控制无关变量的方法
实验中控制无关变量的方法
实验中控制无关变量的方法宝子！今天咱来唠唠实验里控制无关变量的那些事儿。
一、排除法。
你想啊，有些无关变量就像调皮的小捣蛋鬼，那咱就干脆把它们排除在外。
比如说，你在研究某种植物在特定光照下的生长情况，那周围的噪音就是个无关变量。
咱就找个安静的环境做实验，把噪音这个捣蛋鬼排除掉，这样就不会干扰植物生长这个事儿啦。
再好比，你要测试一种新的药品对病人的疗效，那病人的饮食习惯如果不一样，可能就会影响结果。
这时候，就给病人统一安排饮食，把饮食这个可能捣乱的因素排除出去。
二、恒定法。
还有个办法叫恒定法呢。
就像是把一些无关变量定住，不让它们变来变去。
就像刚刚说的植物光照实验，如果温度也会影响植物生长，那咱就把温度恒定在一个合适的值。
不管外面是冷是热，在实验室里，温度就一直保持那个数。
这样，温度这个无关变量就不会在实验过程中瞎捣乱啦。
要是做化学实验，反应容器的大小如果会影响结果，那就一直用同样大小的容器，让这个因素恒定不变。
三、匹配法。
这个匹配法也很有趣哦。
假如你在做一个关于不同教学方法对学生成绩影响的实验。
学生的基础好坏就是个无关变量。
那咱就把学生按照基础好坏匹配一下。
把基础差不多的学生分别分到不同的教学方法组里。
这样，基础这个因素在不同组里就比较均衡啦，就不会因为一组学生基础好，另一组差，而影响对教学方法效果的判断。
就像给小朋友分糖果，要分得公平些，让每个组都有差不多的情况。
四、随机化法。
随机化法就有点像抽签啦。
比如说你有很多实验对象，你不知道哪个对象有啥特殊情况可能会影响实验。
那咱就随机把他们分到不同的实验组或者对照组。
这样，那些可能的无关变量就会比较均匀地分布在各个组里。
就像抽奖一样，每个参与者都有相同的机会被分到不同的组里，这样就能减少无关变量对实验结果的影响啦。
五、统计控制法。
最后这个统计控制法呢，就像是事后诸葛亮。
如果在实验过程中有些无关变量没控制好，那咱可以在分析数据的时候，用统计的方法把这些无关变量的影响去掉或者调整。
控制无关变量的方法
控制无关变量的方法要控制无关变量，就需要了解什么是无关变量。
无关变量是指在研究中不参与主要因素的变量。
这些变量可以对数据产生干扰，从而影响实验结果的准确性和可靠性。
因此，控制无关变量是非常重要的，下面将介绍一些方法来控制无关变量。
1.随机分组：在实验设计中，通过随机分组的方法来减少无关变量的干扰。
随机分组可以确保参与实验的个体被随机分配到不同的处理组中，从而使得潜在的无关变量在每个处理组中分布均匀，减少其对实验结果的影响。
2.等量分组：除了随机分组外，还可以采用等量分组的方法。
等量分组是指将参与实验的个体按照其中一种特征或条件进行分类，然后从每一类中随机选择相同数量的个体进行处理。
这样做可以确保不同处理组之间无关变量的分布比较均衡。
3.预测试和后测：在实验设计中，可以在实验开始之前进行预测试，通过检测无关变量的分布情况来确定是否需要采取进一步的控制措施。
同时，在实验结束后进行后测，以确保在实验过程中无关变量没有发生显著的改变。
4.协变量控制：协变量控制是指在实验分析中引入无关变量作为一个协变量，以调整实验组和对照组之间的差异。
通过统计分析的方法，可以将无关变量的影响从最终的实验结果中剔除，从而得到更准确的实验效果。
5.控制实验环境：在实验中，确保实验环境的一致性也是控制无关变量的重要手段。
例如，控制温度、湿度、光照等实验条件，以减少这些因素对实验结果的影响。
6.数据清洗和筛选：对实验数据进行清洗和筛选，可以排除无关变量的潜在影响。
这可以通过识别异常值、重复样本或其他错误来实现，确保数据的准确性和可靠性。
7. 多重检验校正：在实验设计中，可能会进行多个统计检验来测试不同的假设。
然而，进行多个检验可能增加第一类错误的风险。
为了控制这种风险，可以使用多重检验校正方法，如Bonferroni校正或False Discovery Rate控制方法，以减少错误发现的概率。
综上所述，控制无关变量是研究中的一个重要步骤，可以通过随机分组、等量分组、预测试和后测、协变量控制、控制实验环境、数据清洗和筛选以及多重检验校正等方法来实现。
控制无关变量的主要方法
假设你参加投注
• 接下来有两个方案让你选择：
–A方案：保证你肯定赢1000元 –B方案：50%可能性赢得2000元， 50%可能性什么也得不到
• 你会选择哪一个呢？
假设你参加投注
• 接下来有两个方案让你选择：
–A方案：你肯定损失1000元 –B方案：50%可能性损失2000元， 50%可能性什么也不损失
实验研究中的变量
• 实验研究必须要有效控制无关变量
实验研究中的变量
• 实验研究必须要科学地观测因变量
–因变量要可测量：选择一些具体的指标来反映因变量。 测量要保证信度和效度。
一个经典的实验-罗森塔尔效应
• 心理学家罗森塔尔为研究教师的期待对学生表现的 影响，在一所小学的学生中进行了一项实验。他先 对全体学生进行了语言能力和思维推理能力的测验， 以了解学生的基础。然后，他随机地从每个年级的 学生中抽出20％的学生作为教师期待的对象。他告 诉教师说，这20％的学生有可能比其他学生学得更 好(即更有发展潜力)。其实，这20％的学生与其80 ％的学生的能力和发展潜力相当。当教师对全体学 生进行了八个月的教学之后，研究者又对全体学生 进行了一次测验。结果发现，被教师期待的这20％ 的学生，其成绩全都显著地提高，教师对他们的评 语也比其他学生好。这一实验表明了教师的期待对 学生发展所具有的作用和效果。
–（2）将被试随机分为人数相同的2组，并随机指派一组使用大 包装黄油，另一组使用小包装黄油；大包装容量是小包装的两 倍，但大包装只装一半，小包装装满，即两种包装内的黄油总 量相同；
包装大小与商品使用量关系的实验研究
–（3）被试被带入有一个研究助理的隔绝的小房间，当她把 包装盒里的黄油倒入煎锅，准备开始炸鸡时，即宣布实验结 束，并告知实验的真实目的。 –（4）用有刻度的烧杯测量黄油的量。
控制无关变量的方法
统制无闭变量的要领之阳早格格创做定义：所谓无闭变量是指正在真验历程中除自变量除中所有能对付果变量爆收效率的变量，包罗个体内中环境所爆收的各类刺激、肌体反应变量.由于那些变量与真验的主旨无闭，所以统称为无闭变量（Extraneous variables）果为果变量的变更，不但受到自变量的效率，也受到无闭变量的效率，所以怎么样灵验天统制无闭变量，是决断真验截止是可真真稳当的一个极为要害的果素.果此，正在一次真验中，当咱们决定了自变量与果变量以去，便该当使真验的其余条件脆持恒定，惟有那样，真验中的果果闭系才搞得到精确的证明，所以，无闭变量便是正在真验中该当加以统制的变量，果此又称为统制变量.如果以数教圆程式去表示果变量战自变量以及无闭变量之间的闭系，便是：DV=f(IV,EV1,EV2,EVn)果变量=f(自变量，无闭变量1，无闭变量2，,无闭变量n)要领：（1）与消法统制无闭变量最完好的办法便是简朴天把它们从真验环境中与消.此法多适用于一些物理刺激果素的统制，比圆，噪音，光芒，等.有一些无闭变量，如真验的时间，真验的仪器，真验的主试，被试的年龄，性别，培养程度，不克不迭简朴天加以与消，那么便要有其余的办法去加以统制.（2）恒常法对付于不克不迭与消的变量，咱们不妨使它正在所有真验中脆持恒定，即所有的被试皆担当相共的无闭变量，那种统制要领称为恒常法.由于那些无闭变量正在真验中皆脆持恒常，它们对付担当自变量分歧火仄的每个被试，所能爆收的效率皆是普遍的，所以不会效率通过自变量分歧火仄对付果变量所制成的变更好别.对付于一些被试变量，真验条件，不妨采与此种要领.例一，真验的时间安插正在上午，大概会比下午的真验有更佳的截止，果此咱们不妨通过将真验皆安插正在上午去与消时间那一果素大概爆收的效率（3）仄稳法那种统制要领的脚法，是让无闭变量爆收的效率正在所有的真验组及统制组的效验皆脆持仄稳.也便是道，每一组皆受到那些无闭变量变更的效率，然而它们效率的大小正在各组皆是一般的.例二：仄稳各组“性别”变量的效率.二十名被试，十二个男性，八个女性.分成二组举止真验.假设被试的性别大概会对付果变量爆收效率，所以，需要统制那个无闭变量.先把12名男性被试随机分为二组，再把8名女性被试随机分到二个组中，那样，正在每一组内性别皆有变更，那种变更有大概对付果变量爆收效率，然而是由于性别果素对付二个组的效率效力皆是一般的，果此那种效率便被仄稳了.注意：仄稳与恒常统制脚法分歧.采与恒常法，无闭变量正在组内以及组间皆无变更；采与仄稳统制脚法时，无闭变量正在组内是有变更的，然而是变更所爆收的效率正在各组之间是相等的.如果钻研者无法指认有些大概起效率的无闭变量，不妨采与符合的统制组，以达到仄稳统制的脚法.真验者对付真验组以及统制组，除了自变量的处理分歧除中，对付其余皆一律共等天处理.如许，真验组战统制组正在果变量上爆收的好别皆不妨归诸于自变量分歧所爆收的效率.例三：钻研担当持枪宁静性锻炼对付射打准确性的效率.真验组被试正在担当锻炼之前先射打50收，之后举止锻炼，再考验50收.截止如下表：是可不妨认为锻炼引导了结果的普及？该真验大概有其余果素：先射的50收；二周的时间隔断；大概者其余一些大概无法相识的果素.为了排除其余果素的效率，必须采与统制无闭变量的仄稳脚法.安排各类统制组去达到与消无闭变量的效率.比圆，为了与消时间战锻炼那二个主要无闭变量的效率，咱们不妨安排二个统制组.例四：真验组战统制一组：如果X明隐小于24，认为锻炼灵验.如果X不隐著小于24，则锻炼无效.统制一战统制二组：如果X隐著大于Y，证明锻炼灵验果，如果无好别，证明锻炼本去不起效率.（4）对消仄稳法有些真验钻研，被试需要正在百般分歧的真验条件下担当沉复考验.正在那种沉复丈量的安排（Repeated measurementdesign）中，被试会受到担当沉复丈量所爆收的效率.那些殽杂果素并不是出当前丈量之前，而是爆收正在沉复丈量的历程中.对付此咱们不妨采与对消仄稳（counter-balancing）大概接叉仄稳的脚法去统制那类殽杂变量.那种统制脚法主要用去仄稳一组被试沉复担当自变量百般火仄的先后程序所爆收的无闭效率.例五：钻研对付黑绿二种色光的反当令是可少短纷歧的问题.已对消的安排：让一组被试先担当10次黑光刺激，再担当10次绿光刺激.得到对付黑光反应快，是可得出论断认为被试对付黑光反应快？安排问题：真验刺激的先后程序是一个潜正在的无闭变量.对消的安排：一半被试先担当黑，再担当绿；而另一半被试好同，先担当绿，再担当黑.注意：对消仄稳与仄稳的辨别：对消仄稳用于沉复丈量的真验安排，仄稳用于被试只担当一次丈量的安排.（5）随机化法随机化（Randomization）统制主要用于二种情况：a、钻研者已经相识某种无闭变量能正在真验历程中爆收效率，然而不符合使用上述的简直统制办法；b、无法决定起效率的无闭变量，所以也便不克不迭决定采与其余的统制脚法.正在此情况下，咱们便要预先采与步伐，使无闭变量的效率随机化.无论无闭变量爆收什么样的效率，它对付所有真验以及统制组的效率皆不妨假设为是相等的.随机化统制的假设：如果咱们从总体中使用随机抽样的脚法抽与被试，而后又用随机的办法将被试分为真验以及统制二组.依照随机与样的统计表里，咱们不妨假定：第一，每组样原皆具备代表性，它们具备代表总体的各类个性；第二，每组样原的百般个性，包罗无闭变量正在内，皆是相等的.真验、统制二组正在真验中，除担当的自变量处理分歧除中，其余十足不妨效率果变量的已知大概已知的无闭果素皆不妨假定是相等的.（6）系统变更法正在本质死计中，偶尔自变量与一些钻研中的无闭变量闭系相称稀切.当那类无闭变量的火仄多于一个时，为了决定自变量战无闭变量各自的效验，不妨用无闭变量的系统变更去统制此无闭变量.比圆：正在一项闭于“对付考查焦急的下三教死真施情绪搞预对付教死教习结果的效率钻研”中，然而教习结果常常与教死的才华火仄相闭，果此教死的才华火仄成为此项钻研中的无闭变量，为了使其不至于殽杂自变量的效验，咱们不妨采与对付其举止系统变更的步调：最先用特定的才华量表去丈量被试的才华火仄；其次，根据矮、中、下才华火仄把被试加以分类；第三，把每类被试中的一半分到真验组，另一半分到统制组.该项钻研安排如下图所示：（7）统制被试正在情绪教真验中，钻研者大概主试自己也是无闭变量，不妨对付真验的截止爆收效率.主试的种族、性别、年龄、身份、职位、焦急、友擅、做风等皆大概对付被试的反应爆收效率.而且，那种效率不然而仅限制于对付人类被试.比圆：R.Rosenthal曾指使钻研帮理举止黑鼠教习迷津的钻研.他预先报告钻研帮理，一组黑鼠是智慧黑鼠的后代(g1)，另一组是聪明黑鼠的后代(g2)，而第三组则不祖先是可智慧大概聪明的疑息(g3).真验的截止创制，g1要比g3结果佳，g2最好.而本质上，那三组黑鼠皆是从共一总体中随机抽与的样原，果此那种好别是由于主试主瞅期待的效率.1、盲目真验常常，真验者对付担当自变量处理的真验组是比较闭切的，所以易免特天注意被试的止为反应，进而效率了真验的真正在截止.那种偏偏好正在举止药物真验时，更为隐著.然而咱们不妨采与湮出脚法，统制真验者的偏偏好大概期待，那种要领称为盲目统制（Blind-control）.如果考验药物效验的被试对付象为人类，施加药物的种类、火仄，以及毫无药物效率的抚慰剂皆以暗号代替，主试者以及被试单圆皆不相识药物处理的真相，也便无法爆收预期效率.那种统制要领，称之为单盲统制（Double blind-control）.如果被试是动物，则只对付主试者一圆坦黑，称为单盲统制（Single-blind-control）.2、多主试统制采与数名主试，举止共一真验钻研，是又一种统制主试念法大概期待所爆收效率的办法.注意：钻研者必须对付真验、支集数据的步调有预先的妥擅安插，不克不迭简朴的采与一位主试支集真验数据，另一名主试接替轮换的要领.而是要采与仄稳的统制脚法，使每一位主试皆从各真验、统制组支集相共数目被试的真验数据.再则，分解真验数据时，必须先单独分解每一位主试支集真验的数据，并举止比较，如果无好别，则不妨将数据局部合并，如果存留好别，则证明那里存留主试效力，应进一步加以小心的分解.3、电脑主试由电脑浮现真验步调，证明刺激变量，记录被试的反应，举止数据统计分解.那便真足与消了所有与主试有闭的各类无闭变量.从真验的瞅面瞅，最佳能抽与最具代表性的样原，再真验前以随机调配的脚法，爆收真验组战统制组，使其正在各圆里皆相等，即每组组内被试的死理、情绪个性皆相等.然而是，那不过是一种理念，本质上是不可能真足搞到的.所以，咱们必须死少统制被试变同的步伐，以达到二个极为要害的脚法：（1）减小组间正在担当真验处理前的好别；（2）减小组内被试间的好别.统制脚法包罗沉复考验、匹配、随机等要领，正在后里道到的真验安排便是那些要领的简直体现.。
简述控制教育实验研究中无关变量的方法
简述控制教育实验研究中无关变量的方法在实验研究中控制无关变量是提高教育实验可靠性的重要手段。
而要正确控制无关变量，需要采取科学有效的方法来操作。
本文将从无关变量的概念与特征、控制无关变量的方法和无关变量的干预三个方面，对如何正确地选择控制无关变量的方法和使用无关变量干预方法做了简单论述。
一、取消前测和后测前测是在试验开始之前进行的一次调查或观察，通常由试验者主动设计，并基于被试已经具备某些特征或状态的假设下，试验者想要获得的信息。
由于这种前测往往为了获得某些特定的信息，并且可能会偏离了原有的假设，因此这类前测不宜使用过多，更不能当作正式的研究结果来进行分析。
而后测指的是在实验结束后进行的，并基于实验前获得的大量资料所做的推测，在这里它是一个有偏向性的、潜在的研究结果。
例如：现场调查、问卷调查等都属于后测。
因此要对实验后测进行合理控制，首先要知道后测的来源，再根据来源采用不同的方法进行控制。
二、注意无关变量的独立性无关变量是指能够控制的、不受前测和后测影响的变量。
无关变量是客观存在的，但是必须通过实验处理才能发现。
比如，实验者观察学生操作能力的各项指标时，除了要考虑前测和后测的影响外，还应当把各项指标单独记录。
这样既可以保证各项指标之间不会相互影响，也可以保证前后两项指标之间不会出现系统误差，保证无关变量的独立性。
1。
设计实验的设计类型是决定无关变量是否会对实验结果产生影响的主要因素。
如果实验是等组设计，那么实验过程中的无关变量就会影响实验结果；反之，若实验是因变量控制设计，那么无关变量就会对实验结果产生不利影响。
2。
尽量排除无关变量的干扰一般情况下，无关变量都是由实验者根据试验任务和研究目的所选定的，这些无关变量大都带有实验者的主观性，因此在实验过程中会很难避免无关变量对实验结果的影响。
因此，要尽量排除无关变量的干扰，即在选定无关变量时要慎重。
3。
加强对无关变量的控制2。
控制组设计实验时，往往采用同质的随机数字表或随机数字表格，使实验组和控制组在自然状态下混合，便于控制无关变量的实验条件。
控制无关变量的方法
Extra neousvariablesDV=f(IV,EV1,EV2,E Vn)=f( 1 2 , n)12化；采用平衡控制手段时，无关变量在组内是有变化的，但是变化所产生的作用在各组之间是相等的。
如果研究者无法指认有些可能起作用的无关变量，可以采用适当的控制组，以达到平衡控制的目的。
实验者对实验组以及控制组，除了自变量的处理不同之外，对其他都一律同等地处理。
如此，实验组和控制组在因变量上产生的差异都可以归诸于自变量不同所产生的作用。
例三：研究接受持枪稳定性训练对射击准确性的作用。
实验组被试在接受训练之前先射击50发，之后进行训练，再测验50发。
结果如下表：是否可以认为训练导致了成绩的提高？该实验可能有其他因素：先射的50发；两周的时间间隔；或者其他一些可能无法了解的因素。
为了排除其他因素的影响，必须采用控制无关变量的平衡手段。
设计种种控制组来达到消除无关变量的影响。
例如，为了消除时间和练习这两个主要无关变量的影响，我们可以设计两个控制组。
例四:实验组和控制一组：如果X明显小于24,认为训练有效。
如果X不显著小于24, 则训练无效。
控制一和控制二组：如果X显著大于Y，说明练习有效果，如果无差异，说明练习并不起作用。
(4)抵消平衡法有些实验研究，被试需要在各种不同的实验条件下接受重复测验。
在这种重复测量的设计(Repeated measurement design中，被试会受到接受重复测量所产生的影响。
这些混淆因素并非出现在测量之前，而是产生在重复测量的过程中。
对此我们可以采用抵消平衡(counter-balancing或交叉平衡的手段来控制这类混淆变量。
这种控制手段主要用来平衡一组被试重复接受自变量各种水平的先后顺序所产生的无关影响。
例五：研究对红绿两种色光的反应时是否长短不一的问题。
未抵消的设计：让一组被试先接受10次红光刺激，再接受10次绿光刺激。
得到对红光反应快，能否得出结论认为被试对红光反应快？设计问题：实验刺激的先后顺序是一个潜在的无关变量。
对无关变量的控制方法
对无关变量的控制方法
1. 忽略无关变量：在分析数据时，可以选择忽略无关变量，不予考虑其对结果的影响。
这种方法适用于无关变量对结果没有实质性影响的情况。
2. 删除无关变量：如果无关变量对结果有干扰，可以选择在分析之前将其删除或排除。
这种方法适用于在数据收集阶段就可以确定无关变量的情况。
3. 设定阈值：在一些情况下，无关变量可能对结果有微弱的影响，但是影响较小不具有实际意义。
可以设置一个阈值，当无关变量的影响低于该阈值时，将其视为无关变量并忽略。
4. 进行降维处理：通过降维方法，可以将多个相关的无关变量合并为一个综合指标或变量，减少对结果的影响。
常用的降维方法包括主成分分析（PCA）和因子分析等。
5. 进行变量筛选：通过评估无关变量与结果变量之间的相关性，选择与结果变量相关性较高的变量进行分析，剔除与结果变量相关性较低的无关变量。
6. 建立模型进行变量选择：使用统计模型或机器学习算法，在训练过程中自动选择与结果变量最相关的变量，排除无关变量的影响。
7. 进行实证研究：在实际情况下，通过实证研究验证无关变量
对结果的实际影响，并进行相应的控制或调整。
这种方法适用于无法直接确定无关变量影响的复杂系统中。
控制无关变量的方法
控制无关变量得方法定义:所谓无关变量就是指在实验过程中除自变量之外任何能对因变量产生影响得变量,包括个体内外环境所产生得种种刺激、机体反应变量、由于这些变量与实验得主旨无关,所以统称为无关变量(Extrａnｅouｓ variaｂｌes)因为因变量得变化,不但受到自变量得影响,也受到无关变量得影响,所以如何有效地控制无关变量,就是决定实验结果就是否确实可靠得一个极为重要得因素。
因此,在一次实验中,当我们确定了自变量与因变量以后,就应该使实验得其她条件保持恒定,只有这样,实验中得因果关系才能得到明确得说明,所以,无关变量就就是在实验中应该加以控制得变量,因此又称为控制变量。
如果以数学方程式来表示因变量与自变量以及无关变量之间得关系,就就是: ＤV＝f(IV,EＶ1,EV2,EVn)因变量=f(自变量,无关变量1,无关变量2,,无关变量ｎ)方法:(1)消除法控制无关变量最完美得办法就就是简单地把它们从实验环境中消除。
此法多适用于一些物理刺激因素得控制,例如,噪音,光线,等。
有一些无关变量,如实验得时间,实验得仪器,实验得主试,被试得年龄,性别,教育程度,不能简单地加以消除,那么就要有另外得办法来加以控制。
(2)恒常法对于不能消除得变量,我们可以使它在整个实验中保持恒定,即所有得被试都接受相同得无关变量,这种控制方法称为恒常法、由于这些无关变量在实验中都保持恒常,它们对接受自变量不同水平得每个被试,所能产生得影响都就是一致得,所以不会影响通过自变量不同水平对因变量所造成得变化差异、对于一些被试变量,实验条件,可以采用此种方法。
例一,实验得时间安排在上午,可能会比下午得实验有更好得结果,因此我们可以通过将实验都安排在上午来消除时间这一因素可能产生得影响（3）平衡法这种控制方法得目得,就是让无关变量产生得作用在所有得实验组及控制组得效果都保持平衡、也就就是说,每一组都受到这些无关变量变化得作用,但它们作用得大小在各组都就是一样得。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
控制无关变量的方法
定义:所谓无关变量就是指在实验过程中除自变量之外任何能对因变量产生影响的变量,包括个体内外环境所产生的种种刺激、机体反应变量。
由于这些变量与实验的主旨无关,所以统称为无关变量(Extraneous variables)
因为因变量的变化,不但受到自变量的影响,也受到无关变量的影响,所以如何有效地控制无关变量,就是决定实验结果就是否确实可靠的一个极为重要的因素。
因此,在一次实验中,当我们确定了自变量与因变量以后,就应该使实验的其她条件保持恒定,只有这样,实验中的因果关系才能得到明确的说明,所以,无关变量就就是在实验中应该加以控制的变量,因此又称为控制变量。
如果以数学方程式来表示因变量与自变量以及无关变量之间的关系,就就是: DV=f(IV,EV1,EV2,EVn)
因变量=f(自变量,无关变量1,无关变量2,,无关变量n)
方法:
(1)消除法
控制无关变量最完美的办法就就是简单地把它们从实验环境中消除。
此法多适用于一些物理刺激因素的控制,例如,噪音,光线,等。
有一些无关变量,如实验的时间,实验的仪器,实验的主试,被试的年龄,性别,教育程度,不能简单地加以消除,那么就要有另外的办法来加以控制。
(2)恒常法
对于不能消除的变量,我们可以使它在整个实验中保持恒定,即所有的被试都接受相同的无关变量,这种控制方法称为恒常法。
由于这些无关变量在实验中都保持恒常,它们对接受自变量不同水平的每个被试,所能产生的影响都就是一致的,所以不会影响通过自变量不同水平对因变量所造成的变化差异。
对于一些被试变量,实验条件,可以采用此种方法。
例一,实验的时间安排在上午,可能会比下午的实验有更好的结果,因此我们可以通过将实验都安排在上午来消除时间这一因素可能产生的影响
（3）平衡法
这种控制方法的目的,就是让无关变量产生的作用在所有的实验组及控制组的效果都保持平衡。
也就就是说,每一组都受到这些无关变量变化的作用,但它们作用的大小在各组都就是一样的。
例二:平衡各组“性别”变量的作用。
二十名被试,十二个男性,八个女性。
分成两组进行实验。
假设被试的性别可能会对因变量产生作用,所以,需要控制这个无关变量。
先把12名男性被试随机分为两组,再把8名女性被试随机分到两个组中,这样,在每一组内性别都有变化,这种变化有可能对因变量产生影响,但就是由于性别因素对两个组的影响效应都就是一样的,因此这种作用就被平衡了。
注意:平衡与恒常控制手段不同。
采用恒常法,无关变量在组内以及组间皆无变化;采用平衡控制手段时,无关变量在组内就是有变化的,但就是变化所产生的作用在各组之间就是相等的。
如果研究者无法指认有些可能起作用的无关变量,可以采用适当的控制组,以达到平衡控制的目的。
实验者对实验组以及控制组,除了自变量的处理不同之外,对其她都一律同等地处理。
如此,实验组与控制组在因变量上产生的差异都可以归诸于自变量不同所产
生的作用。
例三:研究接受持枪稳定性训练对射击准确性的作用。
实验组被试在接受训练之前先射击50发,之后进行训练,再测验50发。
结果如下表:
就是否可以认为训练导致了成绩的提高？
解的因素。
为了排除其她因素的影响,必须采用控制无关变量的平衡手段。
设计种种控制组来达到消除无关变量的影响。
例如,为了消除时间与练习这两个主要无关变量的影响,我们可以设计两个控制组。
例四:
训练无效。
控制一与控制二组:如果X显著大于Y,说明练习有效果,如果无差异,说明练习并不起作用。
（4）抵消平衡法
有些实验研究,被试需要在各种不同的实验条件下接受重复测验。
在这种重复测量的设计(Repeated measurement design)中,被试会受到接受重复测量所产生的影响。
这些混淆因素并非出现在测量之前,而就是产生在重复测量的过程中。
对此我们可以采用抵消平衡(counter-balancing)或交叉平衡的手段来控制这类混淆变量。
这种控制手段主要用来平衡一组被试重复接受自变量各种水平的先后顺序所产生的无关影响。
例五:研究对红绿两种色光的反应时就是否长短不一的问题。
未抵消的设计:让一组被试先接受10次红光刺激,再接受10次绿光刺激。
得到对红光反应快,能否得出结论认为被试对红光反应快？
设计问题:实验刺激的先后顺序就是一个潜在的无关变量。
抵消的设计:一半被试先接受红,再接受绿;而另一半被试相反,先接受绿,再接受
平衡用于被试只接受一次测量的设计。
（5）随机化法
随机化(Randomization)控制主要用于两种情况:a、研究者已经知道某种无关变量能在实验过程中产生作用,但不适合使用上述的具体控制办法;b、无法确定起作用的无关变量,所以也就不能确定采用其她的控制手段。
在此情况下,我们就要预先采取措施,使无关变量的作用随机化。
无论无关变量产生什么样的作用,它对所有实验以及控制组的影响都可以假设为就是相等的。
随机化控制的假设:如果我们从总体中运用随机抽样的手段抽取被试,然后又用随机的办法将被试分为实验以及控制两组。
按照随机取样的统计理论,我们可以假定:第一,每组样本都具有代表性,它们具有代表总体的种种特性;第二,每组样本的各种特性,包括无关变量在内,都就是相等的。
实验、控制两组在实验中,除接受的自变量处理不同之外,其她一切能够影响因变量的已知或未知的无关因素都可以假定就是相等的。
(6)系统变化法
在实际生活中,有时自变量与一些研究中的无关变量关系相当密切。
当这类无关变量的水平多于一个时,为了确定自变量与无关变量各自的效果,可以用无关变量的系统变化来控制此无关变量。
例如:在一项关于“对考试焦虑的高三学生实施心理干预对学生学习成绩的影响研究”中,但学习成绩通常与学生的智力水平相关,因此学生的智力水平成为此项研究中的无关变量,为了使其不至于混淆自变量的效果,我们可以采取对其进行系统变化的步骤:首先用特定的智力量表来测量被试的智力水平;其次,根据低、中、高智力水平把被试加以分类;第三,把每类被试中的一半分到实验组,另
在心理学实验中,研究者或主试本身也就是无关变量,能够对实验的结果产生影响。
主试的种族、性别、年龄、身份、地位、焦虑、友善、态度等都可能对被试的反应产生影响。
并且,这种影响不仅仅局限于对人类被试。
例如:R、Rosenthal曾指派研究助理进行白鼠学习迷津的研究。
她事先告诉研究助理,一组白鼠就是聪明白鼠的后代(g1),另一组就是愚笨白鼠的后代(g2),而第三组则没有祖先就是否聪明或愚笨的信息(g3)。
实验的结果发现,g1要比g3成绩好,g2最差。
而实际上,这三组白鼠都就是从同一总体中随机抽取的样本,因此这种差异就是由于主试主观期待的影响。
1、盲目实验
通常,实验者对接受自变量处理的实验组就是比较关切的,所以不免特别注意被试的行为反应,从而影响了实验的真实结果。
这种偏差在进行药物实验时,更为显著。
但我们可以采用隐蔽手段,控制实验者的偏差或期待,这种方法称为盲目控制(Blind-control)。
如果测验药物效果的被试对象为人类,施加药物的种类、水平,以及毫无药物作用的安慰剂都以密码替代,主试者以及被试双方都不知道药物处理的真相,也就无法产生预期作用。
这种控制方法,称之为双盲控制(Double
blind-control)。
如果被试就是动物,则只对主试者一方隐瞒,称为单盲控制(Single-blind-control)。
2、多主试控制
采用数名主试,进行同一实验研究,就是又一种控制主试念头或期待所产生影响的办法。
注意:研究者必须对实验、收集数据的程序有预先的妥善安排,不能简单的采用一位主试收集实验数据,另一名主试接替轮换的方法。
而就是要采用平衡的控制手段,使每一位主试都从各实验、控制组收集相同数目被试的实验数据。
再则,分析实验数据时,必须先单独分析每一位主试采集实验的数据,并进行比较,如果无差异,则可以将数据全部合并,如果存在差异,则说明这里存在主试效应,应进一步加以仔细的分析。
3、电脑主试
由电脑呈现实验程序,说明刺激变量,记录被试的反应,进行数据统计分析。
这就彻底消除了任何与主试有关的种种无关变量。
从实验的观点瞧,最好能抽取最具代表性的样本,再实验前以随机分配的手段,产生实验组与控制组,使其在各方面都相等,即每组组内被试的生理、心理特性都相等。
但就是,这不过就是一种理想,实际上就是不可能完全做到的。
所以,我们必须发展控制被试变异的措施,以达到两个极为重要的目的:
(1)减小组间在接受实验处理前的差异;
(2)减小组内被试间的差异。
控制手段包括重复测验、匹配、随机等方法,在后面讲到的实验设计就就是这些方法的具体体现。