控制變量

變量的概念此前在相關研究法的介紹中提到過，在實驗法中，各種需要操縱、控制和測量的因素或條件都是變量。

實驗中主要涉及三種變量：自變量、因變量和控制變量，其中前二者又統稱為實驗變量。自變量就是在實驗中由實驗者操作和控制的變量。因變量是指實驗中被試對自變量操作反應的實驗反應值，即實驗者觀察和記錄的隨着自變量的變化而變化的被試行為。控制變量，亦稱額外相關變量，指實驗中除實驗變量以外的影響實驗變化和結果的潛在因素或條件。

一般來説，實驗法要求實驗變量必須是明確、客觀的。自變量必須能夠被操縱，而因變量必須能被客觀地測量。例如，記憶材料的性質就是一個很好的自變量，因為我們能夠很容易地區分出對文字、圖片、無意義字符等材料的記憶任務；而記憶保持量是一個很好的因變量，因為它能夠被精確地測量把握 ^[1]  。

在心理學實驗中，對額外變量的控制技術主要有：

1. 排除法

排除法（elimination method）是把額外變量從實驗中排除出去。例如，如果外界的噪音和光線影響實驗，最好的辦法就是進入隔音室或暗室，這樣可以把它們排除掉。 在有效消除源自實驗者效應和被試效應的額外變量的干擾方面，雙盲實驗（double-blind experiment）就是一個很好的排除法。簡單地説，雙盲控制時讓實驗的操作者和實驗被試都不知道實驗的內容和目的，由於實驗者和研究參加者都不知道哪些被試接受哪種實驗條件，從而避免了主、被試雙方因為主觀期望所引發的額外變量。從控制變量的觀點來看，排除法確實有效，但用排除法所得到的研究結果卻常常難於推廣。例如，如果顧慮主試與被試的彼此接觸會影響實驗結果，而採取用自動呈現刺激及自動記錄實驗結果的方法，那麼所得結果通常很難推廣到人們日常生活中的同類行為中 ^[1]  。

2. 恆定法

恆定法（constant method）旨在使額外變量在實驗過程中保持恆定不變。這主要體現在保持實驗條件恆定的方面。實驗時，不同試驗場所、不同實驗者以及不同的實驗時間等都是額外變量。有效的控制方法是在同一實驗室、由同一實驗者、在同一個時間對實驗組和控制組使用同樣的程序進行實驗。例如，當實驗時強度變化的噪音無法消除時，研究者通常採用噪音發生器發出恆定的噪音來加以掩蔽。另一方面，除上述實驗條件保持恆定外，實驗者和控制組被試的特性（如年齡、性別、自我強度、成就、動機）也是實驗結果發生混淆的主要根源，也應保持恆定。只有這樣，兩個組在作業上的差異才可歸於自變量的效果。用恆定法控制額外變量也有缺點：（1）實驗結果不能推廣到額外變量的其他水平上去。例如，如果只用男性成人作為被試進行實驗，其結果不能推廣到女性成人中。（2）操縱的自變量和保持恆定的額外變量可能產生交互作用。例如，如果被試是男性，實驗者是富有魅力的女性，實驗時，實驗者可能會使被試分心。這時它是使交互作用發生的額外變量 ^[1]  。

3. 匹配法

匹配法（matching method）是使實驗組和控制組中的被試屬性相等的一種方法。使用匹配法時，先要測量所有被試身上與實驗任務成高相關的屬性；然後根據測得結果將被試分成屬性相等的實驗組和控制組。例如，進行“練習對射擊效果影響”的實驗研究時，先預測一下被試打靶的成績，然後把兩個預測成績相等（擊中環數相等）的被試分別分到實驗組和控制組，進而一一匹配成條件相等的兩組被試。這種方法在理論上是可取的，但在實際操作上很難行得通。因為，如果須對一個以上的特性（或因素）進行匹配時，實驗者常感到顧此失彼，甚至無法進行。例如，實驗者要同時考慮年齡、性別、起始成績、智力等因素，力圖使所有因素均匹配成相等而編為兩組就很困難了。即使能解決此困難，也將使很多被試不能參加這個實驗。更何況，一些中介變量諸如動機、態度等，是無法找到可靠依據進行匹配的。因此，實際應用中，匹配法常常是配合其他技術共同使用的 ^[1]  。

4. 隨機化和平衡法

隨機化法（randomization）是把被試隨機地分派到各處理組中去的技術。從理論上講，隨機法是控制額外變量的最佳方法，因為如果總體中的任一成員都有同等機會被抽取到任一處理組，那麼可以期望隨機分派形成的各處理組的各種條件和機會是均等的，也即在額外變量上做到了匹配。隨機化法不會導致系統性偏差，能夠控制難以觀察的中介變量（如動機、情感、疲勞、注意等）。隨機法不僅能應用於被試，也能應用於刺激呈現和實驗順序的安排。例如，我國心理學家林仲賢 ^[2]  等（1986）在研究深度距離判斷時，每個被試都要經歷單眼觀察和雙眼觀察、正視和斜視兩類實驗條件，其中單眼又涉及到左右眼分別，斜視又涉及到左右側斜視。研究者對每個被試的實驗條件順序安排採用了隨機化法，做到了較完備的控制。在上例中，隨機化法被用於平衡實驗條件的序列效應（sequence effect），這種思想和抵消平衡法（counterbalancing method）又是相通的：採用某些綜合平衡的方法，使額外變量的效果互相抵消，達到控制額外變量的目的。常見的抵消平衡法有ABBA法和拉丁方設計法 ^[1]  。

5. 統計控制法

以上討論的情況，都是在實驗尚未正式開始前先行着手控制額外變量的方法，這類技術被稱為實驗前控制。另一種技術是實驗後控制，就是在實驗完成後通過一定的統計技術來事後避免實驗中額外變量的干擾，因而也被稱為統計控制法（statiscal control）。統計控制主要用於實驗前控制難以完全控制額外變量影響的情況下，比如：在研究幾種不同教學方法對兒童閲讀能力的幫助時，研究者通過匹配平衡，控制了兒童年齡、教師、基線閲讀能力等額外變量，卻發現無法就兒童的智商做到完全的匹配。

這時統計控制法就提供了補救辦法：實驗者可以通過協方差分析（analysis of covariance），在數據統計過程中排除智商對閲讀能力提高的效應，以達到控制的目的。

除了協方差分析以外，常用的統計控制法還包括：剔除極端數據，或分別加權等事後控制技術。如要研究學習次數對學習效果的影響，但事先未考慮到被試的智力水平對學習效果有影響，便可以在事後對智商高的被試加權較低，以消除智力的對實驗結果的污染。

但是需要牢記，統計控制是在實驗前控制難以起到完全效果時的補充手段，而不可能取代實驗前控制的重要地位。離開了嚴格完整的實驗前控制工作，再高明的統計技術也無法於事後控制所有的額外變量 ^[1]  。