二、心理实验研究中的变量及其测控

Question 1

举例说明操作定义对心理学研究的重要性✩✩

Answer 1

操作定义是采用 可观察、可测量、可操作 的 具体行为、特征或指标 对变量进行描述，如将疲劳定义为连续工作的时长，将感觉阈限定义为有 50%的实验次数能引起反应的刺激值。

🔺明确了变量的内涵，也指出了变量的 操纵、观测和控制的方法 ，使研究结果具有可验证性和可比性，使心理学研究符合科学研究要求。

▪️变量是指在数量上或质量上可变的事物的属性，为了满足实验法对实验条件的控制，需要对变量进行严格的规定和精确的描述。 

Question 2

什么是自变量混淆？如何克服自变量混淆？✩✩

Answer 2

▫️自变量混淆是指由于对实验条件控制不充分或不严格，使研究者关心的自变量与另一个或多个额外变量(潜在的自变量)伴随发生，共同造成因变量变化的现象。此时研究者无法确定因变量的变化是自变量导致的还是额外变量导致的。
▫️可以采取排除法、恒定法、匹配法、 随机化法、抵消平衡法和统计控制法等防止自变量混淆。

Question 3

简述自变量的种类及其操纵方式✩✩✩

Answer 3

自变量是实验者所操纵的、对被试的反应产生影响的变量。

1. 自变量的分类
   ❶作业变量：实验中被试的任务或实验中所呈现的、与被试任务有关的某种刺激。
   ❷环境变量：被试进行某种作业时的环境特征，如时间、实验室的照明情况或噪音强度。
   ❸被试变量：包括被试特点(如性别、职业等)和暂时造成的被试差别(如情绪)。
2. 对自变量的操纵
   ❶建立合适的操作定义→ ❷确定自变量的各个水平→ ❸校准实验仪器：实验仪器是否灵敏是获得可靠数据的保证。 → ❹控制刺激的呈现方式：包括刺激呈现的顺序、时间、空间位置等。

Question 4

简述因变量的类别及其观测方法✩✩✩

Answer 4

因变量是操纵自变量的变化而引起的被试某种特定反应的变化。

1. 因变量的种类
   ❶客观指标：如反应速度(反应时等)、反应速度的差异、反应的正确率、反应标准(似然比 β 等)、反应的难度和强度、眼动指标(注视时间、注视次数等)、脑电与脑成像指标。
   ❷主观指标：被试口语记录(口头报告)的结果。
2. 对因变量的观测
   ❶反应控制：通过指导语实现的，因此要保证指导语内容确定、完全、简单明确以及标准化。
   ❷选择恰当因变量指标：满足有效性、客观性、数量化、可靠性和灵敏度等标准。
   ❸避免量程限制
   ❹把握反应指标的平衡

Question 5

简述额外变量的来源✩✩✩

Answer 5

额外变量是与实验目的无关但能对被试反应有一定影响的变量。

1. 主试方面：主试在实验中可能以某种方式有意无意地影响被试，使他们的反应符合主试的期望，被称为实验者效应，常见的实验者效应有罗森塔尔效应。
2. 被试方面：被试在实验中会自发地对实验目的产生猜想，然后再以一种自以为能满足这一猜想的方式进行实验，被称为要求特征，要求特征的典型例子有霍桑实验和安慰剂效应。
3. 实验设计方面：包括设计方法的选择、被试的选择与分派、被试反应的测量、实验的安排与顺序。
4. 环境方面：包括实验环境以及实验过程中的意外事件。
5. 数据处理：数据处理和数据分类不当、评价标准不统一、统计方法错误等。

1. 实验者效应，期望效应、罗森塔尔效应、皮格马利翁效应、毕马龙效应。
2. 要求特征
❶霍桑效应：是指实验处理所产生的气氛效应，它独立于实验处理本身所产生的效应。当被试组知道自己接受实验处理之后，会改变自己的日常行为。
❷安慰剂效应：反映的是被试在实验中出现的预期心理。对实验目的进行猜测以调整自己心理或行为方式，对实验处理的真正效果产生影响。采用建立对照组也接受虚假的实验处理进行控制。
❸约翰·亨利效应：被试行为会由于竞争而出现补偿效应，往往表现出超出原有水平的现象。
3. 顺序效应：往往发生在被试接受两个或两个以上的实验处理时，它反映了有机体由于受到经验的影响而发生的变化。

Question 6

简述额外变量的控制方法✩✩✩

Answer 6

1. 消除/排除法：把额外变量从实验中排除，包括 直接排除法 (如进入隔音室以消除噪音的影响)和 双盲控制法 (即让实验的操作者和实验被试都不知道实验的内容和目的，从而避免了主、被试双方因为主观期望所引发的额外变量)。
2. 恒定法：使额外变量在实验中保持恒定不变，如实验组和控制组噪音水平一致。
3. 等组匹配法：使实验组和控制组中的被试属性相等(即各组同质)。具体做法为，首先测量所有被试身上与实验任务呈高相关的属性，然后根据测得结果将被试分成属性相等的实验组和控制组。
4. 随机化法：把被试随机地分派到各处理组中去的技术，随机化法在理论上是控制额外变量的最佳方法。其逻辑是如果总体中的任一成员都有同等机会被抽取到任一处理组，那么可以期望随机分派形成的各处理组的各种条件和机会是均等的，也即在额外变量上做到了匹配。
5. 抵消平衡法：采用某些综合平衡的方法，使额外变量的效果互相抵消，达到控制额外 变量的目的。常见的抵消平衡法有 ABBA 法和拉丁方设计。
6. 统计控制法：在实验完成后通过一定的统计技术来事后避免实验中额外变量的干扰， 主要用于实验前难以完全控制额外变量影响的情况，主要有 协方差分析、剔除极端数据 等。