顺序平衡

顺序效应（order effect）指在重复测量或被试内设计中，同一被试先后接受不同处理时，处理呈现的先后次序本身对观测结果产生的系统性影响，它与处理本身的效应混杂在一起，使研究者难以把差异归因于处理而非顺序。^{55Research Methods in Psychology (4th ed.)mheducation.com前往参考资料 ↓在新标签页中打开|66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

顺序效应通常被区分为两类：练习效应（practice effect）与疲劳效应（fatigue effect）。前者指先前的任务使被试在后继任务上表现变好（如技能熟练、策略形成），后者指长时间或重复施测导致注意下降、动机减弱而使表现变差。^{55Research Methods in Psychology (4th ed.)mheducation.com前往参考资料 ↓在新标签页中打开|77Order effects in repeated measures designspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

在实验心理学中，顺序效应与延续效应（carryover effect）常被并列讨论：延续效应强调前一处理对后一处理的特定影响（如残留的药物浓度、启动效应），而顺序效应更强调位置或次序本身的一般性影响；两者在具体研究中往往难以截然分开。^{66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开|88Crossover Trials: Design, Analysis, and Reportingonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

顺序效应若未被控制，会直接威胁内部效度：当处理顺序固定时，处理效应与顺序效应完全混淆（confounding），研究者无法判断观测差异来自处理还是来自时间、练习或疲劳。^{55Research Methods in Psychology (4th ed.)mheducation.com前往参考资料 ↓在新标签页中打开}

顺序效应不仅影响均值，还可能引入方差异质性：不同顺序条件下误差方差可能不等，从而违反重复测量方差分析中球形性（sphericity）假设，影响显著性检验的准确性。^{99Sphericity and repeated measures ANOVAnature.com前往参考资料 ↓在新标签页中打开}

顺序平衡（counterbalancing）正是为应对顺序效应而发展出的设计策略：通过系统地变化处理呈现次序，使顺序效应在不同条件间相互抵消或在统计上可被分离。^{55Research Methods in Psychology (4th ed.)mheducation.com前往参考资料 ↓在新标签页中打开|66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

在纵向研究和临床 trials 中，顺序效应还表现为“时期效应”（period effect），即不同测量时期本身带来的系统偏移，需在分析中与处理效应、顺序效应一并建模。^{88Crossover Trials: Design, Analysis, and Reportingonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|1010Period and carryover effects in crossover trialsncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

顺序效应的大小与任务类型有关：在技能学习、态度测量和知觉判断任务中通常较为明显，而在某些简单反应时任务中可能较小；因此是否需要顺序平衡取决于具体研究情境。^{77Order effects in repeated measures designspsycnet.apa.org前往参考资料 ↓在新标签页中打开|1111Order effects in survey researchannualreviews.org前往参考资料 ↓在新标签页中打开}

在重复测量实验（或称被试内设计）中，同一被试依次接受多个处理水平，前一个处理留下的效应会带入后一个处理，这种由处理顺序造成的、叠加在当前处理观测值上的额外效应称为延续效应（carryover effect），亦称遗留效应或顺序效应（order effect）的一种具体形式。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

延续效应与练习效应、疲劳效应同属顺序效应：练习效应指被试因重复任务而表现提升，疲劳效应指因长时间施测而表现下降，二者都随位置推移呈单调趋势；延续效应则特指前一个处理本身（而非单纯的位置）对后续处理的影响，因此它依赖于处理的具体内容与相邻处理的搭配。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1414Research Methods in Psychology: Within-Subjects Design and Counterbalancingopenstax.org前往参考资料 ↓在新标签页中打开}

延续效应按作用范围可分为两类：只影响紧邻的下一个处理的称为一阶（first-order）延续效应；跨越一个或多个中间处理仍持续起作用的称为高阶（higher-order）延续效应。平衡设计通常只能消除一阶延续效应，对高阶延续效应往往无能为力。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

延续效应按方向可分为对称与非对称：若处理 A 对后续处理的效应与处理 B 对后续处理的效应在方向上相反、大小相当，称为对称延续效应（symmetric carryover），可用平衡拉丁方抵消；若 A 遗留于 B 的效应与 B 遗留于 A 的效应不相等，则称为非对称延续效应（asymmetric carryover），此时仅靠平衡拉丁方无法完全抵消，需要采用平衡延续效应（balanced carryover）的专门设计。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|1616Crossover Trials: Design, Conduct, and Analysistraining.cochrane.org前往参考资料 ↓在新标签页中打开}

延续效应是顺序平衡要解决的核心问题：若不加控制，处理效应与顺序效应（含延续效应）在观测值中相互混淆（confounded），研究者无法判断组间差异究竟来自处理本身还是来自处理先后顺序，从而威胁内部效度。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1414Research Methods in Psychology: Within-Subjects Design and Counterbalancingopenstax.org前往参考资料 ↓在新标签页中打开}

在心理学与行为科学的典型重复测量情境中，延续效应可能表现为：前一处理激发的情绪或动机状态尚未消退、前一任务形成的定势或策略被带入下一任务、被试对前一处理形成预期或学习迁移等；这些机制都会使后一处理的观测值偏离其“纯净”的处理效应。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1717Order Effects in Within-Subjects Designssimplypsychology.org前往参考资料 ↓在新标签页中打开}

当延续效应存在且未被平衡时，常用的重复测量方差分析所依赖的球形性假设与可加性假设会被违反，导致 F 检验的偏差；因此识别并处理延续效应是重复测量设计分析前的必要步骤。^{1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

关于延续效应是否构成实质性威胁，学界存在不同侧重：一派认为在多数实验室情境中一阶延续效应较小、经适当平衡后可忽略；另一派则强调在临床干预、药物试验与教育干预等场景中延续效应可能很大且不对称，必须通过洗脱期（washout period）或平衡延续效应设计加以控制。^{1616Crossover Trials: Design, Conduct, and Analysistraining.cochrane.org前往参考资料 ↓在新标签页中打开|1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）中，延续效应被形式化为模型中的参数：标准 2×2 交叉设计只能估计而不能分别检验处理效应与延续效应，因为二者在该设计中结构上不可识别；要检验延续效应需采用扩展的交叉设计或增加洗脱期。^{1616Crossover Trials: Design, Conduct, and Analysistraining.cochrane.org前往参考资料 ↓在新标签页中打开}

顺序平衡的基本思路正是通过安排处理呈现的顺序（如完全平衡、拉丁方平衡、Williams 设计等），使每个处理在序列各位置上出现次数相同、且每个处理前接各处理的机会均等，从而在结构上抵消一阶延续效应，使处理效应的估计不受顺序污染。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|1414Research Methods in Psychology: Within-Subjects Design and Counterbalancingopenstax.org前往参考资料 ↓在新标签页中打开}

被试内设计（within-subjects design）让同一名被试接受全部处理条件，因而每个被试都充当自身的对照，这消除了被试间个体差异对处理比较的污染，并大幅减少所需样本量；但代价是同一被试的多次观测彼此不独立，处理效应与顺序、练习、疲劳、延续效应混杂在一起。^{1919Research Methods in Psychology (4th ed.)psycnet.apa.org前往参考资料 ↓在新标签页中打开|66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

顺序效应（order effect）指处理条件呈现的先后次序本身对因变量产生影响，使同一处理在序列不同位置上得到不同结果；它与延续效应（carryover effect）不同：前者关注位置，后者关注前一处理对后一处理的残留影响。二者若不加控制，都会使处理效应的估计产生偏倚。^{1919Research Methods in Psychology (4th ed.)psycnet.apa.org前往参考资料 ↓在新标签页中打开|2020Counterbalancing and Latin square designs in within-subjects experimentspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

练习效应与疲劳效应是被试内设计中最常见的两类时间相关混淆：随着实验进行，被试因熟悉任务而表现提升（练习），或因耗竭、厌倦而表现下降（疲劳）。两者方向相反，可能部分抵消，也可能在不同任务上以不同速率累积，从而制造出看似处理效应、实为位置效应的差异。^{1919Research Methods in Psychology (4th ed.)psycnet.apa.org前往参考资料 ↓在新标签页中打开|66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

延续效应指前一个处理条件的影响残留到后续条件中，在心理药理学、情绪诱导、学习迁移等范式中尤为突出。当延续效应不对称（例如处理 A 对 B 的残留影响大于 B 对 A）时，简单的被试内比较会系统性地高估或低估某一处理，且这种偏倚无法通过增大样本量消除。^{2020Counterbalancing and Latin square designs in within-subjects experimentspsycnet.apa.org前往参考资料 ↓在新标签页中打开|2121Design and Analysis: A Researcher's Handbook (4th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

若所有被试都按同一固定顺序接受处理，则处理效应与位置效应完全混淆（confounded），统计上无法将二者分离；这是被试内设计最根本的识别问题，也是顺序平衡方法存在的理由。^{1919Research Methods in Psychology (4th ed.)psycnet.apa.org前往参考资料 ↓在新标签页中打开|2020Counterbalancing and Latin square designs in within-subjects experimentspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

被试内设计还面临差异迁移（differential transfer）问题：先接受的处理会改变被试对后续处理反应的方式，使后一条件下的表现不再等同于该处理在独立样本中的效果。这威胁的不仅是顺序效应的控制，还有研究结果的外部效度与可推广性。^{66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开|2121Design and Analysis: A Researcher's Handbook (4th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

在重复测量方差分析中，被试内设计的误差项以被试与处理的交互作用为基础，其前提是球形性（sphericity）；顺序与延续效应若未被平衡，会同时破坏效应估计的无偏性和球形性假设，使 F 检验的 I 类错误率失控。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

顺序平衡并非消除顺序效应，而是把顺序效应在处理之间均匀分配，使其在统计上可被分离或相互抵消；因此平衡设计解决的是混淆问题，而非顺序效应本身的存在。^{1919Research Methods in Psychology (4th ed.)psycnet.apa.org前往参考资料 ↓在新标签页中打开|2020Counterbalancing and Latin square designs in within-subjects experimentspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

顺序平衡的核心逻辑是“抵消”而非“消除”：它并不试图让顺序效应消失，而是通过系统地安排处理顺序，使顺序效应在不同条件间相互抵消，从而在估计处理差异时将其从期望上剔除。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|1616Crossover Trials: Design, Conduct, and Analysistraining.cochrane.org前往参考资料 ↓在新标签页中打开}

在完全顺序平衡（如拉丁方设计）中，每个处理在每一序位出现相同次数，因此序位的主效应与处理效应正交，处理均值的简单差在期望上不受序位效应影响。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开}

抵消的有效性依赖于顺序效应在个体间同质（或至少与处理无关）的假设；若顺序效应的大小随处理或个体特征系统变化，简单抵消可能不充分，需要引入更复杂的平衡或建模。^{1616Crossover Trials: Design, Conduct, and Analysistraining.cochrane.org前往参考资料 ↓在新标签页中打开|2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开}

与“消除”策略（如延长洗脱期、使用独立组）不同，顺序平衡不要求顺序效应为零，而是利用设计结构使顺序效应在处理比较中相互抵消，因此更适用于顺序效应无法完全消除的情境。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|2424Experimental Psychology: A Case Approach (9th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

在二处理二阶段交叉设计中，AB 与 BA 两种顺序各占一半时，处理效应估计为两阶段差值的一半，而阶段（顺序）效应在差值中相互抵消；这是“抵消而非消除”的最简示例。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|2424Experimental Psychology: A Case Approach (9th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

顺序平衡只能抵消可加的顺序效应；若存在处理与顺序的交互（如差异延续效应），平衡设计本身不能消除该交互对处理比较的偏倚，需要额外假设或专门设计（如 Williams 设计）来处理。^{1616Crossover Trials: Design, Conduct, and Analysistraining.cochrane.org前往参考资料 ↓在新标签页中打开|2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开}

顺序平衡（order balance）的核心目标，是让实验设计中不同处理顺序（如先A后B与先B后A）在受试者之间或受试者内部得到对称安排，从而把顺序效应（order effect）与处理效应（treatment effect）分离开来。^{1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开|2525Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

被试间平衡（between-subjects balance）指把不同顺序组分配给不同的受试者，每个受试者只经历一种顺序；其优点是每个受试者只接受一种顺序安排，避免了同一受试者多次接受处理带来的延续效应（carryover effect），但顺序效应与受试者个体差异混杂，需要较大的样本量才能把顺序效应从个体差异中分离出来。^{1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开|2626Between-Subjects vs. Within-Subjects Study Designnngroup.com前往参考资料 ↓在新标签页中打开}

被试内平衡（within-subjects balance）指同一受试者接受全部顺序条件（如先A后B和先B后A都做），通过受试者内部比较来估计顺序效应；其优点是控制了个体差异、统计效力较高，但前提是假定顺序效应（尤其是延续效应）不随重复测量而累积或改变，否则平衡只能抵消线性顺序效应，无法消除非线性或不对称的延续效应。^{2525Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

在完全被试内设计中，若只有两个处理，ABBA 与 BAAB 等平衡顺序可抵消简单的线性顺序效应（如练习效应或疲劳效应），但无法抵消不对称的延续效应（即 A 对后续 B 的影响不等于 B 对后续 A 的影响）；此时需要采用拉丁方平衡或 Williams 设计等更复杂的平衡方案。^{2525Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|2727Order Effects in Within-Subjects Designspsyworld.com前往参考资料 ↓在新标签页中打开}

被试间平衡与被试内平衡并非互斥：混合设计（mixed design）可以同时包含被试间因素（如顺序组别）和被试内因素（如处理条件），从而在控制个体差异的同时估计顺序效应，但代价是设计复杂度和所需样本量增加。^{2626Between-Subjects vs. Within-Subjects Study Designnngroup.com前往参考资料 ↓在新标签页中打开|1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

选择被试间还是被试内平衡，取决于研究问题的性质、顺序效应的大小与结构、以及可获得的样本量；当延续效应可能很大或不可逆时（如学习、记忆、临床干预研究），被试间平衡通常更稳妥，因为被试内平衡无法通过统计方法完全消除已发生的延续效应。^{1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开|2727Order Effects in Within-Subjects Designspsyworld.com前往参考资料 ↓在新标签页中打开}

在重复测量实验中被试内平衡的统计前提是球形性（sphericity），即任意两个处理条件之差的方差相等；当顺序平衡不充分导致球形性违反时，需使用 Greenhouse-Geisser 或 Huynh-Feldt 校正，否则 F 检验的 I 类错误率会膨胀。^{1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

完全顺序平衡（complete counterbalancing）指在实验中对所有可能的刺激呈现顺序都加以实施，使每个顺序在实验中恰好出现一次，从而让顺序效应在各条件间完全抵消。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开}

当有 k 个实验条件（或刺激）时，所有可能顺序的总数为 k 的阶乘（k!）；例如 3 个条件有 6 种顺序，4 个条件有 24 种，5 个条件有 120 种。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开}

完全顺序平衡的典型实施方式是：把 k! 种顺序全部列出，再将被试随机分配到各个顺序，使每种顺序的被试数大致相等；若被试数不能被 k! 整除，则各顺序的被试数只能近似相等。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开}

由于顺序总数随条件数呈阶乘增长，完全顺序平衡在条件数较多时很快变得不可行：5 个条件需 120 种顺序，6 个条件需 720 种，7 个条件需 5040 种，所需被试量与施测成本急剧上升。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开}

在完全顺序平衡中，每个条件在每个序列位置上出现的次数相等，因此位置效应（如练习效应、疲劳效应）在条件间被完全平均掉，而不是被估计或建模。^{1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开}

完全顺序平衡能够抵消的是线性及更一般的位置效应在一阶平均意义上的影响，但若顺序效应与条件存在交互（如不同条件对练习的敏感度不同），仅靠顺序平衡并不能消除这种交互带来的偏差。^{1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开}

当条件数较少（通常不超过 4 个）且被试量允许时，完全顺序平衡被视为控制顺序效应的最彻底方法；条件数增多时则通常改用拉丁方平衡、随机化或部分平衡等替代方案。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开}

在完全顺序平衡下，由于每个被试只经历一种顺序，顺序变量通常作为被试间因素处理；若同一被试经历全部条件，则顺序效应只能通过被试内设计中的顺序安排来平衡，二者在统计模型上不同。^{1818Counterbalancing and Carryover Effects in Within-Subjects Experimentsconjointly.com前往参考资料 ↓在新标签页中打开}

当处理数 k 增大时，k! 增长极快：k=4 时为 24，k=5 时为 120，k=6 时为 720，k=7 时已达 5040。因此完全顺序平衡在实际实验中通常只适用于 k 较小（一般不超过 5 或 6）的情形。^{1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

完全顺序平衡对每个被试的试验次数要求是 k! 的整数倍；若希望每种顺序在被试间也均衡出现，则被试数 n 通常取 k! 的整数倍，使总试验次数为 n×k!，从而每种顺序出现 n 次。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开}

在完全顺序平衡中，若被试数 n 不是 k! 的整数倍，则无法保证每种顺序在被试间出现次数相等，只能保证每种顺序至少出现一次；此时顺序效应与被试的混淆无法完全消除，需要借助部分平衡或随机化来弥补。^{2828Within-subjects design and order effectssimplypsychology.org前往参考资料 ↓在新标签页中打开}

完全顺序平衡的一种常见实施方式是：将 k! 种顺序随机分配给 n 名被试，当 n 大于 k! 时循环使用这些顺序，使每种顺序出现 ⌊n/k!⌋ 或 ⌈n/k!⌉ 次；当 n 小于 k! 时则只能抽取部分顺序，此时设计退化为不完全顺序平衡。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开}

完全顺序平衡所需的试验总数随 k 呈阶乘增长，这直接限制了可检验的处理数：例如 k=6 时每名被试需 720 次试验，若 n=12 则总试验数达 8640 次，在多数心理学实验中不具可行性。^{1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开|2828Within-subjects design and order effectssimplypsychology.org前往参考资料 ↓在新标签页中打开}

为缓解阶乘增长带来的负担，实践中常采用拉丁方平衡或 Williams 设计等部分平衡方案，它们只要求 k 的整数倍（而非 k! 倍）的试验次数即可平衡一阶延续效应，从而在 k 较大时替代完全顺序平衡。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|2929Williams design and balanced carryover effectsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

完全顺序平衡的统计功效取决于被试数 n 与每种顺序的重复次数；在固定总试验预算下，增大 k 会减少可用于估计误差的自由度，因此在 k 较大时应优先考虑部分平衡设计以保留检验效能。^{2929Williams design and balanced carryover effectsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

标准拉丁方（standard Latin square）指第一行与第一列均按自然顺序（通常为 1,2,…,n）排列的拉丁方；任一 n 阶拉丁方都可通过行置换、列置换与符号重命名化为标准形，因此标准拉丁方常被用作构造与枚举拉丁方的规范代表。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3030Reduced Latin squareencyclopediaofmath.org前往参考资料 ↓在新标签页中打开}

n 阶标准拉丁方的个数记为 L(n)（有时称约化拉丁方数），其序列在整数数列在线百科 OEIS 中收录为 A000315；已知 n=1 至 n=8 的取值依次为 1, 1, 1, 4, 56, 9408, 16942080, 535281401856。^{3131A000315: Number of reduced Latin squares of order noeis.org前往参考资料 ↓在新标签页中打开}

标准拉丁方的总数随阶数 n 增长极快，远快于 n! 量级；因此在实际实验设计中，设计者通常不枚举全部标准拉丁方，而是用确定性算法（如循环移位法）或随机化算法生成一个或若干个满足平衡要求的拉丁方。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

最常用的标准拉丁方构造法是循环法：取第一行为 1,2,…,n，第 i 行由第一行循环左移 i−1 位得到，所得方阵的每一行、每一列都恰含 1 至 n 各一次，且第一列亦为自然顺序，因而是一个标准拉丁方。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

循环法生成的标准拉丁方具有高度规则的结构：其第 i 行第 j 列的元素为 ((i+j−2) mod n)+1；这种结构使得任意两个处理在相邻位置上出现的次数尽可能均匀，从而在顺序平衡中用于抵消线性趋势与延续效应。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开}

当处理数 n 为偶数时，循环标准拉丁方中每个处理在每一列（即每个顺序位置）上恰好出现一次，满足完全顺序平衡；当 n 为奇数时，循环标准拉丁方仍满足每个处理在每一列出现一次，但一阶延续效应（每个处理紧接另一处理之后的次数）不能完全平衡，需要采用其他构造（如插入法或 Williams 设计）来平衡延续效应。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|3333Balanced Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开}

对于奇数 n，可通过在循环拉丁方基础上构造“平衡拉丁方”（balanced Latin square），使每个处理在另一个处理之后出现的次数尽可能相等；当 n 为偶数时，平衡拉丁方等价于每个有序处理对恰好出现一次，而当 n 为奇数时每个有序对出现次数相差不超过 1。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|3333Balanced Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开}

标准拉丁方构造完成后，通常还需进行随机化：对行、列和处理标签分别做随机置换，以消除可能残留的系统性顺序效应，并使统计推断的随机化假设成立；随机化后的拉丁方不再保持标准形，但平衡性质不变。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

在顺序平衡实验中，标准拉丁方的行通常对应被试（或区组），列对应呈现顺序位置，符号对应处理；这种安排保证每个处理在每个顺序位置上出现一次，从而在方差分析中将顺序效应与处理效应分离。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开}

构造标准拉丁方时需注意：若处理数 n 较小（如 n=2 或 3），标准拉丁方唯一（或极少），随机化空间有限，此时顺序平衡的统计效力较低，常需增加被试数或采用被试内重复测量设计来弥补。^{3131A000315: Number of reduced Latin squares of order noeis.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

拉丁方平衡是顺序平衡的一种构造方式：当有 k 种处理水平时，用 k×k 的拉丁方安排处理顺序，使每种处理在每一个顺序位置上恰好出现一次，从而把位置效应（练习、疲劳、延续效应随位置变化）从处理比较中分离出去。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开}

在拉丁方设计中，每个处理在每一行（被试或区组）和每一列（顺序位置）中各出现一次，因此处理效应与行效应、列效应正交；这是拉丁方能够同时平衡被试差异与位置效应的统计基础。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

标准 k×k 拉丁方只保证一阶（线性）位置效应平衡：每种处理在位置 1 到 k 上各出现一次，位置的主效应被完全抵消；但它并不保证处理与位置的交互作用（如练习量随处理不同而变化）也被平衡。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|3434Latin square designitl.nist.gov前往参考资料 ↓在新标签页中打开}

当处理数 k 较小时，拉丁方无法同时平衡一阶延续效应（前一个处理对后一个处理的残留影响）：例如 k=2 时只有 AB 与 BA 两种顺序，无法让每个处理在每个前驱处理之后各出现一次；k=3 时标准拉丁方同样不能完全平衡一阶延续效应。^{3434Latin square designitl.nist.gov前往参考资料 ↓在新标签页中打开|3535Counterbalancing in within-subjects designsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

为在拉丁方框架内同时平衡位置效应与一阶延续效应，需要采用平衡拉丁方（balanced Latin square），即每个处理在另一个处理之后各出现一次的构造；这种设计在 k 为偶数时可由首行加镜像行直接生成，在 k 为奇数时需要两套拉丁方拼接，被试数相应翻倍。^{3535Counterbalancing in within-subjects designsen.wikipedia.org前往参考资料 ↓在新标签页中打开|3333Balanced Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开}

拉丁方平衡的代价是所需被试数随处理数线性增长：一个 k×k 拉丁方至少需要 k 名被试（或 k 个区组）才能完整实施，处理数较多时实验规模迅速膨胀，这是它相对于完全随机顺序或部分平衡的主要局限。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

在拉丁方设计中，若存在处理与位置的交互作用，对处理效应的检验会与位置效应混淆；因此分析时通常需要先检验位置主效应及处理×位置交互，再决定是否合并误差项或改用其他对比。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3434Latin square designitl.nist.gov前往参考资料 ↓在新标签页中打开}

拉丁方平衡假设位置效应在各处理间是加性的、且不随处理组合变化；当练习或疲劳效应强烈依赖于具体处理（如某些任务学习曲线陡峭）时，仅靠拉丁方平衡不足以消除偏倚，需要引入更复杂的顺序平衡或延长练习阶段。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|3333Balanced Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开}

在心理学与行为科学的重复测量实验中，拉丁方常被用来安排多种实验条件，以抵消顺序效应；但研究者常误以为拉丁方自动平衡了所有顺序效应，实际上它只平衡位置主效应，延续效应需另行处理。^{3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开|3535Counterbalancing in within-subjects designsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

拉丁方平衡的核心做法是：当有 k 个处理水平时，构造一个 k×k 的拉丁方，使每个处理在每一行（被试或组）和每一列（顺序位置）中各出现一次，从而在组间平衡处理顺序。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开}

标准拉丁方设计只能平衡一阶延续效应（即紧邻前一个处理带来的影响），因为每个处理在每个其他处理之后恰好出现一次，所以每个处理后面跟着每个其他处理的次数相同。^{3636Design and Analysis of Experiments (8th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

拉丁方设计无法平衡二阶及更高阶的延续效应：当处理数 k 大于 2 时，一个 k×k 拉丁方不可能同时让每个处理在每两个其他处理之后各出现一次，因此紧邻前两个处理带来的组合效应无法被完全抵消。^{3636Design and Analysis of Experiments (8th ed.)wiley.com前往参考资料 ↓在新标签页中打开|3333Balanced Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开}

在拉丁方设计中，如果存在未被平衡的高阶延续效应，这些效应会与处理效应混杂，导致处理效应的估计出现偏差，且这种偏差不能通过增加被试数量来消除。^{3636Design and Analysis of Experiments (8th ed.)wiley.com前往参考资料 ↓在新标签页中打开|3737Experimental Psychology (7th ed.)cengage.com前往参考资料 ↓在新标签页中打开}

为同时平衡一阶和二阶延续效应，需要采用平衡拉丁方（balanced Latin square）或 Williams 设计，其所需顺序数随处理数增加而快速增长，例如 k 个处理时通常需要 k 的倍数个顺序，而不是 k 个顺序。^{3333Balanced Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|2929Williams design and balanced carryover effectsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

当处理数较大时，完全平衡高阶延续效应所需的顺序数会超过实际可招募的被试数或实验成本允许的范围，因此研究者常被迫接受部分平衡，即只平衡一阶延续效应而忽略更高阶效应。^{3737Experimental Psychology (7th ed.)cengage.com前往参考资料 ↓在新标签页中打开|2929Williams design and balanced carryover effectsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

拉丁方平衡的局限还体现在：它假设延续效应是加性的且不随处理组合变化，若真实延续效应存在交互作用（如特定处理对之后特定处理的影响异常大），拉丁方结构无法识别或校正这种非加性效应。^{3636Design and Analysis of Experiments (8th ed.)wiley.com前往参考资料 ↓在新标签页中打开|3838Carryover effects in repeated measures designspmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在重复测量实验中使用拉丁方平衡顺序时，若被试内处理数较少（如 3 或 4 个），拉丁方只能提供有限的顺序组合，此时高阶延续效应与处理效应之间的混杂风险相对更高，解释结果需格外谨慎。^{3737Experimental Psychology (7th ed.)cengage.com前往参考资料 ↓在新标签页中打开}

Williams 设计（Williams design）是一种用于比较 t 个处理、在 t 个时段内安排 t 个序列的平衡设计，其构造使得每个处理在每一时段出现一次，且每个处理在另一个处理之前出现的次数相等，从而在序列内平衡一阶延续效应（first-order carryover effect）。^{3939Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Chapter 3: The carry-over effect.doi.org前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）中，一阶延续效应指某一时段的处理效应延续到紧邻的下一时段，影响下一时段的观测值；若延续效应与处理效应混杂，直接比较处理均值会产生偏倚。^{4040Jones, B., & Kenward, M. G. (2014). Design and Analysis of Cross-Over Trials (3rd ed.). Chapter 2: The analysis of continuous data.doi.org前往参考资料 ↓在新标签页中打开}

Williams 设计通过使每个处理在另一个处理之后出现的次数相等（即每个有序对 (i, j) 出现的次数相同），使一阶延续效应在序列间平衡，从而在模型包含延续效应项时，处理效应的估计不受延续效应混杂的影响。^{3939Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Chapter 3: The carry-over effect.doi.org前往参考资料 ↓在新标签页中打开}

对于 t 个处理，Williams 设计需要 t 个序列（当 t 为偶数时）或 2t 个序列（当 t 为奇数时）才能实现一阶延续效应的完全平衡；例如 t=4 时可用 4 个序列，t=3 时需 6 个序列。^{4141Cochran, W. G., & Cox, G. M. (1957). Experimental Designs (2nd ed.). Section 4.5: Balanced designs for residual effects.archive.org前往参考资料 ↓在新标签页中打开}

Williams 设计最初由 E. J. Williams 于 1949 年提出，用于在存在延续效应时平衡交叉试验的处理顺序；后续文献将其推广到更多处理数和不同模型设定。^{4242Hedayat, A. S., & Afsarinejad, K. (1978). Repeated measurements designs, II. The Annals of Statistics, 6(3), 619–628.doi.org前往参考资料 ↓在新标签页中打开}

在 Williams 设计中，若真实模型包含一阶延续效应，则处理效应的估计量与延续效应的估计量在平衡条件下正交或近似正交，从而避免延续效应污染处理比较；这一性质是 Williams 设计区别于简单拉丁方设计的关键。^{3939Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Chapter 3: The carry-over effect.doi.org前往参考资料 ↓在新标签页中打开|4040Jones, B., & Kenward, M. G. (2014). Design and Analysis of Cross-Over Trials (3rd ed.). Chapter 2: The analysis of continuous data.doi.org前往参考资料 ↓在新标签页中打开}

当处理数 t 较大时，Williams 设计所需的序列数（t 或 2t）可能超过实际可行的样本量，此时研究者常采用部分平衡设计或随机化方法，但一阶延续效应的完全平衡不再保证。^{4141Cochran, W. G., & Cox, G. M. (1957). Experimental Designs (2nd ed.). Section 4.5: Balanced designs for residual effects.archive.org前往参考资料 ↓在新标签页中打开|4343Kunert, J., & Stufken, J. (2002). Optimal crossover designs in a model with self and mixed carryover effects. Journal of the American Statistical Association, 97(459), 898–906.doi.org前往参考资料 ↓在新标签页中打开}

Williams 设计的平衡性质依赖于模型仅包含一阶延续效应；若存在高阶延续效应（如二阶延续效应），则一阶平衡设计不能完全消除延续效应带来的偏倚。^{4040Jones, B., & Kenward, M. G. (2014). Design and Analysis of Cross-Over Trials (3rd ed.). Chapter 2: The analysis of continuous data.doi.org前往参考资料 ↓在新标签页中打开|4343Kunert, J., & Stufken, J. (2002). Optimal crossover designs in a model with self and mixed carryover effects. Journal of the American Statistical Association, 97(459), 898–906.doi.org前往参考资料 ↓在新标签页中打开}

Williams 设计是拉丁方的一种特殊构造：在 t 个处理、t 个时期的标准拉丁方中，要求每个处理在紧邻其前的时期中恰好各出现一次（首时期视为循环接续），从而在 t 个序列内同时平衡一阶延续效应。^{4444Experimental Designs (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

普通拉丁方只保证处理与时期、处理与受试（序列）两个方向的正交平衡，即每个处理在每个时期各出现一次，但它不保证延续效应的平衡；同一拉丁方的不同行排列可以产生完全不同的延续效应结构。^{4444Experimental Designs (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|4646Counterbalancing and Latin square designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

Williams 设计的存在性受 t 的取值约束：当 t 为偶数时，标准 Williams 设计需要 2t 个序列（即两个 t×t 拉丁方）才能同时平衡一阶延续效应；当 t 为奇数时，一个 t×t 拉丁方即可满足，但需采用特定的循环构造。^{4444Experimental Designs (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|4747Williams designsitl.nist.gov前往参考资料 ↓在新标签页中打开}

在平衡一阶延续效应的能力上，Williams 设计比一般拉丁方更强：一般拉丁方在分析延续效应时，延续效应与处理效应、时期效应之间存在部分混杂，而 Williams 设计通过构造使一阶延续效应与处理主效应正交，从而可分离估计。^{4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开|4646Counterbalancing and Latin square designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

Williams 设计并非在所有情形下都优于拉丁方：当 t 较大时，完整 Williams 设计所需序列数随 t 线性增长（偶数 t 为 2t），受试样本量要求高；此时常退而采用部分平衡拉丁方或随机化序列，牺牲部分延续效应平衡以换取可行性。^{4747Williams designsitl.nist.gov前往参考资料 ↓在新标签页中打开}

拉丁方与 Williams 设计在统计模型上的关键区别在于：拉丁方模型通常只含处理、时期、受试（序列）效应，而 Williams 设计模型额外显式纳入一阶延续效应项，并依赖其构造保证该项可估。^{4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开|4646Counterbalancing and Latin square designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

在实施层面，拉丁方只需随机选取一个标准方并随机排列行、列与处理标签；Williams 设计则需从平衡延续效应的构造族中选取，随机化空间更小，因此部分学者指出其随机化推断的灵活性低于一般拉丁方。^{4444Experimental Designs (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开}

区组随机化（block randomization）是把受试者按进入顺序分成若干大小相等的区组，在每个区组内随机分配处理顺序，使各处理在每一区组内出现的次数相等或接近相等；其直接目的是防止随样本累积而出现的组间人数失衡，并让处理顺序在时间维度上被均匀打散。^{4848Crossover trials: design, conduct, and analysisbmj.com前往参考资料 ↓在新标签页中打开|4949Randomization in clinical trials: block randomizationtraining.cochrane.org前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）中，区组随机化与顺序平衡是同一件事的两面：每个区组就是一个完整的顺序集合（如 AB、BA），区组内随机化决定受试者被分到哪个顺序，从而保证每种处理在每一区组内出现相同次数。^{4848Crossover trials: design, conduct, and analysisbmj.com前往参考资料 ↓在新标签页中打开|5050Design and Analysis of Cross-Over Trialsdoi.org前往参考资料 ↓在新标签页中打开}

区组长度（block size）的选择需要在"平衡性"与"可预测性"之间权衡：区组越短，组间人数越均衡，但分配序列越容易被猜出；区组越长，序列越难预测，但区组内人数失衡的风险越大。常用做法是采用 4、6、8 等小偶数区组，并随机变化区组长度（variable block size）以降低选择性偏倚。^{4949Randomization in clinical trials: block randomizationtraining.cochrane.org前往参考资料 ↓在新标签页中打开|5151Allocation concealment and block randomization in randomized controlled trialsjclinepi.com前往参考资料 ↓在新标签页中打开}

在交叉试验中，若只使用单一区组长度（如固定 2×2 的 AB/BA 区组），在样本量较小或中期分析时，分配序列可能被推断，从而引入选择偏倚；采用随机变化的区组长度或引入随机化封包（sequentially numbered opaque sealed envelopes）等分配隐藏措施可缓解这一问题。^{5151Allocation concealment and block randomization in randomized controlled trialsjclinepi.com前往参考资料 ↓在新标签页中打开|5252CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trialsbmj.com前往参考资料 ↓在新标签页中打开}

对于两处理两阶段交叉设计，完全顺序平衡要求 AB 与 BA 两个顺序的受试者人数相等；当样本量为奇数时无法严格相等，此时可采用区组随机化使两种顺序人数相差不超过 1，并在分析时考虑顺序效应。^{4848Crossover trials: design, conduct, and analysisbmj.com前往参考资料 ↓在新标签页中打开|5050Design and Analysis of Cross-Over Trialsdoi.org前往参考资料 ↓在新标签页中打开}

在交叉设计中，若样本量较小且未做顺序平衡，顺序效应（period effect）与处理效应可能混淆；区组随机化通过在每个区组内平衡顺序，使顺序效应在区组间相互抵消，是控制顺序效应的基本手段之一。^{4848Crossover trials: design, conduct, and analysisbmj.com前往参考资料 ↓在新标签页中打开|5353Statistical analysis of crossover trials with period effectsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

对于三处理及以上的交叉设计，完全顺序平衡所需的顺序数为处理数的阶乘（如 3 处理需 6 个顺序），当样本量不足以覆盖全部顺序时，可采用部分平衡（partially balanced）的区组随机化，即只选取部分顺序并在区组内随机分配，以在有限样本下近似平衡顺序效应。^{5050Design and Analysis of Cross-Over Trialsdoi.org前往参考资料 ↓在新标签页中打开|5454Partially balanced designs for crossover trialsacademic.oup.com前往参考资料 ↓在新标签页中打开}

区组随机化的实施通常借助随机数表或统计软件生成随机分配序列，并配合分配隐藏（allocation concealment）机制；若序列生成后未隐藏，研究者可能提前获知下一区组的分配，从而破坏随机化的保护作用。^{4949Randomization in clinical trials: block randomizationtraining.cochrane.org前往参考资料 ↓在新标签页中打开|5151Allocation concealment and block randomization in randomized controlled trialsjclinepi.com前往参考资料 ↓在新标签页中打开}

在交叉设计的统计分析中，区组随机化产生的区组结构通常作为分层因素或随机效应纳入模型；若忽略区组结构，可能导致方差估计偏误，尤其是在区组内相关性较强时。^{5353Statistical analysis of crossover trials with period effectsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|5454Partially balanced designs for crossover trialsacademic.oup.com前往参考资料 ↓在新标签页中打开}

区组随机化并不能消除携带效应（carryover effect）；它只保证顺序在处理间平衡，若存在携带效应，仍需通过足够的洗脱期（washout period）或改用平行设计来控制。^{4848Crossover trials: design, conduct, and analysisbmj.com前往参考资料 ↓在新标签页中打开|5050Design and Analysis of Cross-Over Trialsdoi.org前往参考资料 ↓在新标签页中打开}

随机顺序（random order）指在实验设计中，对每个被试或每个区组独立地随机抽取一种条件顺序，而不是从预先构造好的平衡顺序集合中指派顺序；它把顺序效应从系统偏差转化为随机误差，从而在统计上被误差项吸收。^{5555Experimental Design: Procedures for the Behavioral Sciencesus.sagepub.com前往参考资料 ↓在新标签页中打开}

在完全随机化顺序下，若每种顺序被抽中的概率相等，则任一条件出现在任一位置的边际概率相等，因此位置效应在期望上相互抵消；但单个实验内各条件在位置上的实际分布并不保证均衡，样本量较小时可能出现较严重的不平衡。^{5555Experimental Design: Procedures for the Behavioral Sciencesus.sagepub.com前往参考资料 ↓在新标签页中打开|5656Counterbalancing and Latin square designsdiscoveringstatistics.com前往参考资料 ↓在新标签页中打开}

随机顺序与完全顺序平衡的关键区别在于：完全平衡通过穷举或构造全部（或部分）顺序来保证位置均衡，而随机顺序只保证概率意义上的均衡，因此前者在小样本下更稳健，后者在条件数较多、全排列数过大时更易实施。^{5555Experimental Design: Procedures for the Behavioral Sciencesus.sagepub.com前往参考资料 ↓在新标签页中打开|5757Order effects and counterbalancing in within-subjects designsmheducation.com前往参考资料 ↓在新标签页中打开}

当条件数 k 较大时，全排列数为 k!，完全平衡所需的被试数随 k 迅速增长；此时研究者常采用随机顺序或部分平衡方案，以在可接受的样本量下控制顺序效应。^{5757Order effects and counterbalancing in within-subjects designsmheducation.com前往参考资料 ↓在新标签页中打开}

随机顺序的一个已知局限是：它不能保证每个条件在每个位置上出现相同次数，因此在存在强线性趋势（如练习效应或疲劳效应）时，随机化只能使趋势成为噪声而不能将其从处理效应中分离；此时需要将顺序作为区组变量纳入模型或改用平衡设计。^{5656Counterbalancing and Latin square designsdiscoveringstatistics.com前往参考资料 ↓在新标签页中打开}

随机顺序的实施要点包括：使用可复现的随机数生成器并记录种子、对每个被试独立抽取顺序、在跨被试层面检查各条件在各位置的频次分布是否大致均衡，以及在样本量较小时考虑分层随机化或部分平衡作为补充。^{5555Experimental Design: Procedures for the Behavioral Sciencesus.sagepub.com前往参考资料 ↓在新标签页中打开|5757Order effects and counterbalancing in within-subjects designsmheducation.com前往参考资料 ↓在新标签页中打开}

随机顺序与部分平衡可以结合使用：先按区组或分层随机分配被试到若干平衡顺序集合，再在集合内随机指派具体顺序，从而在保持随机性的同时改善位置均衡。^{5757Order effects and counterbalancing in within-subjects designsmheducation.com前往参考资料 ↓在新标签页中打开}

反向平衡（reverse counterbalancing）是顺序平衡中一种部分平衡策略：它不要求穷尽所有可能的顺序，而是把被试分成若干组，每组接受一个顺序，另一组接受其完全反向的顺序（如 A→B→C 与 C→B→A），以此在组间抵消线性趋势（练习、疲劳、漂移）带来的影响。^{5858Experimental Design: Counterbalancingmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

反向平衡与完全顺序平衡的关键区别在于：完全平衡要求 k 个条件产生全部 k! 种顺序（或使用拉丁方抽取 k 种顺序），而反向平衡只使用两个互为镜像的顺序，因此所需被试量或试次数大幅减少，代价是无法平衡非线性（如二次）的顺序效应。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开}

在反向平衡中，若每个被试只接受一个顺序，则顺序效应在组水平上被抵消，但个体水平上仍与顺序混淆；因此分析时通常把顺序（或组别）作为被试间因素纳入模型，检验其主效应及与条件的交互。^{5858Experimental Design: Counterbalancingmethods.sagepub.com前往参考资料 ↓在新标签页中打开|5959Within-Subjects Designs and Counterbalancingopenstax.org前往参考资料 ↓在新标签页中打开}

当条件数 k 较大、完全平衡不可行时，反向平衡常与随机化结合使用：先随机抽取一个顺序，再自动生成其反向顺序分配给另一半被试，从而在控制线性趋势的同时保留随机化的外部效度。^{1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

反向平衡的一个已知局限是：它只能抵消单调的线性顺序效应；如果练习或疲劳效应呈非线性（如先快后慢的平台期），两个镜像顺序的平均仍会残留偏差，此时需要拉丁方或更完整的平衡方案。^{2222Counterbalancing (Wikipedia)en.wikipedia.org前往参考资料 ↓在新标签页中打开|5959Within-Subjects Designs and Counterbalancingopenstax.org前往参考资料 ↓在新标签页中打开}

在重复测量设计中，反向平衡常被推荐用于两条件实验（A→B 与 B→A），因为此时反向平衡恰好等于完全平衡；对于三条件及以上，反向平衡只是部分平衡，需在效率与偏差控制之间权衡。^{5858Experimental Design: Counterbalancingmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

实施反向平衡时，通常采用被试间分配：一半被试按正向顺序、另一半按反向顺序，且分配应随机化；若同一被试接受正反两个顺序（如 ABBA 设计），则属于被试内反向平衡，可进一步控制个体差异但会增加被试负担与疲劳风险。^{5959Within-Subjects Designs and Counterbalancingopenstax.org前往参考资料 ↓在新标签页中打开}

在顺序平衡设计中，条件数（即处理水平数）首先由研究假设与实验操纵决定，而不是由平衡方案倒推；顺序数（每个被试接受条件的次数或轮次）则取决于所需重复测量次数与可承受的被试负担。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

当条件数为偶数时，完全顺序平衡（complete counterbalancing）要求每个被试接受全部条件的全部排列，排列数为 k!（k 为条件数）；当 k 较大时排列数迅速膨胀，实践中通常不再使用完全平衡。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|6060Experimental Design: Counterbalancing and Latin Square Designstaylorfrancis.com前往参考资料 ↓在新标签页中打开}

当条件数为奇数时，若采用拉丁方平衡，标准做法是使用两个互补的拉丁方（一个为正向顺序，一个为其反向顺序），使每个条件在每一序位上出现的次数相等，从而控制线性顺序效应。^{6060Experimental Design: Counterbalancing and Latin Square Designstaylorfrancis.com前往参考资料 ↓在新标签页中打开|6161Williams Designs for Carryover Effectsjstor.org前往参考资料 ↓在新标签页中打开}

Williams 设计（平衡拉丁方）在条件数为偶数时，可保证每个条件在另一条件之前和之后出现的次数相等，从而平衡一阶延续效应（first-order carryover effects）；当条件数为奇数时，需使用两个 Williams 方。^{6161Williams Designs for Carryover Effectsjstor.org前往参考资料 ↓在新标签页中打开|2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开}

在确定顺序数时，若研究关注的是顺序效应本身而非仅仅控制它，则需要增加顺序轮次或采用被试内拉丁方设计，使每个被试接受多个顺序序列；否则每个被试仅接受一个序列即可满足平衡要求。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1111Order effects in survey researchannualreviews.org前往参考资料 ↓在新标签页中打开}

对于条件数较多（如 k≥5）的实验，完全顺序平衡因排列数过大而不可行，通常改用拉丁方或 Williams 设计等部分平衡方案，此时顺序数不再等于 k!，而是等于 k 或 2k（取决于设计类型）。^{6060Experimental Design: Counterbalancing and Latin Square Designstaylorfrancis.com前往参考资料 ↓在新标签页中打开|2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开}

在实施顺序平衡前，研究者应预先确定条件数 k 和每个被试接受的顺序数，并据此计算所需被试总数；若采用被试间平衡（每个被试只接受一个顺序），则被试数至少应为顺序数的整数倍，以保证各顺序序列的被试数均衡。^{1212Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1111Order effects in survey researchannualreviews.org前往参考资料 ↓在新标签页中打开}

分配被试到顺序组的核心目标，是让每个被试接受的处理序列（顺序）由设计事先规定，而不是由被试或主试临时决定；在完全顺序平衡中，这意味着把被试随机分到全部 k! 个序列之一，使每个序列最终获得相同数量的被试。^{4949Randomization in clinical trials: block randomizationtraining.cochrane.org前往参考资料 ↓在新标签页中打开}

当被试数 N 不能被序列数 k! 整除时，完全平衡无法严格实现。常见处理是：先按 k! 的整数倍招募或分配被试，剩余被试再随机分配到各序列，并在分析时把序列作为组间因素纳入模型，或明确报告平衡被破坏的程度。^{44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开}

随机化分配应在被试进入实验之前完成，并保留可核查的分配记录（如随机数种子、分配表或密封信封），以便在出现顺序效应疑点时回溯检查分配是否按计划执行。^{4949Randomization in clinical trials: block randomizationtraining.cochrane.org前往参考资料 ↓在新标签页中打开|6262Experimental design: randomization, blocking, and replicationitl.nist.gov前往参考资料 ↓在新标签页中打开}

在拉丁方平衡中，分配被试到顺序组等价于把被试分配到拉丁方的行（序列）；当被试数不是行数的整数倍时，同样需要决定余数被试的处置方式，且不同拉丁方构造（如循环法、随机拉丁方）会改变行与列的组合方式，从而影响可估计的效应。^{6363Latin square designencyclopediaofmath.org前往参考资料 ↓在新标签页中打开}

Williams 设计通过让每个序列中相邻处理的延续效应相互抵消来平衡延续效应；实施时须按设计表逐行分配被试，不能随意调换序列内部的处理次序，否则延续效应的平衡结构会被破坏。^{6464Williams design for balanced carryover effectssupport.sas.com前往参考资料 ↓在新标签页中打开|6565Crossover trials: design and analysisbmj.com前往参考资料 ↓在新标签页中打开}

当无法实现完全平衡时，部分平衡设计（如平衡拉丁方的一部分、或只平衡一阶延续效应）要求明确说明哪些效应被平衡、哪些未被平衡，并在分析中把未平衡的效应视为潜在混淆来源。^{44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开}

分配被试到顺序组时，应避免让同一被试重复进入多个序列组，也避免按被试特征（如性别、基线分数）人为配对到特定序列，除非设计本身要求区组化；否则会引入选择偏差并破坏随机化的前提。^{4949Randomization in clinical trials: block randomizationtraining.cochrane.org前往参考资料 ↓在新标签页中打开|6262Experimental design: randomization, blocking, and replicationitl.nist.gov前往参考资料 ↓在新标签页中打开}

在跨被试顺序设计中，若被试中途退出，其所属序列组会出现数量不均衡；操作要点是预先规定退出后的补招规则（如按原序列补招或整体重新随机化），并在报告中披露实际每组人数。^{44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开}

对于需要平衡个体差异的重复测量设计，分配被试到顺序组常与区组随机化结合：先按可能影响处理效应的被试特征划分区组，再在区组内随机分配到各顺序组，以减小误差方差并保持组间可比。^{6262Experimental design: randomization, blocking, and replicationitl.nist.gov前往参考资料 ↓在新标签页中打开}

分配完成后，应做分配核查（allocation check）：核对各顺序组的实际人数、被试特征分布是否与随机分配预期一致；若发现明显不均衡，应报告并考虑在分析中调整，而不是事后重新分配被试。^{4949Randomization in clinical trials: block randomizationtraining.cochrane.org前往参考资料 ↓在新标签页中打开|44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开}

在完全顺序平衡设计中，检验顺序效应的标准做法是把「序列位置」作为组内因素纳入方差分析，考察位置主效应以及位置与处理的交互；若位置主效应或位置×处理交互显著，说明存在练习、疲劳或延续效应，需要在解释处理效应时加以控制。^{6666Counterbalancing and Order Effects in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

对两条件被试内设计，常用「顺序（先A后B vs 先B后A）」作为被试间因素进行混合方差分析，顺序主效应不显著通常被当作顺序平衡成功的证据；但顺序主效应不显著并不等于不存在顺序效应，它只说明两种呈现顺序下的处理差异量级相近。^{6666Counterbalancing and Order Effects in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|6767Research Methods in Psychologyopenstax.org前往参考资料 ↓在新标签页中打开}

当每个被试只接受部分序列（部分平衡）时，顺序效应无法在被试内估计，只能通过被试间的序列分组比较来检验；此时若序列组与某些个体差异变量（如基线成绩）相关，顺序效应的检验会与选择偏差混淆，需要在记录阶段同时采集基线协变量。^{6767Research Methods in Psychologyopenstax.org前往参考资料 ↓在新标签页中打开}

拉丁方平衡下，处理效应与位置效应在结构上部分混淆，因此仅靠位置主效应检验不足以完全分离二者；分析时应同时报告位置效应与处理×位置交互，并结合设计矩阵说明可估计性。^{6666Counterbalancing and Order Effects in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

在行为与心理物理学实验中，练习效应与疲劳效应常随序列位置呈单调或非线性趋势，因此检验顺序效应时除分类的位置因素外，还应考虑以位置序号为连续变量的趋势分析（线性、二次项），以捕捉非线性的顺序变化。^{6666Counterbalancing and Order Effects in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|6767Research Methods in Psychologyopenstax.org前往参考资料 ↓在新标签页中打开}

顺序效应的检验结果应在方法部分明确报告，包括所用的平衡方案、位置因素的检验统计量与效应量；仅声明「已做顺序平衡」而不报告检验结果，不足以支持顺序效应已被控制的结论。^{6767Research Methods in Psychologyopenstax.org前往参考资料 ↓在新标签页中打开}

在含顺序项（period 或 order 项）的方差分析中，顺序效应通常被建模为固定效应，其平方和从总平方和中扣除，以检验处理效应在控制顺序影响后是否仍然显著。^{4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

对于完全顺序平衡的重复测量设计（如拉丁方设计），方差分析表通常包含受试者间平方和、顺序（period）平方和、处理（treatment）平方和以及残差平方和，其中处理效应的检验使用残差均方作为误差项。^{4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开|6868Crossover Trials in Clinical Researchwiley.com前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）的方差分析中，若存在延滞效应（carryover effect），则需将延滞效应项纳入模型；否则处理效应的估计可能产生偏倚。^{6868Crossover Trials in Clinical Researchwiley.com前往参考资料 ↓在新标签页中打开}

当顺序效应与处理效应存在交互作用时，简单的主效应方差分析可能掩盖重要的模式；此时应检验顺序×处理的交互项，或采用更复杂的模型（如混合效应模型）进行分解。^{4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开|6969Repeated Measures Design for Empirical Researcherswiley.com前往参考资料 ↓在新标签页中打开}

对于二阶段交叉设计（AB/BA），顺序效应的检验等价于检验延滞效应，因为顺序项与延滞项在该设计中完全混杂；因此，顺序项的显著性不能直接解释为纯粹的次序效应。^{6868Crossover Trials in Clinical Researchwiley.com前往参考资料 ↓在新标签页中打开}

在重复测量方差分析中，若球形假设（sphericity）不成立，应对顺序项和处理项的F检验进行校正（如Greenhouse-Geisser或Huynh-Feldt校正），否则I类错误率可能膨胀。^{6969Repeated Measures Design for Empirical Researcherswiley.com前往参考资料 ↓在新标签页中打开}

混合效应模型（linear mixed-effects model）为含顺序项的数据提供了更灵活的替代方案，允许受试者随机截距和随机斜率，并能处理不平衡数据与缺失值，但模型设定需谨慎以避免过度参数化。^{6969Repeated Measures Design for Empirical Researcherswiley.com前往参考资料 ↓在新标签页中打开}

在报告含顺序项的方差分析结果时，应同时给出顺序项、处理项及交互项的F值、自由度、p值和效应量（如偏η²），并说明所使用的误差项来源。^{4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开|6969Repeated Measures Design for Empirical Researcherswiley.com前往参考资料 ↓在新标签页中打开}

在顺序平衡设计中，拉丁方方差分析的基本模型把观测值分解为处理效应、时期效应、个体（受试者）效应和残差误差；当使用完全拉丁方（每个处理在每个时期各出现一次）时，处理与时期正交，处理效应的估计不受时期效应干扰。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

拉丁方方差分析的误差项选择取决于设计结构：在受试者内设计中，若每个受试者接受全部处理（完全交叉），处理效应通常以受试者×处理交互作用为误差项；若每个受试者只接受一个处理（如被试间拉丁方），则残差均方直接作为误差项。误用误差项会导致F检验的自由度和p值错误。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开}

拉丁方方差分析要求可加性假设：处理效应与时期效应、个体效应之间不存在交互作用。若存在显著的顺序（延续）效应，即前一时期的处理影响后一时期的反应，则处理效应与时期效应不再可分离，标准拉丁方方差分析会产生偏倚的处理效应估计。^{3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开|7070Crossover trialsbmj.com前往参考资料 ↓在新标签页中打开}

当延续效应不可忽略时，仅靠拉丁方平衡不足以消除偏倚；此时应采用Williams设计（平衡延续效应设计）或进行充分洗脱期，并在分析中显式纳入延续效应项，或采用仅使用第一时期数据的分析方法。^{7070Crossover trialsbmj.com前往参考资料 ↓在新标签页中打开|2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开}

在拉丁方方差分析中，球形假设（sphericity）对于重复测量F检验至关重要；若球形假设违反，需使用Greenhouse-Geisser或Huynh-Feldt校正来调整自由度，否则I类错误率会膨胀。^{1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开|7171Sphericityen.wikipedia.org前往参考资料 ↓在新标签页中打开}

拉丁方设计的总自由度分解为：总自由度N-1（N为总观测数），处理自由度t-1，时期自由度t-1，个体自由度t-1，残差自由度(t-1)(t-2)（对于t×t拉丁方，每个单元格一个观测）。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开}

对于t×t拉丁方，若每个处理在每个时期仅观测一次（无重复），则残差自由度为(t-1)(t-2)，当t较小时（如t=3或4）残差自由度很小，检验效能低；通常建议t≥5或增加重复以提高效能。^{33Latin squareen.wikipedia.org前往参考资料 ↓在新标签页中打开|11Experimental Design: Latin Square Designitl.nist.gov前往参考资料 ↓在新标签页中打开}

在心理学与行为科学中，拉丁方方差分析常用于交叉设计（crossover design）以控制顺序效应；分析时需检验顺序效应（即延续效应）是否显著，若显著则需谨慎解释处理效应，或改用仅第一时期数据进行分析。^{7070Crossover trialsbmj.com前往参考资料 ↓在新标签页中打开|2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开}

拉丁方方差分析中，处理效应的标准误估计依赖于残差均方；若个体效应较大，拉丁方设计通过区组化个体效应提高处理比较的精度，其相对效率高于完全随机设计。^{3232Latin Square Designonline.stat.psu.edu前往参考资料 ↓在新标签页中打开|11Experimental Design: Latin Square Designitl.nist.gov前往参考资料 ↓在新标签页中打开}

当数据存在缺失值或非平衡（如某些单元格缺失）时，标准拉丁方方差分析的平方和分解不再正交，需使用Type III平方和或混合效应模型进行分析，否则处理效应估计可能有偏。^{1515Repeated Measures ANOVA and the Assumption of Sphericitystatistics.laerd.com前往参考资料 ↓在新标签页中打开|7171Sphericityen.wikipedia.org前往参考资料 ↓在新标签页中打开}

在顺序平衡设计中，混合效应模型通常把受试者（或更一般地，随机分组的单位）作为随机截距纳入，以吸收个体差异造成的基线变异；若同一受试者在多个顺序、多个时段上重复测量，还可进一步设定受试者内的随机斜率。这样处理的前提是假定个体差异与处理效应可加，且随机效应服从均值为零的正态分布。^{7272Mixed-effects models in the analysis of crossover trialsdoi.org前往参考资料 ↓在新标签页中打开|7373Mixed-Effects Models in S and S-PLUSdoi.org前往参考资料 ↓在新标签页中打开}

顺序（period）与处理（treatment）在顺序平衡设计中是两类不同的固定效应：顺序效应刻画练习、疲劳或适应随时间推移的系统变化，处理效应刻画条件间的差异。混合效应模型把二者同时作为固定效应纳入，从而在估计处理效应时对顺序效应作出调整；若忽略顺序效应，处理效应的估计可能产生偏倚。^{7272Mixed-effects models in the analysis of crossover trialsdoi.org前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）的混合效应模型框架下，处理效应通常被设定为固定效应，而受试者效应被设定为随机效应；顺序（sequence）分组效应则视设计而定，在完全顺序平衡的拉丁方设计中可与受试者随机效应合并，在非平衡设计中则常作为固定效应显式建模。^{7272Mixed-effects models in the analysis of crossover trialsdoi.org前往参考资料 ↓在新标签页中打开|3939Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Chapter 3: The carry-over effect.doi.org前往参考资料 ↓在新标签页中打开}

对于二分类或计数型结果变量，顺序平衡设计下的混合效应模型可扩展为广义线性混合模型（GLMM），以 logit 或 log 链接函数连接线性预测子与结果均值，同时保留受试者随机效应；此时处理效应的解释需在条件（subject-specific）与边际（population-averaged）两种尺度之间作出区分。^{7373Mixed-Effects Models in S and S-PLUSdoi.org前往参考资料 ↓在新标签页中打开}

在顺序平衡设计中，若存在携带效应（carryover effect），标准混合效应模型仅纳入处理与顺序固定效应并不足以无偏估计处理效应；通常需要引入携带效应项或采用足够长的洗脱期，否则处理效应的估计会与携带效应混淆。^{3939Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Chapter 3: The carry-over effect.doi.org前往参考资料 ↓在新标签页中打开}

混合效应模型的参数估计在平衡设计下通常采用限制性最大似然（REML），因为 REML 在估计方差成分时校正了固定效应自由度损失，相比普通最大似然（ML）在方差成分上偏倚更小；但比较不同固定效应结构的模型时，需改用 ML 或对 REML 似然做相应校正。^{7373Mixed-Effects Models in S and S-PLUSdoi.org前往参考资料 ↓在新标签页中打开|7474Small sample inference for fixed effects from restricted maximum likelihooddoi.org前往参考资料 ↓在新标签页中打开}

顺序平衡设计下混合效应模型的固定效应检验，常采用基于 Satterthwaite 或 Kenward-Roger 自由度近似的 F 检验或 t 检验；在受试者数量较少或设计不平衡时，不同自由度近似方法给出的 p 值可能不同，需要在分析前预先指定并在报告中说明。^{7474Small sample inference for fixed effects from restricted maximum likelihooddoi.org前往参考资料 ↓在新标签页中打开}

混合效应模型处理顺序平衡数据时，对缺失数据的默认假定是随机缺失（MAR）：只要模型正确设定且缺失机制为 MAR，基于似然的估计在存在缺失时仍可保持一致性；若缺失与未观测的结果本身相关（MNAR），则需敏感性分析或联合建模。^{7373Mixed-Effects Models in S and S-PLUSdoi.org前往参考资料 ↓在新标签页中打开}

在顺序平衡的交叉设计中，混合效应模型对处理效应的估计效率依赖于组内相关（ICC）：受试者内相关越高，同一受试者内比较的精度优势越明显；因此在设计阶段报告预期 ICC 有助于确定所需样本量。^{7272Mixed-effects models in the analysis of crossover trialsdoi.org前往参考资料 ↓在新标签页中打开|3939Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Chapter 3: The carry-over effect.doi.org前往参考资料 ↓在新标签页中打开}

顺序平衡设计的实施成本随条件数 k 呈组合爆炸式增长：完全顺序平衡要求每位受试者接受全部 k! 种条件顺序，当 k=5 时需 120 个顺序、k=6 时需 720 个、k=7 时需 5040 个，单个受试者或单次实验的试次数量迅速变得不可承受。^{2525Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

在完全顺序平衡不可行时，标准做法是改用拉丁方设计，使每位受试者只接受 k 个顺序而非 k! 个，从而把每个受试者的试次数从阶乘级降到线性级；但代价是每位受试者只经历 k 个顺序中的一部分，平衡只在组水平而非个体水平上成立。^{2525Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|7575Latin square designs and Williams designs for carryover effectsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

当条件数较多时，即使采用拉丁方，若需要平衡的不仅是条件顺序还包括延续效应（carryover），Williams 设计所需的顺序数仍随 k 增长，且对 k 的奇偶性有不同构造要求，实施与分析的复杂度显著上升。^{7575Latin square designs and Williams designs for carryover effectsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|7676Williams designs for the estimation of direct and carryover effectsacademic.oup.com前往参考资料 ↓在新标签页中打开}

条件数过多时，顺序平衡的统计功效与可行性之间存在权衡：增加条件数会放大被试内设计的试次负担、疲劳与练习效应，可能引入与顺序无关的混淆，从而削弱顺序平衡本身想要控制的偏差。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|7777Within-subjects designs and counterbalancing: practical considerationspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

面对条件数过多，研究者常采用部分平衡（partially balanced）或不完全区组设计，只平衡一阶延续效应或仅平衡部分顺序对，以可接受的偏差换取可执行性；这类设计不能保证所有顺序效应被完全抵消。^{7676Williams designs for the estimation of direct and carryover effectsacademic.oup.com前往参考资料 ↓在新标签页中打开|7777Within-subjects designs and counterbalancing: practical considerationspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

在条件数很大时，随机化顺序（完全随机化或区组随机化）常被作为顺序平衡的替代方案，其逻辑是用随机化把顺序效应转化为误差方差的一部分，而非系统性抵消；这在小样本下可能不足以消除顺序偏差。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|7777Within-subjects designs and counterbalancing: practical considerationspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

条件数过多还会导致顺序平衡表的构造与核查成本上升：手工列举 k! 个顺序在 k≥6 时已不现实，需要依赖算法生成平衡序列，且验证平衡性（如各条件在各位置的频次相等、一阶延续效应均衡）本身需要专门计算。^{2525Counterbalancing in Within-Subjects Designsmethods.sagepub.com前往参考资料 ↓在新标签页中打开|7575Latin square designs and Williams designs for carryover effectsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

顺序平衡设计（如拉丁方、Williams 设计）的统计模型通常假定延续效应为常数，即无论前一处理是什么、无论处理序列处于第几个位置，延续效应的大小都相同；这一假定在药理学与心理学的许多实验情境中只是近似，当延续效应随前一处理或时间间隔变化时，模型设定出现偏误。^{7878Cross-over Trials in Clinical Research (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|7979The Design and Analysis of Cross-Over Trials (3rd ed.)routledge.com前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）的文献中，延续效应被区分为“简单延续效应”（仅取决于前一处理）与“复杂延续效应”（取决于前一处理与当前处理的交互，或取决于更早的处理历史）；顺序平衡只能保证简单延续效应与处理效应可估，对复杂延续效应则无法完全平衡。^{7878Cross-over Trials in Clinical Research (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|8080Carryover effects in crossover trials: a reviewonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

当延续效应与处理效应存在交互（即延续效应的大小随前一处理不同而变化）时，标准的拉丁方平衡只能平衡一阶延续效应，无法平衡二阶及更高阶的延续效应；此时需要采用平衡更多阶延续效应的设计（如平衡二阶延续效应的设计），或延长洗脱期。^{7979The Design and Analysis of Cross-Over Trials (3rd ed.)routledge.com前往参考资料 ↓在新标签页中打开|8080Carryover effects in crossover trials: a reviewonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

在心理学与行为科学的顺序效应研究中，延续效应常被建模为对比效应（前一处理使当前反应向相反方向偏移）或同化效应（前一处理使当前反应向相同方向偏移）；这两类非线性延续效应无法用单一常数延续效应参数刻画，顺序平衡本身不能消除它们。^{8181Counterbalancing and carryover effects in within-subjects designspsycnet.apa.org前往参考资料 ↓在新标签页中打开|8282Sequential effects in psychological experiments: contrast and assimilationpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

对于非线性延续效应，常用的应对策略包括：在分析阶段将延续效应作为随机效应或与处理交互的固定效应纳入模型、采用仅分析第一阶段的“第一阶段分析”、以及在设计阶段插入足够长的洗脱期以假定延续效应衰减为零；这些策略各有代价，前者依赖模型正确设定，后者损失效率并延长实验周期。^{7878Cross-over Trials in Clinical Research (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|7979The Design and Analysis of Cross-Over Trials (3rd ed.)routledge.com前往参考资料 ↓在新标签页中打开|8383Crossover trials: a review of the statistical literaturejournals.sagepub.com前往参考资料 ↓在新标签页中打开}

Senn 等学者指出，交叉试验中延续效应的可估性依赖于设计矩阵的结构；当延续效应非线性时，处理效应与延续效应可能不可分别识别（non-identifiable），此时顺序平衡设计并不能保证处理效应的无偏估计。^{7878Cross-over Trials in Clinical Research (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|8080Carryover effects in crossover trials: a reviewonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

在心理物理学与实验心理学中，顺序平衡（如 ABBA 平衡）主要用于抵消线性趋势与简单延续效应；当存在非线性延续效应（如练习效应随试次非线性增长、疲劳效应累积）时，ABBA 平衡只能部分抵消，残余偏差需通过随机化、增加被试间设计或统计建模处理。^{8181Counterbalancing and carryover effects in within-subjects designspsycnet.apa.org前往参考资料 ↓在新标签页中打开|8282Sequential effects in psychological experiments: contrast and assimilationpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

顺序平衡（counterbalancing）的核心假设是：练习效应（practice effect）与顺序效应（order effect）在受试者之间可以相互抵消。当练习效应本身随任务重复呈线性或单调增长时，完全顺序平衡（如 ABBA 或拉丁方）仍能在组水平上把顺序效应与练习效应分离；但当练习效应呈非线性（如陡峭的学习曲线、疲劳拐点或突然的平台期）时，平衡只能保证一阶顺序效应被抵消，高阶交互（如练习×处理）仍会混入处理效应估计。^{8484Experimental Design: Order Effects and Counterbalancingmethods.sagepub.com前往参考资料 ↓在新标签页中打开}

在二处理两阶段交叉设计中，ABBA 平衡能抵消线性练习效应，但若练习效应为二次型（如先快后慢的学习曲线），ABBA 与 AB 两种顺序的组均值仍会相差一个与曲率有关的项；因此顺序平衡的有效性依赖于对练习效应函数形式的先验假设，而非无条件成立。^{8585Practice effects in repeated neuropsychological assessmentacademic.oup.com前往参考资料 ↓在新标签页中打开}

Williams 设计（平衡延续效应设计）通过在每个受试者内安排处理顺序，使每个处理在除第一个位置外的每个位置上出现次数相等，从而在存在一阶延续效应（carryover effect）时仍能无偏估计直接处理效应；但该性质要求延续效应仅来自紧邻的前一个处理，若练习效应跨多个阶段累积，Williams 设计的平衡性质不再保证无偏。^{8686Williams designs for carryover effectsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|8787Crossover Trials: Design, Analysis, and Reportingbmj.com前往参考资料 ↓在新标签页中打开}

当练习效应与处理效应存在交互（即不同处理下的学习速率不同）时，顺序平衡无法消除该交互带来的偏倚；此时组间比较的处理效应估计会依赖于所采用的顺序集合，需要在分析阶段把顺序作为固定因子纳入模型，或改用受试者内协变量调整。^{8484Experimental Design: Order Effects and Counterbalancingmethods.sagepub.com前往参考资料 ↓在新标签页中打开|8888Order effects in within-subject designs: A review and recommendationsfrontiersin.org前往参考资料 ↓在新标签页中打开}

在纵向或重复测量设计中，若练习效应随时间呈饱和趋势，前期阶段的顺序平衡收益最大，后期阶段因接近天花板而练习增量趋近于零，此时继续增加平衡轮次对抵消顺序效应的边际贡献递减。^{8585Practice effects in repeated neuropsychological assessmentacademic.oup.com前往参考资料 ↓在新标签页中打开|8989Practice effects and the design of longitudinal experimentspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

顺序平衡对练习效应的抵消以受试者间随机分配为前提；若受试者按顺序分批入组（如先后招募的两批分别接受不同顺序），批次与顺序混淆会使练习效应无法与批次效应分离，平衡失效。^{8888Order effects in within-subject designs: A review and recommendationsfrontiersin.org前往参考资料 ↓在新标签页中打开|9090Counterbalancing in repeated measures: limitations and alternativespsycnet.apa.org前往参考资料 ↓在新标签页中打开}

对于存在强练习效应的任务（如知觉学习、技能习得范式），完全顺序平衡只能保证组水平无偏，单个受试者内的处理比较仍受练习效应污染；因此个体水平的效应估计需要依赖受试者内设计中的平衡残差或显式建模练习趋势。^{8484Experimental Design: Order Effects and Counterbalancingmethods.sagepub.com前往参考资料 ↓在新标签页中打开|8989Practice effects and the design of longitudinal experimentspsycnet.apa.org前往参考资料 ↓在新标签页中打开}

部分平衡（partial counterbalancing）在顺序数少于全部可能顺序时，只平衡一阶顺序效应，不能保证抵消处理×顺序交互；当练习效应量级与处理效应相当时，部分平衡的残余偏倚可能达到处理效应估计的不可忽略比例。^{8787Crossover Trials: Design, Analysis, and Reportingbmj.com前往参考资料 ↓在新标签页中打开|9090Counterbalancing in repeated measures: limitations and alternativespsycnet.apa.org前往参考资料 ↓在新标签页中打开}

一种常见的误用是把顺序平衡当成消除顺序效应的手段：研究者以为只要做了平衡（如完全平衡或拉丁方平衡），顺序效应（练习、疲劳、延续效应）就被“抵消”了，因而在分析时不再把顺序（或阶段）作为变量纳入模型。实际上平衡只保证顺序效应在条件间不系统性地偏向某一条件，并不消除顺序效应本身；顺序效应仍然存在于数据中，只是其平均影响在条件间被拉平。^{44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开|66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开}

在存在延续效应（carryover effect）时，平衡并不能保证无偏估计：若延续效应不是简单可加、而是与处理本身存在交互（即不同处理留下的延续效应大小不同），则平衡设计下各处理的总效应仍会混入不同的延续成分，简单的主效应比较依然有偏。这是平衡设计的一个已知局限，而非平衡失效。^{44Counterbalancingdictionary.apa.org前往参考资料 ↓在新标签页中打开|2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开}

把平衡当作消除的另一个表现，是误以为平衡可以替代随机化。平衡与随机化解决的是不同问题：随机化用于把未控制变量（包括未知的混淆变量）在条件间期望均等化，并支撑基于随机化的推断；平衡只针对已知的顺序位置做系统安排。只做平衡而不随机化，无法对未纳入平衡的变量提供同样的保护。^{66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开|9191Research Methods in Psychology (Chapter on experimental design and counterbalancing)mheducation.com前往参考资料 ↓在新标签页中打开}

在交叉设计中，若研究者因为“已经平衡了顺序”而省略洗脱期（washout）或缩短间隔，可能使延续效应增大到平衡无法拉平的程度；平衡安排的是顺序，不控制相邻处理之间的时间间隔，因此不能替代对间隔与洗脱的设计考虑。^{2323Design and Analysis of Cross-Over Trials, 3rd Editionroutledge.com前往参考资料 ↓在新标签页中打开|9292The analysis of Latin square designs with carry-over effectswiley.com前往参考资料 ↓在新标签页中打开}

在拉丁方平衡中，把“每个处理在每个位置出现一次”误读为“每个处理只受一种顺序影响”，进而忽略方阵选择带来的高阶延续效应差异：不同的拉丁方（如循环式与随机式）在相邻处理的搭配上不同，对一阶延续效应的平衡能力也不同；选错方阵会使某些处理对更频繁地相邻，平衡名存实亡。^{9292The analysis of Latin square designs with carry-over effectswiley.com前往参考资料 ↓在新标签页中打开|9393Balanced and partially balanced designs for order effectspearson.com前往参考资料 ↓在新标签页中打开}

把平衡当作消除还表现为样本量与平衡程度的混淆：研究者以为做了完全平衡就不需要重复或不需要考虑被试间变异，实际上平衡只作用于顺序维度，不减少被试间差异带来的误差；在样本量很小的情况下，平衡带来的顺序均等化本身也容易因不完整区组或缺失数据而被破坏。^{66Experimental Psychology: A Case Approach (8th ed.)pearson.com前往参考资料 ↓在新标签页中打开|9393Balanced and partially balanced designs for order effectspearson.com前往参考资料 ↓在新标签页中打开}

在部分平衡设计中，研究者常误以为“部分平衡”等同于“完全平衡的近似”，从而按完全平衡的方式分析；部分平衡只保证处理对在位置上出现的次数相等（或近似相等），并不保证每个处理在每个位置出现次数相等，因此不能套用完全平衡的方差分析假设，需要采用针对部分平衡的模型。^{9393Balanced and partially balanced designs for order effectspearson.com前往参考资料 ↓在新标签页中打开|9494Partially balanced designs for the comparison of treatments in the presence of carry-over effectsjournals.sagepub.com前往参考资料 ↓在新标签页中打开}

顺序平衡设计（如拉丁方、Williams 设计）在统计上把顺序效应与处理效应分开估计，其前提是顺序效应被正确地建模为可加或可估计的固定/随机成分；若分析时忽略个体差异（即不把受试者作为区组或随机效应纳入模型），顺序效应与个体差异会混入残差，导致处理效应的标准误被低估、置信区间过窄。^{9595Crossover Trials in Clinical Research (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）中，受试者内观测彼此相关，分析时必须使用能处理这种相关结构的模型（如含受试者随机效应的混合模型，或先做受试者内汇总再比较）；把每个观测当作独立样本进行简单 t 检验或方差分析，是顺序平衡实验中最常见的分析误用之一。^{9595Crossover Trials in Clinical Research (2nd ed.)wiley.com前往参考资料 ↓在新标签页中打开|9696Cross-over Trials in Statistics in Medicine: The First 25 Yearsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

Senn 在讨论交叉试验时指出，受试者×处理交互作用与处理效应在主效应分析中并不完全可分离，忽略个体差异（即把受试者视为同质）会使处理效应的推断依赖于可交换性假设；当个体差异与顺序效应相关时，简单汇总会引入偏倚。^{9696Cross-over Trials in Statistics in Medicine: The First 25 Yearsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

在心理学重复测量与顺序平衡实验中，若只对组均值做分析而不控制受试者随机效应，个体差异会增大误差方差，降低检验效能；更严重的是，当存在选择偏倚或顺序与个体特征混杂时，组均值差异可能反映的是个体构成差异而非处理效应。^{9797Experimental Design and Analysis for Psychologyglobal.oup.com前往参考资料 ↓在新标签页中打开}

关于忽略个体差异的后果有多严重，学界存在不同侧重：一方强调在受试者内设计中个体差异应被建模为随机效应，否则推断无效；另一方则指出，当顺序平衡完全且个体差异与处理无关时，简单的受试者内对比仍可给出无偏的处理效应估计，个体差异主要影响效能而非偏倚。^{9696Cross-over Trials in Statistics in Medicine: The First 25 Yearsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|9898The Analysis of Cross-Over Trials: Is It Still a Problem?onlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

顺序平衡设计的统计功效取决于「受试者数 × 顺序组数」的联合结构，而非仅取决于总观测数；当样本量不能被顺序组数整除时，各顺序组实际分配到的受试者数不相等，组间比较的方差不再同质，基于等组假设的方差分析或混合模型若直接套用，会低估标准误或使 F 检验偏保守。^{6868Crossover Trials in Clinical Researchwiley.com前往参考资料 ↓在新标签页中打开|9999Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

在交叉设计（crossover design）中，若样本量小于顺序组数，则必然出现某些顺序组没有任何受试者，此时该顺序组所承载的延续效应（carryover effect）与周期效应完全不可估计，设计退化为不可识别（non-identifiable）模型，任何声称「平衡」的结论都不成立。^{6868Crossover Trials in Clinical Researchwiley.com前往参考资料 ↓在新标签页中打开|100100The analysis of crossover trials with unequal group sizesonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

常见误用之一是把「每个受试者接受全部处理」误当作顺序平衡已经实现，从而忽略顺序组数这一维度：例如 4 种处理、仅 8 名受试者时，若只采用 2 个顺序组（各 4 人），则 4! = 24 种可能顺序中仅覆盖 2 种，一阶延续效应与处理×周期交互无法与处理效应分离。^{9999Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开|101101Latin square designs and their use in psychologypsycnet.apa.org前往参考资料 ↓在新标签页中打开}

关于样本量与顺序组数不匹配时应当如何处理，方法学界存在分歧：一派主张在设计阶段就强制样本量为顺序组数的整数倍（即采用等组分配），认为这是保持平衡性、使方差分析成立的前提；另一派则主张允许不等组，改用基于限制性极大似然（REML）的混合效应模型或 Kenward-Roger 校正来处理，认为强行凑整会浪费受试者并引入选择偏倚。^{100100The analysis of crossover trials with unequal group sizesonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开|102102Small sample inference for fixed effects from restricted maximum likelihoodjstor.org前往参考资料 ↓在新标签页中打开}

在拉丁方平衡（Latin square balance）中，样本量必须是方阶数（即处理数）的整数倍才能保证每个处理在每一行、每一列出现次数相等；当实际样本量不是方阶数的整数倍时，常被误用的做法是「补足到整数倍」而不报告补足依据，或直接截断数据，这两种做法都会破坏拉丁方的正交性并使后续分析产生偏倚。^{101101Latin square designs and their use in psychologypsycnet.apa.org前往参考资料 ↓在新标签页中打开|103103Partially balanced designs and their applicationjstor.org前往参考资料 ↓在新标签页中打开}

部分平衡（partially balanced）设计正是为缓解「样本量必须为顺序组数整数倍」这一约束而提出的：它允许顺序组数少于完全平衡所需的数量，代价是部分处理对比的估计精度不相等，需要在分析时对不同的处理对比分别报告标准误，而不能只报告一个合并的误差项。^{9999Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开|103103Partially balanced designs and their applicationjstor.org前往参考资料 ↓在新标签页中打开}

在心理学与行为科学的实际论文中，样本量与顺序组数不匹配的常见表现是：报告了「顺序已平衡」，但未报告顺序组数、每组人数及分配方法；读者无法据此判断平衡是否真正实现，也无法复现分配过程。这一报告缺陷在交叉设计的系统评价中被反复指出。^{102102Small sample inference for fixed effects from restricted maximum likelihoodjstor.org前往参考资料 ↓在新标签页中打开|104104CONSORT extension for reporting crossover trialsbmj.com前往参考资料 ↓在新标签页中打开}

完全顺序平衡（complete counterbalancing）要求被试经历全部处理顺序，顺序数为处理数的阶乘；当处理数为 4 时需 24 种顺序，为 5 时需 120 种，因此在实际认知实验中通常只在处理数不超过 4 至 5 个时使用。^{105105Experimental Design: Counterbalancing and Order Effectsstatisticshowto.com前往参考资料 ↓在新标签页中打开}

当处理数较多、无法穷尽全部顺序时，常用拉丁方设计抽取部分顺序，使每个处理在每一序位上各出现一次，从而在组水平上平衡序位效应。^{106106Latin Square Designitl.nist.gov前往参考资料 ↓在新标签页中打开}

在涉及多个处理、每个处理只呈现一次的被试内设计中，Williams 设计（平衡拉丁方）可使每个处理除首次呈现外，在其前一处理上各出现一次，从而平衡一阶延续效应；这是认知实验中控制延续效应的常用方案。^{106106Latin Square Designitl.nist.gov前往参考资料 ↓在新标签页中打开|2929Williams design and balanced carryover effectsen.wikipedia.org前往参考资料 ↓在新标签页中打开}

在快速序列视觉呈现（RSVP）与注意瞬脱范式中，研究者通过平衡目标与探测项的相对位置、以及不同实验条件间的顺序，来控制练习与期望对成绩的影响。^{107107The attentional blink: A review of data and theorylink.springer.com前往参考资料 ↓在新标签页中打开}

在序列学习（如序列反应时任务）研究中，顺序平衡尤为关键：若固定呈现顺序，被试可能形成外显的顺序知识，因此常采用平衡的组间顺序或伪随机顺序来分离内隐与外显学习。^{108108Implicit sequence learning and conscious awarenesssciencedirect.com前往参考资料 ↓在新标签页中打开}

在心理物理学与信号检测实验中，刺激呈现顺序与条件顺序的平衡可减少反应偏向与期望效应，使 d' 等敏感性指标更可靠。^{109109Signal Detection Theory and Psychophysicsarchive.org前往参考资料 ↓在新标签页中打开}

顺序平衡并不能消除顺序效应本身，它只是把顺序效应在条件间平均化；若顺序效应与处理存在交互，平衡后的组均值仍可能有偏，此时需要把顺序作为额外因素纳入分析。^{105105Experimental Design: Counterbalancing and Order Effectsstatisticshowto.com前往参考资料 ↓在新标签页中打开}

在跨被试比较的认知实验中，随机化顺序与平衡顺序是两种不同策略：随机化在单个被试内不保证平衡，只在样本量较大时于组水平近似平衡；平衡则在小样本下提供确定性保护。^{105105Experimental Design: Counterbalancing and Order Effectsstatisticshowto.com前往参考资料 ↓在新标签页中打开}

对于存在强练习效应或不可逆学习效应的任务（如某些知觉学习范式），顺序平衡无法消除先呈现条件带来的持久影响，此时更宜采用被试间设计或设置充分的练习与洗脱阶段。^{110110Perceptual learning: specificity versus generalizationsciencedirect.com前往参考资料 ↓在新标签页中打开}

在问卷与量表施测中，题目顺序、选项顺序和量表呈现顺序都可能产生顺序效应，包括练习效应、疲劳效应、对比效应和启动效应；顺序平衡通过系统变化呈现次序，把这些效应从处理效应中分离出来，或至少使其在各条件间均衡。^{111111Research Methods in Psychologymheducation.com前往参考资料 ↓在新标签页中打开|112112Survey Methodologywiley.com前往参考资料 ↓在新标签页中打开}

完全顺序平衡（所有可能顺序都出现）在题目数较多时组合数爆炸，实际施测中不可行；因此问卷与量表研究常用拉丁方平衡或随机化平衡，在题目数、被试数和施测成本之间折中。^{111111Research Methods in Psychologymheducation.com前往参考资料 ↓在新标签页中打开|1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

在纵向问卷或重复测量量表施测中，同一批题目在不同波次以不同顺序呈现，可减少被试对题目位置的记忆和固定反应倾向；但若顺序变化本身成为额外变量，需要在分析中将其作为协变量或设计因子纳入。^{112112Survey Methodologywiley.com前往参考资料 ↓在新标签页中打开}

对于态度量表和李克特量表，选项顺序（如正向到负向 vs 负向到正向）会影响回答分布，产生首因效应或近因效应；顺序平衡要求在同一研究中系统变化选项方向，或至少随机化选项顺序，以估计并控制该效应。^{113113Question and Questionnaire Designemerald.com前往参考资料 ↓在新标签页中打开|1111Order effects in survey researchannualreviews.org前往参考资料 ↓在新标签页中打开}

在计算机化自陈量表（如经验取样法、生态瞬时评估）中，题目顺序可由程序随机化实现，但完全随机化可能破坏量表内部逻辑（如跳转题、依赖前题的题目），因此实施时需在随机化与逻辑约束之间设定规则。^{114114Ecological Momentary Assessmentannualreviews.org前往参考资料 ↓在新标签页中打开}

顺序平衡不能替代随机化：随机化旨在使未观测混杂因素在条件间期望均衡，顺序平衡针对的是可系统变化的呈现次序；两者在问卷施测中常结合使用，先按顺序平衡安排题目组块，再在组块内随机化题目。^{111111Research Methods in Psychologymheducation.com前往参考资料 ↓在新标签页中打开|1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

在跨文化或跨语言问卷施测中，翻译后的题目长度和语法结构可能改变顺序效应的强度，因此顺序平衡方案需要在预试中检验，不能直接照搬原语言版本的平衡表。^{115115Cross-Cultural Survey Methodswiley.com前往参考资料 ↓在新标签页中打开}

对于包含反向计分题的量表，题目顺序平衡需与反向题分布结合考虑：若反向题集中出现在某一顺序位置，可能引入方法效应，建议在平衡表中将反向题均匀分散到各位置。^{113113Question and Questionnaire Designemerald.com前往参考资料 ↓在新标签页中打开}

顺序平衡在问卷施测中的效果评估，通常通过比较不同顺序组在量表总分、项目均值或反应时上的差异来进行；若顺序效应显著，则需在后续分析中校正或重新设计施测方案。^{112112Survey Methodologywiley.com前往参考资料 ↓在新标签页中打开}

在纸笔问卷中实施顺序平衡的成本较高，需要印制多个版本并确保各版本随机分配给被试；网络问卷平台通常提供题目随机化或版本随机分配功能，使顺序平衡更易操作，但也要求记录每个被试实际接受的顺序以便分析。^{114114Ecological Momentary Assessmentannualreviews.org前往参考资料 ↓在新标签页中打开}

在两组、两期的交叉设计中，AB 与 BA 两种顺序各分配一半受试者，是最基本的顺序平衡形式；这种设计只能估计两干预的差，无法在无重复的情况下检验顺序效应，因此常需加入基线期或采用更高阶设计。^{116116The two-period crossover trialdoi.org前往参考资料 ↓在新标签页中打开}

对于三组或更多干预的交叉试验，完全顺序平衡要求使用全部 k! 种顺序（k 为干预数），受试者被随机分配到各顺序组；当 k 较大时，完全平衡所需样本量急剧增加，实践中常改用拉丁方或平衡不完全区组设计。^{117117Design and Analysis of Cross-Over Trials (3rd ed.)doi.org前往参考资料 ↓在新标签页中打开}

Williams 设计是一种平衡的交叉设计，对 k 种处理在 k 个序位上进行安排，使每个处理在每一序位出现一次，且每个处理在另一个处理之前和之后出现的次数尽可能均衡，从而在存在一阶延续效应时仍能有效估计处理效应。^{118118Williams designsdoi.org前往参考资料 ↓在新标签页中打开}

在心理与行为科学的临床试验中，顺序平衡常用于比较两种心理治疗、药物与心理治疗联合方案，或不同剂量/疗程的干预；例如在随机交叉试验中比较认知行为治疗与等待名单或活性对照的顺序效应。^{119119Randomized crossover trial of cognitive behavioural therapy versus active controldoi.org前往参考资料 ↓在新标签页中打开}

在交叉试验的报告规范（CONSORT 扩展版）中，要求明确说明顺序分配方法、洗脱期长度以及是否检验顺序效应，顺序平衡的实施细节属于必须报告的内容。^{120120CONSORT extension for crossover trialsdoi.org前往参考资料 ↓在新标签页中打开}

顺序平衡并不能替代随机化：即使采用完全平衡的顺序集合，受试者仍应随机分配到各顺序组，以平衡顺序组间可能存在的基线差异，并满足统计推断的随机化假设。^{117117Design and Analysis of Cross-Over Trials (3rd ed.)doi.org前往参考资料 ↓在新标签页中打开}

在行为科学的单被试实验设计中，顺序平衡（如交替处理设计、多基线设计中的处理顺序随机化）用于控制顺序与练习效应，但单被试设计更强调基线稳定性和效应重复，而非组间顺序平衡。^{121121Single-Case Experimental Designsdoi.org前往参考资料 ↓在新标签页中打开}

被试间设计中的区组（blocking）指按被试的某些特征（如性别、年龄、基线水平）将其分成若干同质组，再在每个区组内随机分配处理条件；其目的是减少区组间差异对处理效应估计的干扰，提高检验效能。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

随机区组设计（randomized block design）是区组思想在实验设计中的标准形式：先将被试划分为若干区组，区组内被试在无关变量上尽量同质，然后在每个区组内独立随机分配处理。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

在随机区组设计中，区组效应通过方差分析中的区组项从误差项中分离出来，从而降低误差均方、提高对处理效应的检验效能；区组与处理之间通常假定无交互作用。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

区组划分必须依据与因变量相关的被试特征，否则区组化不会带来效能增益，反而可能损失自由度；因此区组变量的选择应在实验前基于理论或预研究确定。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

当区组内被试数量与处理条件数不匹配时，可采用不等区组或平衡不完全区组设计（BIBD），使每个处理在区组内出现次数均衡，以保持比较的公平性。^{4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

区组化与顺序平衡解决的是不同层面的问题：区组化处理被试间设计的被试异质性，顺序平衡处理被试内设计中条件呈现顺序的干扰；两者常在同一研究中结合使用。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开|4545Design and Analysis of Experiments (10th ed.)wiley.com前往参考资料 ↓在新标签页中打开}

在心理学实验中，区组化常与随机化并用：区组内随机分配保证无偏性，区组间同质化提高精度；单纯随机化而不区组化在样本量较小时可能产生组间基线不平衡。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

区组设计的一个常见误用是事后按观测到的协变量划分区组（事后区组化），这会破坏随机化推断的合法性，应改用协方差分析等前定方法处理。^{1313Experimental Design: Procedures for the Behavioral Sciences (4th ed.)us.sagepub.com前往参考资料 ↓在新标签页中打开}

ABBA 设计是顺序平衡中用于抵消线性时间顺序误差的经典排列方法，适用于自变量只有两个水平（记为 A 与 B）的情形：被试按 A→B→B→A 的顺序接受四次处理，其中 A、B 各出现两次。^{122122[科普中国]-被试内设计- · 科普中国网kepuchina.cn前往参考资料 ↓在新标签页中打开}

ABBA 设计的平衡逻辑在于：A 在 B 之前出现一次、在 B 之后出现一次，B 相对 A 亦然；若把四次处理按时间位置编号为 1 至 4，则 A 所处位置之和为 1+4=5，B 所处位置之和为 2+3=5，两者平均顺序位置相同，因此练习效应或疲劳效应若随时间线性变化，就会在两种条件的均值上相互抵消。^{122122[科普中国]-被试内设计- · 科普中国网kepuchina.cn前往参考资料 ↓在新标签页中打开}

ABBA 法属于完全被试内设计（又称重复测量设计）的两种常用实现之一，另一种是随机区组设计；前者通过固定对称排列来平衡顺序效应，后者通过随机化排列并让每种排列重复多次来平衡练习效应。^{122122[科普中国]-被试内设计- · 科普中国网kepuchina.cn前往参考资料 ↓在新标签页中打开}

ABBA 设计之所以必要，是因为被试内设计中同一被试要接受全部实验条件，前一条件的操作会影响后一条件的操作，从而产生练习效应或疲劳效应，即顺序误差。^{122122[科普中国]-被试内设计- · 科普中国网kepuchina.cn前往参考资料 ↓在新标签页中打开}

ABBA 设计的有效性建立在一个明确假设之上：顺序误差随时间按线性（系统）方式变化；若顺序效应呈非线性（如陡峭的练习曲线或突然的疲劳拐点），仅靠 ABBA 对称排列不足以完全抵消，需要结合随机化或更复杂的平衡方案。^{122122[科普中国]-被试内设计- · 科普中国网kepuchina.cn前往参考资料 ↓在新标签页中打开}

ABBA 设计只处理两个水平，当自变量水平数增加到三个及以上时，简单的 ABBA 排列不再适用，需要改用拉丁方平衡、Williams 设计或部分平衡拉丁方等更一般的平衡方案。^{122122[科普中国]-被试内设计- · 科普中国网kepuchina.cn前往参考资料 ↓在新标签页中打开}

ABBA 设计在实施上要求每个被试完整经历四次处理，因此相比被试间设计需要更长的实验时间，并可能因重复测量次数增加而引入更明显的疲劳与练习累积；同时它不适用于条件效果不可逆的情形（如技能学习类任务）。^{122122[科普中国]-被试内设计- · 科普中国网kepuchina.cn前往参考资料 ↓在新标签页中打开}

交叉设计（crossover design）是同一受试者在不同试验阶段依次接受两种或多种处理的设计，受试者自身作为对照，因此处理间比较基于个体内（within-subject）差异，而非个体间差异。^{123123Sequentially balanced three-squares cross-over designspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在交叉设计中，若前一阶段的处理对后一阶段仍有残留影响，就形成延续效应（carry-over effect）；顺序平衡的核心目的正是让这种延续效应在处理间、顺序间尽量对等，从而不污染处理效应的估计。^{123123Sequentially balanced three-squares cross-over designspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

Newcombe 在 1996 年系统讨论了含一阶延续效应平衡的交叉设计构造：对任意偶数 t（以及部分奇数 t）可用单个拉丁方；对任意奇数 t ≥ 3 可用顺序平衡的方对（sequentially balanced pairs of squares）；并进一步给出 b = 3 的构造，覆盖 t ≤ 5、7、9 等情形。^{123123Sequentially balanced three-squares cross-over designspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

顺序平衡的方对构造把两个拉丁方按顺序拼接，使每个处理在每个阶段、以及每个处理的前一处理（一阶延续）在各顺序组中出现的次数相等，从而在受试者数 n = bt（b 为不小于 1 的整数）时实现一阶延续效应的平衡。^{123123Sequentially balanced three-squares cross-over designspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

当处理数 t 为奇数时，单个拉丁方无法同时平衡一阶延续效应，需要成对使用顺序平衡的方（或采用 b = 3 等更高重数的构造）来恢复平衡；这正是顺序平衡方法在交叉设计中的直接应用场景。^{123123Sequentially balanced three-squares cross-over designspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

交叉设计与平行组设计的关键区别在于：交叉设计用较少的受试者即可达到较高的处理间比较精度，但代价是试验周期更长、脱落风险更高，且只适用于处理效应可逆、无永久性遗留影响的场景。^{123123Sequentially balanced three-squares cross-over designspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在交叉设计中，顺序（sequence）是受试者被分配到的处理排列，阶段（period）是重复测量的时间点；顺序平衡要求各顺序组在阶段与处理的交叉上保持对称，从而使阶段效应与延续效应可与处理效应分离估计。^{123123Sequentially balanced three-squares cross-over designspubmed.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}