隨機分派（Random Assignment）？
    A. 可以 → 真實驗設計（True Experiment / RCT）
    B. 不可以（已有現成班級/群體）→ 準實驗設計
    C. 沒有對照組 → 前實驗設計（弱，不建議）」

Q2：「研究設計類型？
    A. 前後測控制組設計（最嚴謹）
       實驗組：前測 → 介入 → 後測
       控制組：前測 → 無介入 → 後測
    B. 僅後測控制組設計（避免前測效應）
    C. 所羅門四組設計（最嚴謹但昂貴）
    D. 單組前後測（弱設計，需說明限制）
    E. 交叉設計（Crossover）
    F. 析因設計（Factorial，多個自變項）」

Q3：「測量時間點？
    A. 前測 + 後測（兩個時間點）
    B. 前測 + 立即後測 + 延宕後測（三個時間點）
    C. 多個時間點（縱貫追蹤）」
```

---

## Step 3：統計考驗力分析（G*Power 邏輯）

### 3.1 必要參數說明

```
四個核心參數（互相制約）：
┌──────────────────────────────────────────────────┐
│ α（Type I Error Rate）顯著水準                   │
│   慣例：.05（社科）/ .01（較嚴格）               │
│                                                  │
│ β（Type II Error Rate）型二錯誤率               │
│   考驗力（Power）= 1 - β                         │
│   慣例：Power ≥ .80（Cohen, 1988 建議）           │
│                                                  │
│ Effect Size（效果量）預期效果大小                │
│   Cohen's d（t-test）：                          │
│     小效果 d = .20                               │
│     中效果 d = .50（最常用）                     │
│     大效果 d = .80                               │
│   Cohen's f（ANOVA）：f = .10/.25/.40           │
│   Cohen's f²（迴歸）：f² = .02/.15/.35          │
│                                                  │
│ N（樣本數）→ 這是我們要計算的目標               │
└──────────────────────────────────────────────────┘
```

### 3.2 常用設計樣本數估計

```
【獨立樣本 t-test（兩組比較）】
效果量  | Power=.80 | Power=.90 | Power=.95
d=.20  |  N=394/組 |  N=527/組 |  N=651/組
d=.50  |   N=64/組 |   N=85/組 |  N=105/組
d=.80  |   N=26/組 |   N=34/組 |   N=42/組

【單因子 ANOVA（3組）】
效果量  | Power=.80 | Power=.90
f=.10  |  N=322/組 |  N=430/組
f=.25  |   N=52/組 |   N=70/組
f=.40  |   N=21/組 |   N=28/組

【前後測設計（配對 t-test）】
效果量  | Power=.80 | Power=.90
d=.20  |  N=199     |  N=264
d=.50  |   N=34     |   N=45
d=.80  |   N=15     |   N=20

⚠️  注意：上述為估計值，建議使用 G*Power 軟體精確計算
   G*Power（免費）：https://www.psychologie.hhu.de/arbeitsgruppen/allgemeine-psychologie-und-arbeitspsychologie/gpower
```

### 3.3 樣本數建議報告

```
╔═══════════════════════════════════════════════╗
樣本數計算報告
╠═══════════════════════════════════════════════╣
研究設計：[設計類型]
統計方法：[t-test/ANOVA/等]
顯著水準 α：.05（雙尾）
統計考驗力：.80
預期效果量：[d/f = X]（[小/中/大]效果）

計算結果：
每組最小樣本數：N = [X]
考慮 20% 流失率後建議：N = [X*1.25 取整]

⚠️  效果量說明：
本研究預期效果量 d = [X] 的依據：
  □ 根據先行研究 [Author, Year]：d = X
  □ 保守估計（中等效果量）
  □ 研究者判斷：[說明]
╚═══════════════════════════════════════════════╝
```

---

## Step 4：隨機化設計檢查清單

```
隨機化程序：
□ 使用亂數表/電腦程式進行分派（非研究者主觀決定）
□ 分派序列保密（避免選擇偏誤）
□ 記錄隨機化程序（需在方法論中說明）

建議隨機化工具：
• www.random.org（線上亂數產生器）
• R：sample() 函數
• Excel：RAND() + RANK()

配對隨機化（若組間差異大）：
1. 先依重要變項（年齡/性別/前測成績）排序
2. 每 2-3 人為一配對組
3. 組內隨機分派

隨機化核查清單：
□ 基線特徵（前測/人口變項）組間無顯著差異？
□ 已進行 Randomization Check Table？
□ CONSORT / STROBE 流程圖已繪製？
```

---

## Step 5：實驗設計潛在威脅（內在效度）

```
實驗設計的內在效度威脅：
┌────────────────────────────────────────────────┐
│ 威脅類型 │ 說明 │ 控制方式 │
├──────────┼──────┼──────────┤
│ 歷史效應 │ 實驗期間發生的外部事件│ 縮短研究期間 │
│ 成熟效應 │ 隨時間自然發展 │ 加入控制組 │
│ 測試效應 │ 重複測試改善成績 │ 避免相同測驗/延長間距 │
│ 工具效應 │ 測量工具改變 │ 標準化施測 │
│ 統計迴歸 │ 極端值向均值迴歸 │ 避免以極端組為樣本 │
│ 選擇偏誤 │ 非等組比較 │ 真正隨機分派 │
│ 實驗亡失 │ 退出率不均 │ 追蹤記錄/ITT 分析 │
│ 霍桑效應 │ 受試者知道被觀察 │ 盲化設計 │
└────────────────────────────────────────────────┘
```

---

## Step 6：實驗設計規劃書輸出

```
╔══════════════════════════════════════════════════╗
實驗研究設計規劃書
╠══════════════════════════════════════════════════╣
研究假設 H1：[假設內容]
虛無假設 H0：[虛無假設]

研究設計：[設計名稱]
自變項：[介入名稱]（操弄水準：[具體說明]）
依變項：[測量指標]（測量工具：[說明]）
干擾變項：[列舉] → 控制方式：[說明]
共變量（Covariate）：[若使用 ANCOVA，說明理由]

分組設計：
實驗組（n = [X]）：前測 → [介入] → 後測
控制組（n = [X]）：前測 → [對照條件] → 後測

統計分析計畫：
主要分析：[ANCOVA / t-test / Mixed ANOVA]
補充分析：[effect size / confidence interval]
缺失值處理：[刪除法 / 多重插補]

倫理考量：
□ IRB 申請類型：[Full/Expedited/Exempt]
□ 知情同意：[說明方式]
□ 控制組是否有補救措施（若介入有益）

研究時程：
前測：[日期]
介入期間：[X 週]
後測：[日期]
延宕後測（若有）：[日期]
╚══════════════════════════════════════════════════╝
```

---

## 降級方案

若研究無法進行隨機分派（多數學校研究）：
- 採用「不等控制組前後測設計」（Nonequivalent Control Group）
- 使用 ANCOVA 控制前測差異
- 在限制中誠實說明此為準實驗設計，推論需謹慎