控制无关变量的主要方法
请简述控制教育实验研究中无关变量的方法。
请简述控制教育实验研究中无关变量的方法。
无关变量的控制，也称为内部一致性的控制，就是将影响实验结果的变量尽可能的减少到最低限度，从而使实验结果尽可能真实地反映实际情况。
1、控制教育实验中无关变量的必要性教育实验研究中的无关变量是指与被试所处的条件不相同或不完全相同的那些因素。
教育实验的目的之一是探索因果关系。
如果无关变量太多，会导致结论不可靠，即假说不能成立。
教育实验研究中出现无关变量，往往是由于实验设计本身所固有的缺陷造成的，如样本不够大、不能控制误差等。
2、控制教育实验中无关变量的方法在教育实验中为了排除无关变量对实验结果的影响，应注意采用以下几种方法：3、控制教育实验中无关变量的方法在教育实验中为了排除无关变量对实验结果的影响，应注意采用以下几种方法：①采用随机分组法：将被试按照随机原则均匀分配到各个组别之中，这样既可避免任意的抽样对结果的影响，又可使每组人数接近，便于比较和进行统计分析；②采用方差分析：将每组人数作为因变量，将年龄、性别、体重、智力测验分数及测验成绩作为自变量，设计相应的两因素、多因素实验，通过分析，消除无关变量对实验结果的影响；③采用交叉分组法：交叉分组是将两个或更多组中的某些特征值相似的被试交叉分配到一起，以此来排除外界因素对实验结果的影响；④采用实验前控制：在实验前做好实验前的各项准备工作，包括对被试进行测验，保证实验的顺利进行；⑤实验后控制：在实验后对实验过程进行观察，进行调查访问，并据此对实验结果加以修正。
4、教育实验中无关变量的确定无关变量的确定，主要考虑的因素有：教育情境与教学情境、内容与教材、被试水平等方面的因素。
5、控制教育实验中无关变量的基本要求在教育实验中还应注意事先把好变量的选择关，只有在取得了多方面的可靠信息后，才能开始操作；开展教育实验时，被试人数应适当，当发生偶然性事故和其他意外情况时，也应考虑在内；各项准备工作都应该在充分和完善的情况下才能进行，切忌匆忙和草率。
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。
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
控制无关变量的方法定义：所谓无关变量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，是决定实验结果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，就应该使实验的其他条件保持恒定，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和自变量以及无关变量之间的关系，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,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是一样的。
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。
无关变量的控制方法
无关变量的控制方法无关变量的控制方法是在研究或实验设计过程中，根据实际需要排除或削减对研究结果产生影响的因素，从而提高研究的准确性和可靠性。
在数据分析中，无关变量也被称为混杂变量或干扰变量，它们可能干扰了自变量和因变量之间的真实关系。
下面将介绍几种常用的无关变量控制方法。
1. 随机分组：在实验设计中，采用随机分组的方法进行处理分组，可以降低无关变量在不同处理组之间的差异性。
随机分组可以确保样本在各处理组中具有相似的分布特征，从而最大程度地减少无关变量对因变量的干扰。
2. 配对设计：配对设计是一种常用的无关变量控制方法，它通过将实验对象分为相近的对子，使每个对子之间的无关变量尽可能保持相同。
在配对设计中，对子中的一个实验对象接受一种处理，而另一个实验对象接受另一种处理或作为对照组，以此来消除对结果的干扰。
3. 协变量分析：协变量分析是一种回归分析方法，用来控制无关变量对因变量的影响。
在分析时，将无关变量作为协变量引入回归模型中，通过调整协变量的影响，得到自变量和因变量之间的真实关系。
协变量分析常用于实验设计中，尤其是对研究对象间差异较大的控制研究。
4. 设计嵌套：当实验设计中存在空间、时间等层次结构时，可以采用设计嵌套的方法来控制无关变量。
设计嵌套是指在一种设计中，将多个实验单位或观测单元嵌套在其他实验单位或观测单元之内，以消除无关变量的干扰。
5. 多元方差分析：多元方差分析方法可以同时考虑多个无关变量对因变量的影响，进而精确估计自变量和因变量之间的关系。
在实验设计中，通过多元方差分析可以更准确地控制和分析无关变量的效应，提高结果的可靠性。
6. 采用统计调整方法：在数据分析过程中，可以通过统计调整方法来控制和消除无关变量的影响。
常用的统计调整方法包括倾向评分匹配、反事实框架、倒位权重等，这些方法通过调整实验组和对照组之间的无关变量分布来减少干扰，从而得到更可靠的结果。
总结起来，无关变量控制方法包括随机分组、配对设计、协变量分析、设计嵌套、多元方差分析和统计调整方法。
无关变量的控制
无关变量：又称干扰变量，是指除自变量以外，一切可能
影响因变量、因而对实验可能起干扰作用的变量。
它与具体实验目的无关，与实验所要检验的、被表述为假
设的因果关系无关；但对结果可能产生影响，干扰研究者
对自变量的操纵和对因变量的观测，干扰实验研究本身的 效果。
无关变量的控制
消除：法使无关变量从实验中消失。可以消除物理因素，
的这种积极效应称为霍桑效应。
期望效应又叫“皮格马利翁效应”也叫“罗森塔尔效应”。 美国哈佛大学教授罗森塔尔等人为首的许多心理学家进行一
系列研究，实验证明，学生的智力发展与老师对其期待程度
成正比关系。
时序效应：当实验变量是两个或者两个以上时，两个变量处 理的前后顺序不同，其结果也可能不同，因而造成对实验效 果的影响。
但紧张等无法消除；且过于采用消除法会使实验情境失去
自然性、现实性。
平衡：使无关变量对各组的影响相同。 抵消：在实验设计时，使实验组与对照组彼此相等（避免 时序效应）。
统计控制：在进行实验结果分析时，通过统计学方法来消 除无关变量的影响。
盲试（盲法）：盲法控制就是在实验中，不让被试知道自
己在参与试验，使实验在比较真实、自然的情境下进行。
单盲（避免被试知道）、双盲（避免所有参与者知道） 单盲法——避免霍桑效应 双盲法——避免期望效应
霍桑效应：1924年，两位研究人员在美国芝加哥西方电力
公司霍桑（Hawthorne）工厂进行一项实验研究，目的是确
定照明条件对劳动生产效率的影响。然而，不论照明条件 是否改变，实验班组的产量都明显提高。经过研究发现， 产量的提高是因为参加实验的工人们感受到厂方对他们的 关心和重视而加强了劳动纪律的结果。后来人们将实验组
控制无关变量的方法
控制无关变量的方法在日常生活和工作中，我们经常会遇到各种无关变量的干扰，这些干扰会影响我们的判断和决策。
控制无关变量是一种重要的思维方法，它能够帮助我们更好地分析和解决问题。
本文将介绍几种常用的控制无关变量的方法，帮助读者提高问题分析和解决能力。
我们可以通过建立实验组和对照组来控制无关变量。
在实验过程中，我们可以将实验对象分为实验组和对照组，实验组接受某种特定的处理或操作，而对照组则不接受处理或操作。
通过对比两组的结果，我们可以排除一部分无关变量的干扰，更准确地评估处理或操作的效果。
我们可以通过随机化来控制无关变量。
随机化是一种常用的实验设计方法，通过随机分配实验对象到不同的处理组中，可以使各种无关变量在各组之间均匀分布，减少其对研究结果的干扰。
同时，我们还可以通过随机选择样本或实验时间等方式来进一步降低无关变量的干扰。
我们可以通过控制外部环境来控制无关变量。
外部环境的变化往往会对观察结果产生影响，因此我们可以通过控制外部环境的变化来减少无关变量的干扰。
例如，在研究某种药物的疗效时，我们可以在相同的实验室条件下进行，避免温度、湿度等因素对结果的影响。
我们还可以通过统计方法来控制无关变量。
统计方法可以帮助我们识别和分析无关变量的影响，从而准确评估主要变量的效果。
例如，我们可以使用方差分析、回归分析等方法来控制和分析无关变量的影响，确保我们得出的结论是可靠和准确的。
我们还可以通过设计和使用问卷调查等方法来控制无关变量。
问卷调查可以帮助我们了解和收集大量的数据，通过合理设计问卷和选择样本，我们可以控制和排除一些无关变量的干扰。
同时，我们还可以通过数据分析和统计处理来进一步验证和确认结果的可靠性。
控制无关变量是一种重要的思维方法，可以帮助我们更好地分析和解决问题。
通过建立实验组和对照组、随机化、控制外部环境、使用统计方法和问卷调查等方式，我们可以有效地控制无关变量的干扰，提高问题分析和解决的准确性和可靠性。
控制无关变量的方法
控制无关变量的方法在实验或研究中，控制无关变量是非常重要的，因为它们可能会对我们的结果产生影响，从而导致结果的误解。
因此，我们需要采取一些措施来控制或减少无关变量的影响。
下面我将详细介绍一些控制无关变量的方法。
1. 随机分配随机分配是控制无关变量的一种常用方法。
通过随机分配实验对象或样本，可以将无关变量在实验组和对照组中均匀分布，从而减少无关变量对实验结果的影响。
例如，在医学研究中，可以通过随机分配的方式将受试者分为实验组和对照组，以控制可能影响结果的无关变量。
2. 匹配设计匹配设计是另一种常用的控制无关变量的方法。
在匹配设计中，研究者会根据一些关键变量（如年龄、性别、健康状况等）将实验对象或样本进行匹配，使得实验组和对照组在这些关键变量上具有相似性，从而减少无关变量的影响。
3. 控制变量法控制变量法是在实验中控制无关变量的一种常见方法。
在控制变量法中，研究者会尽量保持其他条件不变，只改变一个或少数几个变量，以便更清晰地观察变化的因果关系。
例如，在实验中控制温度、湿度等环境因素，或者控制个体特征、心理因素等个体因素。
4. 采用实验设计采用科学合理的实验设计也是控制无关变量的方法之一。
合理的实验设计可以更好地减少无关变量的影响，如完全随机设计、区组设计、双盲试验等。
此外，还有其他一些方法可以用来控制无关变量的影响。
例如，采用双盲测试可以减少实验者和受试者的主观偏见；在数据分析中使用统计学方法，如方差分析、协方差分析等，可以减少无关变量的影响。
需要指出的是，尽管我们可以采取各种方法来控制无关变量的影响，但在实际研究中很难完全排除无关变量的影响。
因此，在研究中应该尽量注意并控制无关变量，并在结果解释中对无关变量的影响做出合理的说明。
总之，控制无关变量是实验和研究中非常重要的一环。
只有有效地控制无关变量，我们的实验结果才能更加可靠和准确。
因此，研究者需要结合具体情况，合理选择和采用各种控制无关变量的方法。
简述控制教育实验研究中无关变量的方法
简述控制教育实验研究中无关变量的方法一、控制无关变量的方法控制无关变量的方法有：实验设计与实施阶段的控制无关变量法。
实验组与对照组实验条件和被试的选择阶段的控制无关变量法。
实验组与自变量其他条件和被试的交互作用的控制无关变量法。
二、不可控制的无关变量实验控制阶段的控制无关变量法，实验组与对照组之间条件与被试的交互作用;实验条件的变异性;实验测量的复杂程度;实验研究的环境干扰因素等都属于不可控制的无关变量。
而主要由研究者根据研究目的确定无关变量的范围及其数量，并在实施实验研究过程中加以控制的方法就是实验设计与实施阶段的控制无关变量法。
实验设计的基本原则：排除无关变量法。
如排除某些无关变量的影响来确保被试内部变量的准确反映的方法。
如设置了自变量外还必须注意被试之间和被试与实验因素之间的相互作用。
如在自变量的选择时应特别注意把实验组与自变量其他条件和被试的交互作用排除出去。
随机化是控制无关变量的一种常用方法。
具体说就是把处于同一条件下的被试集合成一个组，使它们接受同样强度的干预。
分为前后两种情况：先在前面进行实验，然后在后面进行实验。
实验前后，被试之间没有交互作用。
实验前，自变量各条件和被试之间都有交互作用。
实验前，自变量各条件和被试之间的交互作用和实验因素都可能改变，这叫“自变量效应”或“实验因素效应”。
实验结果分析阶段的控制无关变量法，选择正确的无关变量统计分析方法是提高结果质量的关键。
一般来说，在实验方案设计阶段选择好控制无关变量的途径与方法，才能保证实验结果的真实性，减少实验误差。
第三节教育实验中无关变量的处理， 1、生态学因素：自然环境状况、自然灾害、人类活动对生态系统的影响。
2、社会文化环境：社会制度、风俗习惯、人口迁移、工业发展状况、科技发展水平、居民收入、消费水平、家庭职业结构、文化教育、宗教信仰、道德观念、语言使用、地理位置等等。
3、个人因素：实验者本身的智力、体力、心理特点、年龄特征、知识水平、专业能力、训练经历、文化水平、身体状况等等。
控制无关变量的方法
控制无关变量的方法无关变量是指在研究或实验中对结果没有影响的变量。
在科学研究中，控制无关变量是十分重要的，因为它可以确保我们获得准确且可靠的结果。
下面将介绍一些控制无关变量的方法。
1. 随机分组：在实验研究中，随机分组是一种常用的方法。
通过随机分组，可以将研究对象随机分为不同的组别，确保每个组别中的无关变量分布均匀。
这样可以降低无关变量对结果的影响。
2. 控制变量法：在实验设计中，控制变量法是一种常见的方法。
通过控制其中一个或多个无关变量的数值，我们可以确保这些变量对结果的影响保持不变。
例如，在研究药物疗效时，可以将患者的年龄、性别等无关变量控制在相同的范围内，以确保结果的可比性。
3. 使用对照组：在实验研究中，使用对照组是一种常用的方法。
对照组是指接受相同条件下没有干预的群体。
通过与实验组进行比较，我们可以排除无关变量对结果的影响。
4. 多元回归分析：在统计分析中，多元回归分析是一种常用的方法。
通过建立数学模型，我们可以将结果与多个无关变量进行回归分析，从而确定它们对结果的影响程度。
通过控制无关变量的影响，我们可以获得更准确的结果。
5. 增加样本量：在实验研究中，增加样本量是一种有效的方法。
通过增加样本量，我们可以增加结果的稳定性，并降低无关变量的影响。
较大的样本量可以更好地反映总体的特征，从而提高研究的可靠性。
6. 重复实验：在实验研究中，重复实验是一种重要的方法。
通过多次重复实验，我们可以排除随机因素的影响，并验证实验结果的可靠性。
重复实验可以降低无关变量的影响，提高研究的可信度。
7. 注意实验环境：在实验研究中，实验环境是一个重要的因素。
为了控制无关变量的影响，我们需要确保实验环境的一致性。
例如，实验室的温度、湿度等因素应保持稳定，以避免对结果的影响。
8. 注意实验操作：在实验研究中，实验操作是一个关键的因素。
为了控制无关变量的影响，我们需要确保实验操作的一致性。
例如，在对待测试组和对照组施加不同干预时，我们需要确保操作的一致性，以避免无关变量的干扰。
控制无关变量的方法
控制无关变量的方法定义：所谓无关变量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，是决定实验结果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，就应该使实验的其他条件保持恒定，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和自变量以及无关变量之间的关系，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：AHA12GAGGAGAGGAFFFFAFAF（1）消除法控制无关变量最完美的办法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。
AHA12GAGGAGAGGAFFFFAFAF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，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。
教育实验研究中控制无关变量的方法
题目
如何对教育实验研究中的无关变量进行控制?
答题解析
一般有三种方法：1、对部分被试变量及暂时被试变量的控制方法：被试变量是指外界条件一致的情况下,被试间不同程度的持续性特征.例如年龄、性别、民族、文化及其他较为稳定的个体差异；暂时的被试变量是指非持续性的被试机能状态,例如疲劳、兴奋水平、诱因等等.对这种无关变量的控制一般采用以下方法,包括用指导语控制,主试对被试者的态度应予规范化,双盲实验法,控制被试者的个体差异和实验组、控制组法.2、对环境变量及部分被试变量的控制方法：主要指不作为自变量的环境方面的因素,实验执行中所产生的无关变异因素,及部分被试变量或暂时被试变量因素.控制方法主要包括以下几种：（1）操作控制的方法,主要指主试着的具体操作,排除一些变异因素对所研究问题的影响,有两个方面即无关变量的消除和无关变量的保持恒定；（2）设计控制的方法,即通过实验设计,控制实验结果中可能混进的无关变量效果,包括无关变量效果的平衡（将被试分为两个无关变量相等的组：控制组和实验组）,无关变量效果的抵消（令该组内每个被试分别接受两个或两个以上的实验处理,包括完全被试内设计和不完全被试内设计）和随机化法、配对法.（3）统计控制的方法,包括无关变量的纳入和统计控制.。
控制无关变量的操作方法
控制无关变量的操作方法控制无关变量的操作方法是指在实际问题中，通过一定的手段和方法来排除或减少无关变量对实验结果或研究结论的影响。
无关变量是指在实验或研究过程中与所要研究的现象或变量无直接关系，但可能对结果产生误差或干扰的因素。
在科学研究和实验设计中，控制无关变量是非常重要的，因为它能够提高实验结果的准确性、可靠性和可重复性。
那么如何控制无关变量呢？下面我将从实验设计、统计分析和实施控制等方面进行阐述。
首先，在实验设计阶段，可以通过以下几个步骤来控制无关变量：1.明确研究目的和问题：在设计实验之前，首先要明确研究的目的和问题是什么，明确所要研究的目标变量，以及与之相关的无关变量。
2.选择适当的实验设计：根据研究目的和问题选择适当的实验设计，常见的实验设计包括完全随机设计、区组设计、配对设计等。
在实验设计中，可以通过分组、配对、平衡等方式来控制无关变量。
3.随机化处理：在实验实施过程中，可以通过随机化处理来控制无关变量的影响。
随机化处理可以保证无关因素（如个体间差异）对各组的影响平均化，从而减少无关变量对实验结果的干扰。
其次，在统计分析阶段，可以通过以下几个方法来控制无关变量：1.多元回归分析：在统计分析中，可以使用多元回归分析来控制无关变量的影响。
多元回归分析可以通过建立模型，将研究目标变量与无关变量进行回归，从而控制无关变量对目标变量的影响。
2.方差分析：方差分析是一种常用的统计方法，可以通过比较组间差异和组内差异，来评估无关变量对目标变量的影响。
在方差分析中，可以将无关变量作为一个因子进行分析，从而控制其对目标变量的影响。
3.协变量分析：协变量分析是一种控制变量的方法，可以通过将无关变量作为协变量引入模型中，来控制其对目标变量的影响。
协变量分析可以提高实验结果的准确性和可靠性。
最后，在实施控制阶段，可以采取以下几个步骤来控制无关变量：1.严格控制实验条件：在实施实验过程中，要尽量控制各种实验条件的一致性，包括温度、湿度、光照等。
控制无关变量的方法
控制无关变量的方法1.随机分组：在实验设计中，随机分组是一种常用的方法，可以将被试随机分配到不同的处理组或对照组中。
这样做可以降低无关变量对实验结果的干扰，使得各组之间的差异主要由于处理的不同而引起。
2. 均衡设计：均衡设计是指在实验设计中，在各个处理条件下对于与研究目的无关的因素进行平衡调整。
比如，在一个两因素实验中，可以采用Latin square设计，让不同组合条件下出现的无关变量的影响尽可能均衡。
3.保持环境一致：为了控制无关变量，实验条件应尽可能保持一致。
比如，在实验室内进行实验时，控制温度、湿度、光照等因素保持恒定，确保实验条件的一致性。
4.控制测量工具：在进行实验时，选择合适的测量工具并对其进行校准，确保测量结果的准确性。
同时，避免使用不准确或不可靠的测量工具，以减少无关变量的影响。
5.适当样本规模：样本规模的选择对于控制无关变量也是很关键的。
一个较大的样本规模可以提高实验结果的稳定性和可靠性，减少无关变量对结果的干扰。
6.多重实验重复：通过多次重复实验，可以降低实验数据的随机误差，这样无关变量的影响可以被平均化，从而提高实验结果的可信度。
7.使用对照组：在实验设计中设置对照组是一种常用的控制无关变量的方法。
对照组与处理组在除了被测试因素外的其他方面是相同的，这样可以更好地判断被测试因素对结果的影响。
8.结果重复验证：重复验证是一种常用的方法，可通过多次独立的实验对结果进行验证。
如果多个实验都得出相似的结论，就可以排除掉无关变量的干扰，增加对实验结果的信任。
总的来说，控制无关变量的方法是多种多样的，可以通过随机分组、均衡设计、保持环境一致、控制测量工具、适当样本规模、多重实验重复、使用对照组、结果重复验证等方法来保证实验结果的有效性和可靠性。
当我们成功地控制无关变量时，就能够更好地分析实验结果，从而做出更准确和可靠的结论。
论述控制无关变量的方法
论述控制无关变量的方法控制无关变量是研究或实验设计中非常重要的一部分。
本文将讨论控制无关变量的概念、目的和方法。
什么是无关变量？在研究或实验设计中，除了研究或实验所关心的主要变量之外，还有许多其他因素，这些因素可能会影响到研究或实验结果。
这些因素被称为无关变量。
无关变量干扰了主要变量与因果关系的确定性。
例如，在研究维生素C对感冒预防的效果时，除了维生素C摄入之外，还有可能有其他因素影响了感冒预防，例如饮食习惯、运动状况、遗传因素等等。
如果这些因素没有被控制，就不能够确切地确定维生素C与感冒预防的因果关系。
控制无关变量的目的是减少因无关变量的影响而导致的误差。
通过控制无关变量，我们可以尽可能保证研究或实验结果的准确性和可重复性。
1.读研究文献，寻找可能的无关变量在设计研究或实验之前，需要仔细查阅已有的研究文献，以确定可能存在的无关变量。
这些文献包括相关实验或调查的论文、相关书籍或研究报告等。
2.使用随机分配方法随机分配方法可以降低无关变量的影响。
在实验的开始时，可以随机分配参与者到不同组别，以确保组别之间的无关变量的分布是均匀的。
3.使用封闭试验封闭试验是将参与者与实验者隔离开来的实验方法。
参与者不知道自己所接受的治疗或条件，实验者也不知道它们处理哪个组。
这样做可以降低无关变量的影响，并且大大提高研究或实验结果的准确性。
4.使用一组恒定条件在一组恒定条件下进行研究或实验是控制无关变量的一种方法。
这些条件可以使参与者在实验过程中的情况保持不变，包括环境、时间、物质等。
5.在研究或实验期间收集数据在研究或实验期间了解无关变量的影响，并且随时记录这些变量的变化。
这有助于我们确定无关变量是否会影响研究或实验结果，以及确定是否需要调整研究或实验设计。
总之，控制无关变量是确保研究或实验结果的准确性和可重复性的重要方式。
我们需要明确可能存在的无关变量，并采取相关措施来降低它们的影响。
控制无关变量的方法可以是随机分配、使用封闭试验、使用一组恒定条件、在研究或实验期间收集数据等。
控制无关变量的方法
掌握无关变量的办法界说：所谓无关变量是指在试验进程中除自变量之外任何能对因变量产生影响的变量,包含个别表里情形所产生的各种刺激.机体反响变量.因为这些变量与试验的宗旨无关,所以统称为无关变量（Extraneous variables）因为因变量的变更,不单受到自变量的影响,也受到无关变量的影响,所以若何有用地掌握无关变量,是决议试验成果是否确切靠得住的一个极为重要的身分.是以,在一次试验中,当我们肯定了自变量与因变量今后,就应当使试验的其他前提保持恒定,只有如许,试验中的因果关系才干得到明白的解释,所以,无关变量就是在试验中应当加以掌握的变量,是以又称为掌握变量.假如以数学方程式来暗示因变量和自变量以及无关变量之间的关系,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)办法：（1）清除法掌握无关变量最完善的办法就是简略地把它们从试验情形中清除.此法多实用于一些物理刺激身分的掌握,例如,噪音,光线,等.有一些无关变量,如试验的时光,试验的仪器,试验的主试,被试的年纪,性别,教导程度,不克不及简略地加以清除,那么就要有别的的办法来加以掌握.（2）恒常法对于不克不及清除的变量,我们可以使它在全部试验中保持恒定,即所有的被试都接收雷同的无关变量,这种掌握办法称为恒常法.因为这些无关变量在试验中都保持恒常,它们对接收自变量不合程度的每个被试,所能产生的影响都是一致的,所以不会影响经由过程自变量不合程度对因变量所造成的变更差别.对于一些被试变量,试验前提,可以采取此种办法.例一,试验的时光安插在上午,可能会比下昼的试验有更好的成果,是以我们可以经由过程将试验都安插在上午来清除时光这一身分可能产生的影响（3）均衡法这种掌握办法的目标,是让无关变量产生的感化在所有的试验组及掌握组的后果都保持均衡.也就是说,每一组都受到这些无关变量变更的感化,但它们感化的大小在各组都是一样的.例二：均衡各组“性别”变量的感化.二十名被试,十二个男性,八个女性.分成两组进行试验.假设被试的性别可能会对因变量产生感化,所以,须要掌握这个无关变量.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,如许,在每一组内性别都有变更,这种变更有可能对因变量产生影响,但是因为性别身分对两个组的影响效应都是一样的,是以这种感化就被均衡了.留意：均衡与恒常掌握手腕不合.采取恒常法,无关变量在组内以及组间皆无变更;采取均衡掌握手腕时,无关变量在组内是有变更的,但是变更所产生的感化在各组之间是相等的.假如研讨者无法指认有些可能起感化的无关变量,可以采取恰当的掌握组,以达到均衡掌握的目标.试验者对试验组以及掌握组,除了自变量的处理不合之外,对其他都一律一致地处理.如斯,试验组和掌握组在因变量上产生的差别都可以归诸于自变量不合所产生的感化.例三：研讨接收持枪稳固性练习对射击精确性的感化.试验组被试在接收练习之前先射击50发,之落后行练习,再磨练50发.成果如下表：是否可以以为练习导致了成绩的进步？该试验可能有其他身分：先射的50发;两周的时光距离;或者其他一些可能无法懂得的身分.为了清除其他身分的影响,必须采取掌握无关变量的均衡手腕.设计各种掌握组来达到清除无关变量的影响.例如,为了清除时光和演习这两个重要无关变量的影响,我们可以设计两个掌握组.例四：试验组和掌握一组：假如X明显小于24,以为练习有用.假如X不明显小于24,则练习无效.掌握一和掌握二组：假如X明显大于Y,解释演习有后果,假如无差别,解释演习其实不起感化.（4）抵消均衡法有些试验研讨,被试须要在各类不合的试验前提下接收反复磨练.在这种反复测量的设计（Repeated measurement design）中,被试会受到接收反复测量所产生的影响.这些混杂身分并不是出如今测量之前,而是产生在反复测量的进程中.对此我们可以采取抵消均衡（counter-balancing）或交叉均衡的手腕来掌握这类混杂变量.这种掌握手腕重要用来均衡一组被试反复接收自变量各类程度的先后次序所产生的无关影响.例五：研讨对红绿两种色光的反响时是否长短不一的问题.未抵消的设计：让一组被试先接收10次红光刺激,再接收10次绿光刺激.得到对红光反响快,可否得出结论以为被试对红光反响快？设计问题：试验刺激的先后次序是一个潜在的无关变量.抵消的设计：一半被试先接收红,再接收绿;而另一半被试相反,先接收绿,再接收红.留意：抵消均衡与均衡的差别：抵消均衡用于反复测量的试验设计,均衡用于被试只接收一次测量的设计.（5）随机化法随机化（Randomization）掌握重要用于两种情形：a.研讨者已经知道某种无关变量能在试验进程中产生感化,但不合适应用上述的具体掌握办法;b.无法肯定起感化的无关变量,所以也就不克不及肯定采取其他的掌握手腕.在此情形下,我们就要预先采纳措施,使无关变量的感化随机化.无论无关变量产生什么样的感化,它对所有试验以及掌握组的影响都可以假设为是相等的.随机化掌握的假设：假如我们从总体中应用随机抽样的手腕抽取被试,然后又用随机的办法将被试分为试验以及掌握两组.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各种特征;第二,每组样本的各类特征,包含无关变量在内,都是相等的.试验.掌握两组在试验中,除接收的自变量处理不合之外,其他一切可以或许影响因变量的已知或未知的无关身分都可以假定是相等的.（6）体系变更法在实际生涯中,有时自变量与一些研讨中的无关变量关系相当亲密.当这类无关变量的程度多于一个时,为了肯定自变量和无关变量各自的后果,可以用无关变量的体系变更来掌握此无关变量.例如：在一项关于“对测验焦炙的高三学生实行心理干涉对学生进修成绩的影响研讨”中,但进修成绩平日与学生的智力程度相干,是以学生的智力程度成为此项研讨中的无关变量,为了使其不至于混杂自变量的后果,我们可以采纳对其进行体系变更的步调：起首用特定的智力气表来测量被试的智力程度;其次,依据低.中.高智力程度把被试加以分类;第三,把每类被试中的一半分到试验组,另一半分到掌握组.该项研讨设计如下图所示：（7）掌握被试在心理学试验中,研讨者或主试本身也是无关变量,可以或许对试验的成果产生影响.主试的种族.性别.年纪.身份.地位.焦炙.友善.立场等都可能对被试的反响产生影响.并且,这种影响不但仅局限于对人类被试.例如：R.Rosenthal曾指派研讨助理进行白鼠进修迷津的研讨.他事先告知研讨助理,一组白鼠是愚蠢白鼠的子女(g1),另一组是愚蠢白鼠的子女(g2),而第三组则没有祖先是否愚蠢或愚蠢的信息(g3).试验的成果发明,g1要比g3成绩好,g2最差.而实际上,这三组白鼠都是从统一总体中随机抽取的样本,是以这种差别是因为主试主不雅等待的影响.1、盲目试验平日,试验者对接收自变量处理的试验组是比较关心的,所以不免特殊留意被试的行动反响,从而影响了试验的真实成果.这种误差在进行药物试验时,更为明显.但我们可以采取隐藏手腕,掌握试验者的误差或等待,这种办法称为盲目掌握（Blind-control）.假如磨练药物后果的被试对象为人类,施加药物的种类.程度,以及毫无药物感化的安慰剂都以暗码替代,主试者以及被试两边都不知道药物处理的本相,也就无法产生预期感化.这种掌握办法,称之为双盲掌握（Double blind-control）.假如被试是动物,则只对主试者一方隐瞒,称为单盲掌握（Single-blind-control）.2、多主试掌握采取数名主试,进行统一试验研讨,是又一种掌握主试念头或等待所产生影响的办法.留意：研讨者必须对试验.收集数据的程序有预先的妥当安插,不克不及简略的采取一位主试收集试验数据,另一名主试接替轮换的办法.而是要采取均衡的掌握手腕,使每一位主试都从各试验.掌握组收集雷同数量被试的试验数据.再则,剖析试验数据时,必须先单独剖析每一位主试收集试验的数据,并进行比较,假如无差别,则可以将数据全体归并,假如消失差别,则解释这里消失主试效应,应进一步加以细心的剖析.3、电脑主试由电脑呈现试验程序,解释刺激变量,记载被试的反响,进行数据统计剖析.这就完整清除了任何与主试有关的各种无关变量.从试验的不雅点看,最好能抽取最具代表性的样本,再试验前以随机分派的手腕,产生试验组和掌握组,使其在各方面都相等,即每组组内被试的心理.心理特征都相等.但是,这不过是一种幻想,实际上是不成能完整做到的.所以,我们必须成长掌握被试变异的措施,以达到两个极为重要的目标：（1）减小组间在接收试验处理前的差别;（2）减小组内被试间的差别.掌握手腕包含反复磨练.匹配.随机等办法,在后面讲到的试验设计就是这些办法的具体表现.。
- 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)。
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。
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。
实验研究中的因果关系
•
教师期待 →
学生表现
–含义：不同的教师期待导致不 同的学生表现（教师期待高，则 学生表现好）
–教师期待为自变量
–学生表现为因变量
实验研究中的变量
• 实验研究必须要成功地操纵自变量
–对自变量的控制、操纵，首先要确定自变量的水平， 以体现自变量的变化与差异
–要确定自变量不同的水平，首先进行分组（分成几组 就有几个水平），然后在每组进行不同的实验处理
–（5）实验重复进行。然后比较大包装组的黄油使用量和小 包装组的黄油使用量（t检验）
• 结论：
大包装组的黄油使用量显著高于小包装组的黄油 使用量，支持了研究假设。
实验研究中的因果关系
• 两个变量的关系： X → Y
–含义：Y的变化或差异是否由X的变化或差异引起？
–X为自变量，即由实验者主动操纵、掌握的因素或条件 –Y为因变量，即实验过程产生的结果或效果
• 你会选择哪一个呢？
前景理论
• 2002年，普林斯顿大学教授 Kahneman 因为“将来 自心理研究领域的综合洞察力应用在了经济学当中， 尤其是在不确定情况下的人为判断和决策方面作出 了突出贡献”摘得2002年度诺贝尔经济学奖的桂冠。 Kahneman等人开创了利用实验研究个体决策行为的 先河 • 前景理论有以下三个基本原理：（a）大多数人在 面临获得的时候是风险规避的；（b）大多数人在 面临损失的时候是风险偏爱的；（c）人们对损失 比对获得更敏感。
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。
类似的实验
• 冰淇淋实验：现在有两杯哈根达斯冰淇淋，一杯冰 淇淋A有7盎司，装在5盎司的杯子里面，看上去快 要溢出来了；另一杯冰淇淋B是8盎司，但是装在了 10盎司的杯子里，所以看上去还没装满。你愿意为 哪一份冰淇淋付更多的钱呢？
• 实验结果表明，在分别判断的情况下 ，人们愿意为 分量少的冰淇淋付更多的钱。实验表明：平均来讲， 人们愿意花2.26美元买7盎司的冰淇淋，却只愿意用 1.66美元买8盎司的冰淇淋 。 • 意义何在？
实验研究法
实验研究法，就是按照特定的研 究目的和理论假设，人为地控制或 者创设一定的条件，从而验证假设、 探讨现象之间因果关系的一种科学 研究方法。
实验研究法的特点
• 1、要以一定的理论ቤተ መጻሕፍቲ ባይዱ设为指导；
• 2、要通过人为控制和操纵，创设一定研究情境；
• 3、目的是揭示变量之间的因果关系；
• 4、它可以重复验证，其结论具有客观性。
包装大小与商品使用量关系的实验研究
• 问题：商品的包装大小是否会影响其消费量？
• 假设：更大的包装会鼓励消费者形成更大的消费量
• 任务设置：与另一个人（不知道研究目的的）研究助理 一起用黄油炸鸡
• 具体操作：
–（1）招募了98名家庭妇女为被试，告诉她们研究人员正在收集 一些产品与家庭经济有关的信息。