Независимая переменная в психологии это: Независимая переменная — Психологос

Любой фактор, который может принимать различные значения в эксперименте, является научной переменной.

Например, в эксперименте по изучению эффективности новой программы обучения переменными могут быть:

• Итоговые баллы за тест
• Возраст учащегося
• Время, затраченное на программу обучения
• Время на выполнение итогового теста
• Пол учащегося
• Рейтинги учащегося за программу обучения эксперимент, вышеперечисленное может быть как зависимой, так и независимой переменной.

  План исследования определяет, какие переменные подлежат манипулированию, а какие измеряются в результате этого манипулирования.

  Что такое независимая переменная?

  Независимая переменная является «независимой», поскольку ее изменение не зависит от изменения другой переменной в эксперименте/исследовательском проекте. Независимая переменная контролируется или изменяется только исследователем. Этот фактор часто является исследовательским вопросом/гипотезой, лежащей в основе результатов эксперимента.

  В приведенном выше примере исследователь, возможно, хотел посмотреть, повысилось ли участие в программе обучения на итоговом тесте учащихся.

  Мини-викторина 1

  Сможете ли вы определить независимую переменную в этом эксперименте?

  1. Оценка за тест
  2. Время, потраченное на программу обучения
  3. Участие в программе обучения

  Как вы думаете, правильно? Ответ находится внизу статьи.

  Сколько независимых переменных вы тестируете?

  Часто в эксперименте тестируется не более одной или двух независимых переменных, иначе трудно определить влияние каждой из них на окончательные результаты. Зависимых переменных может быть несколько, потому что манипулирование независимой переменной может влиять на множество разных вещей.

  Например, в эксперименте по проверке воздействия определенного удобрения на рост растений можно измерить высоту, количество плодов и средний вес полученных плодов. Все это действительные поддающиеся анализу факторы, возникающие в результате манипулирования одной независимой переменной, количеством удобрений.

  Возможные сложности независимой переменной

  Термин «независимая переменная» часто вызывает путаницу; многие люди предполагают, что имя означает, что переменная не зависит от каких-либо манипуляций. Название возникает из-за того, что переменная изолирована от любого другого фактора, что позволяет экспериментальным манипуляциям получать результаты, поддающиеся анализу.

  Полезным сокращением является СУХАЯ СМЕСЬ. Это помогает вам вспомнить, какую ось построить ваши данные, если вам нужно нарисовать график:

  • D — Зависимый
  • R — Отвечая
  • Y — A -ось
  
  
  • 3 M.
  
  
  • M.
  
  
  • M. — Манипулируемая
  • I — Независимая
  • X — Ось X

  Некоторые исследовательские работы, кажется, дают результаты, манипулирующие более чем одной экспериментальной переменной, но обычно это ложное впечатление.

  Каждая управляемая переменная, вероятно, сама по себе является экспериментом, одной из областей, где слова «эксперимент» и «исследование» различаются. Исследователю просто удобнее объединить их в одну статью и обсудить общие результаты.

  Вышеупомянутый исследователь может также изучить влияние температуры или количества воды на рост, но это должно быть выполнено в виде дискретных экспериментов, а в конце будут объединены только заключение и обсуждение.

  Примеры независимой переменной

  Антирасистский эксперимент Джейн Эллиотт

  Знаменитый эксперимент учительницы третьего класса Джейн Эллиотт заключался в том, что ее класс был разделен на две группы: голубоглазые и кареглазые дети. Она предоставила голубоглазым детям дополнительные привилегии и подчеркнула, насколько они выше кареглазых, которые теперь были «группой меньшинства».

  В результате у кареглазых детей снизилась уверенность в себе, успеваемость и увеличилось количество издевательств. Однако, когда она позже назвала группу голубоглазых низшими, эти эффекты изменились на противоположные.

  Здесь независимой переменной был статус группы, т. е. находились ли дети в привилегированной группе или нет. Это имело различные наблюдаемые последствия для детей. Важно отметить, что цвет глаз детей был , а не в качестве независимой переменной здесь. Цвет глаз был выбран учителем произвольно, чтобы провести параллели с расизмом и предрассудками.

  Мини-викторина 2

  Можете ли вы определить возможную зависимую переменную в этом эксперименте?

  1. Уровень запугивания
  2. Успеваемость
  3. Уровень уверенности
  4. Все вышеперечисленное

  Как вы думаете, правильно? Ответ находится внизу статьи.

  Эксперимент с куклой Бандура Бобо

  В эксперименте с куклой Бандура Бобо независимой переменной было то, подвергались ли дети воздействию агрессивного взрослого или пассивного взрослого.

  Этот эксперимент является ярким примером того, как концепция экспериментальных переменных может стать немного сложной. Бандура также изучил различия между мальчиками и девочками, используя пол в качестве независимой переменной. Конечно, это нарушает правила использования только одной управляемой переменной!

  Фактически, это яркий пример одновременного проведения нескольких экспериментов. Если вы изучите структуру плана исследования, то увидите, что Эксперимент с куклой Бобо должен был называться «Эксперименты с куклой Бобо».

  На самом деле это было четыре эксперимента, каждый со своей гипотезой и переменными, которые проводились одновременно. Было бы дорого и, возможно, неэтично тестировать детей четыре раза, и, если бы каждый раз использовались одни и те же дети, их поведение могло измениться при повторении.

  Тщательный дизайн позволил Бандуре проверить различные гипотезы в рамках одного исследования.

  Мини-викторина 3

  Сможете ли вы определить отдельные независимые переменные в этом эксперименте? Выбери два.

  1. Наличие или отсутствие куклы Бобо
  2. Пол ролевых моделей
  3. Агрессивность ролевых моделей
  4. Количество детей

  Ответ внизу статьи.

  Мини-викторина Ответов:

  Мини-викторина 1

  Сможете ли вы определить независимую переменную в этом эксперименте?

  Вариант 3. Участие в программе обучения .

  Исследователь может манипулировать переменной, указывающей, участвовали ли учащиеся в программе или нет, а затем измерять результаты, например их баллы на финальном тесте.

  Мини-викторина 2

  Можете ли вы определить возможную зависимую переменную в этом эксперименте?

  Вариант 4. Все вышеперечисленное.

  Эксперимент измерял общее поведение детей. Но это можно было бы разбить на отдельные зависимые переменные, например успеваемость, уровень травли или уровень уверенности.

  Мини-викторина 3

  Сможете ли вы определить отдельные независимые переменные в этом эксперименте? Выбери два.

  Вариант 2 и 3. Пол ролевых моделей и агрессивность ролевых моделей.

  Бандура интересовался, будет ли ребенок подражать своему образцу для подражания, но он также хотел узнать, будет ли ребенок с большей вероятностью подражать им, если они одного пола.

  Независимая переменная – определение и примеры

  ɪndɪˈpɛndəntˈvæɹ.i.ə.bl̩
  Переменная, на которую не влияют другие переменные понять, что такое переменная. Слово « переменная » происходит от латинского variabilis , что означает « изменяемый ». Переменная — это величина или фактор, значение которого изменяется, в отличие от константы, значение которой фиксировано. В экспериментах и ​​математическом моделировании переменные помогают определить возможность причинно-следственной связи (причинно-следственной связи) между ними. Существует два вида переменных: (1) независимых переменных и (2) зависимых переменных .

  Ан независимая переменная — это переменная в функциональной связи, на значение которой не влияют другие переменные. Это отличается от зависимой переменной , на которую влияют другие переменные. Что является независимой переменной в эксперименте? Значение независимой переменной в эксперименте — это переменная, которой нужно манипулировать и наблюдать. Например, в психологическом эксперименте с независимыми переменными это относится к фактору, влияющему на значение переменной, которая от него зависит.

  Определение:
  В науке независимая переменная относится к переменной в функциональной связи, в которой значение является независимым. Синонимы: независимая переменная; переменная воздействия; входная переменная; Управляющая переменная; предикторная переменная; фактор риска; регрессор.

  Давайте посмотрим на этот пример сценария: был проведен эксперимент, чтобы проверить, эффективна ли недавно разработанная таблетка для лечения пациентов с кашель . Некоторым пациентам давали лекарство, а другим давали плацебо (не настоящее лечение).

  Чтобы предотвратить «эффект плацебо» , при котором пациент явно чувствует себя лучше после приема таблетки плацебо, пациентов не информировали о том, была ли таблетка, которую они принимали, настоящей или плацебо. Затем отслеживали показатели выздоровления обеих групп (т.е. пациентов, принимавших плацебо, и тех, кто принимал настоящую таблетку).

  Если пациенты, принимавшие настоящее лекарство, смогли выздороветь значительно быстрее, чем пациентов, принимавших плацебо, что означает, что таблетка была эффективна при лечении кашля.

  Что, если бы обе группы имели одинаковые показатели выздоровления? Что это значит? Если в обеих группах не было существенной разницы в показателях выздоровления, это означает, что таблетка не эффективна против кашля.

  В этом сценарии переменными являются лечения (т. е. таблетки или плацебо) и коэффициенты выздоровления пациентов. Переменная лечения является независимой переменной, тогда как переменная скорости извлечения является зависимой переменной.

  В ходе эксперимента независимая переменная изменяется. Затем идентифицируются потенциальные воздействия на зависимую переменную.

   

   

  Независимые переменные и другие переменные

  Как отличить независимую переменную от зависимой? Посмотрите на переменные или факторы в эксперименте. Задайте себе вопрос: является ли этот фактор «причиной»? Как правило, «причиной» является независимая переменная, а ее влияние наблюдается на зависимую переменную.

  Вы также можете отличить независимую переменную от зависимой, распознав, какие переменные манипулируются, а какие нет. В эксперименте исследователи манипулируют независимыми переменными, а не зависимыми переменными. Они манипулируют независимыми переменными, чтобы изучить их влияние. Тем не менее, не всеми независимыми переменными можно манипулировать. Есть случаи, когда переменная не зависит от других переменных и все же не может манипулировать, например. возраст. (Ссылка 1)

  Следует отметить, что в некоторых экспериментах помимо независимых и зависимых переменных присутствуют и другие переменные. Посторонние переменные , например, это переменные, которые также влияют на взаимосвязь между независимыми и зависимыми переменными. Возвращаясь к приведенному выше примеру, такие факторы, как возраст, пол, этническая принадлежность и история болезни (например, аллергии), могут повлиять на результаты. Таким образом, необходимо указать эти факторы. Кроме того, контроль посторонних переменных в эксперименте важен для получения более точных выводов на основе эмпирических данных.

  Если экспериментатор не может контролировать постороннюю переменную, то эта переменная называется смешанной переменной . (Ссылка 2) Как следует из названия, наличие искажающей переменной искажает результаты. Эффект не может быть полностью отнесен к независимой переменной. Это может быть связано с независимой переменной или смешанной переменной, и поэтому результат, вероятно, будет неубедительным.

  Когда переменные остаются постоянными, мы называем их контролируемые переменные . Продолжая данный пример, мы можем захотеть сохранить одинаковыми диапазоны возраста и веса субъектов из обеих групп (те, кто принимает настоящую таблетку, и те, кто принимает плацебо). Эффективность лечения может зависеть от возраста и веса пациента, принимающего лечение. И поэтому, когда возраст и вес остаются одинаковыми для обеих групп, экспериментаторы могут делать обоснованные выводы, которые в противном случае привели бы к предвзятости и ложным утверждениям.

  Типы независимых переменных и их использование

  Независимая переменная в исследованиях может быть двух типов: (1) количественная и (2) качественная . Количественные переменные — это те, которые различаются по количеству или шкале. Это числовые переменные, которые отвечают на такие вопросы, как сколько или как часто .

  Ниже приведены примеры количественных переменных:

  • Различия в дозировках и частоте лечения. Эта переменная полезна для определения дозы, вызывающей желаемый эффект.
  • Различная соленость . Эта переменная полезна, например, для определения диапазона солености, которую могут переносить определенные организмы.
  • Различные значения pH . Эта переменная полезна при определении уровней pH, оптимальных для роста определенных организмов, например, для роста алкалифилов (микробов, любящих щелочь) или ацидофилов (микробов, любящих кислоту).
  • Содержание питательных веществ. Эта переменная необходима в исследованиях, целью которых является определение влияния питательных веществ и количества, необходимого для нормального роста организмов.

  Качественные переменные — это нечисловых переменных.

  Ниже приведены примеры качественных переменных:

  • Различные типы штаммов вида . Эта переменная полезна, например, для определения штамма культуры, который наиболее устойчив к определенному заболеванию.
  • Различия в пигментации кожи . Эта переменная может помочь, например, в определении типа пигментации кожи, которая будет наиболее чувствительна к воздействию света.
  • Различные методы проведения лечения . “ Какой маршрут самый эффективный? … перорально или внутривенно? “ На эти вопросы ответит эта переменная.
  • Вопросы, на которые можно ответить да или нет . « Является ли курение фактором рака легких?» Чтобы ответить на этот вопрос, эта конкретная переменная предназначена для группировки пациентов на курящих и некурящих, а затем для проведения тестов, которые определят, существует ли причинно-следственная связь между курением и раком легких.

  Если вы все еще не знаете, как отличить количественные переменные от качественных, помните, что количественные переменные будут представлены реальными суммами, а качественные переменные — группами или категориями.

  Независимая переменная иногда упоминается как предикторная переменная . Это потому, что эта переменная помогает «предсказывать» и объяснять изменения в реакции. Например, количество удобрений, являющееся независимой переменной, может помочь предсказать степень роста растений (зависимая переменная). В этом случае количество удобрений служит переменная-предиктор , тогда как рост растений является переменной результата .

  Планирование эксперимента

  Если вы собираетесь провести эксперимент, вы должны определить свои переменные, особенно независимые переменные. Для этого вы должны выбрать переменные, которые, по вашему мнению, могут повлиять на другую переменную. Затем создайте гипотезу на основе ваших переменных. Уточните свои ожидания от эксперимента, ответив на этот вопрос: «Каков гипотетический эффект или эффекты независимой переменной?» .

  Поищите похожие эксперименты и извлеките из них уроки. Что уже сделано в этой области? Как они планировали эксперимент и манипулировали независимыми переменными, чтобы получить надежные и точные данные?

  Уровни независимой переменной

  Уровни независимых переменных относятся к различным категориям или группам этой переменной. Например, в исследовании об использовании социальных сетей и количестве часов ночного сна независимая переменная равна 9.0273 социальные сети используют , а часа сна за ночь являются зависимой переменной. Затем использование социальных сетей подразделяется на низкий , средний и высокий , которые в общей сложности представляют собой три уровня.

  Независимая переменная Примеры

  Как уже упоминалось выше, тип лечения (таблетки или плацебо) является независимой переменной. Переменная лечения может быть дополнительно изменена путем изменения дозировок, пути введения, времени или продолжительности. Результаты контролируются и записываются путем выявления или измерения физиологических, морфологических или поведенческих изменений после лечения.

  Лечебная переменная: таблетка против плацебо

  Рассмотрим еще один пример: исследование, проведенное Redbooth (компания, занимающаяся разработкой программного обеспечения для управления проектами), предполагает, что бдительность зависит от времени суток и, по-видимому, продуктивность офисных работников во всем мире находится на пике. в 11:00, затем постепенно снижается и, наконец, резко падает после 16:00. (Ссылка 3) В этом случае время дня является независимой переменной, а производительность является зависимой переменной.

  Другим примером является клиническое исследование, проведенное детскими диабетическими центрами в Соединенных Штатах, по оценке эффективности искусственной поджелудочной железы в контроле диабета 1 типа у детей. Сгруппировав 101 ребенка в возрасте от 6 до 13 лет в экспериментальную группу (с использованием искусственной поджелудочной железы) и контрольную группу (с использованием стандартной системы непрерывного мониторинга уровня глюкозы и отдельной инсулиновой помпы), они смогли проверить эффективность новый метод лечения. Они обнаружили, что дети, использующие систему искусственной поджелудочной железы, имели улучшение удержания глюкозы в крови в дневном диапазоне на 7% и на 26% в ночное время по сравнению с контрольной группой. (Ссылка 4) В этом случае тип лечения является независимой переменной, а количество глюкозы в крови является переменной, зависящей от типа лечения.

  Вот простое приложение. Например, вы хотите знать, заставит ли ваши комнатные растения расти быстрее, если вынести их на улицу, чем держать их внутри у окна. Итак, вы выносите группу комнатных растений на улицу и оставляете их там примерно на три часа ежедневно. Затем вы позволяете другой группе оставаться внутри у окна. Через неделю вы измеряете их рост. Если вы заметили значительные изменения в росте растений, это означает, что вам, возможно, придется давать им ежедневную дозу солнечного света в течение не менее трех часов каждый день для лучшего роста. Если заметной разницы нет или разница кажется незначительной, это может означать, что вам не нужно их вынимать, или вам может потребоваться провести еще один эксперимент, на этот раз увеличив продолжительность воздействия солнечного света. В этом примере независимой переменной является число 9.0273 освещенность и зависимая переменная рост растений .

  Влияет ли прямое воздействие солнечных лучей на рост комнатных растений?

  Теперь вопрос в том, как вы можете быть уверены, что эффект значителен или пренебрежимо мал ? Одним из способов измерения значимости влияния независимой переменной является применение статистического теста к данным. Выбор правильного статистического теста (например, Дисперсионный анализ ) имеет решающее значение в любом исследовании.

  Анализ ANOVA

  Что такое тест ANOVA? Статистика ANOVA представляет собой сокращение термина, An alysis o f va riance . Это статистический метод, который определяет, имеют ли средние значения трех или более независимых групп статистически значимые различия между ними. Существует два типа: однофакторный дисперсионный анализ и двухфакторный дисперсионный анализ. Односторонний ANOVA включает одну независимую переменную, тогда как двухфакторный дисперсионный анализ включает два.

  Пример однофакторного дисперсионного анализа — это когда вы хотите проверить, есть ли значительная разница в урожайности между тремя разными смесями удобрений на полях. Пример двустороннего дисперсионного анализа — это когда помимо смеси удобрений вы также хотите определить, будет ли урожайность значительно различаться между разными штаммами.

  Нулевая гипотеза (H ₀ ) дисперсионного анализа состоит в том, что нет статистически значимой разницы между средними группами. И наоборот, 9Альтернативная гипотеза 0273 (H _a ) состоит в том, что по крайней мере одна группа показывает статистически значимое различие. Однако не указано, какая именно группа. Таким образом, для сравнения одной группы с другой используется еще один статистический тест, часто с помощью t-критерия. (Ссылка 5)

   

   

  Попробуйте ответить на приведенный ниже тест, чтобы проверить, что вы уже узнали о независимых переменных.
  

  Тест

  Выберите лучший ответ.

  1. Что такое независимая переменная?

  Переменная, на которую влияют другие переменные

  Переменная, на которую не влияют другие переменные

  Переменная, зависящая от других переменных

  2. Относится к переменной, влияющей на отношения между независимыми и зависимыми переменными

  Вмешивающаяся переменная

  Управляемая переменная

  3. Относится к переменной, которая поддерживается постоянной

  Вмешивающаяся переменная

  Контролируемая переменная

  4. Числовой тип независимой переменной, например. В количестве или масштабах

  Количественный

  Качественный

  Результат

  5. Тип независимой переменной, которая не является нумерическим

  Количественный

  Качественный

  Predictor

  Отправить свои результаты (обязательно)

  Отправить свои результаты (обязательно)

  Отправить свои результаты (обязательно)

  Отправить свои результаты (обязательно)

• Отправить свои результаты (обязательно)

• .

  

  Отправить по электронной почте

  Далее

  Основы эксперимента – Методы исследования в психологии – 2-е канадское издание

  Глава 6: Экспериментальные исследования

  1. Объясните, что такое эксперимент, и определите примеры исследований, которые являются экспериментами, и исследований, которые не являются экспериментами.
  2. Объясните, что такое внутренняя валидность и почему считается, что эксперименты обладают высокой внутренней валидностью.
  3. Объясните, что такое внешняя валидность, и оцените исследования с точки зрения их внешней валидности.
  4. Проведите различие между манипулированием независимой переменной и управлением посторонними переменными и объясните важность каждой из них.
  5. Распознавать примеры смешанных переменных и объяснять, как они влияют на внутреннюю валидность исследования.

  Как мы видели ранее в книге, — это тип исследования, специально предназначенный для ответа на вопрос о том, существует ли причинно-следственная связь между двумя переменными. Другими словами, вызывают ли изменения в независимой переменной изменения в зависимой переменной. Эксперименты имеют две основные особенности. Во-первых, исследователи манипулируют или систематически изменяют уровень независимой переменной. Различные уровни независимой переменной называются . Например, в эксперименте Дарли и Латане независимой переменной было количество свидетелей, которые, по мнению участников, присутствовали. Исследователи манипулировали этой независимой переменной, сообщая участникам, что в обсуждении участвовали один, два или пять других студентов, тем самым создавая три условия. Начинающему исследователю легко спутать эти термины, полагая, что в этой ситуации есть три независимые переменные: один, два или пять студентов, участвующих в обсуждении, но на самом деле есть только одна независимая переменная (количество свидетелей) с тремя разными условия (один, два или пять студентов). Вторая фундаментальная особенность эксперимента заключается в том, что исследователь контролирует или минимизирует изменчивость переменных, отличных от независимой и зависимой переменных. Эти другие переменные называются . Дарли и Латане проверили всех своих участников в одной комнате, подвергли их одной и той же чрезвычайной ситуации и так далее. Они также случайным образом распределили своих участников по условиям, чтобы три группы были похожи друг на друга с самого начала. Обратите внимание, что хотя слова «манипулирование» и «контроль» имеют схожие значения в повседневном языке, исследователи проводят между ними четкое различие. Они манипулируют независимой переменной, систематически изменяя ее уровни, и контролируют другие переменные, поддерживая их постоянными.

  Когда мы читаем об экспериментах в области психологии с критическим взглядом, возникает один вопрос: «Обосновано ли это исследование?» Однако этот вопрос не так прост, как кажется, потому что в психологии существует множество различных видов валидности. Исследователи сосредоточились на четырех валидностях, чтобы помочь оценить, является ли эксперимент надежным (Judd & Kenny, 1981; Morling, 2014) ^{[1] [2]} : внутренняя валидность, внешняя валидность, конструктная валидность и статистическая валидность. Мы подробно изучим каждую валидность.

  Внутренняя валидность

  Напомним, что две переменные, будучи статистически связанными, не обязательно означают, что одна является причиной другой. «Корреляция не подразумевает причинно-следственной связи». Например, если бы люди, которые регулярно занимаются спортом, были счастливее тех, кто не занимается спортом регулярно, это не обязательно означало бы, что занятия спортом повышают уровень счастья людей. Вместо этого это может означать, что большее счастье заставляет людей заниматься спортом (проблема направленности) или что что-то вроде улучшения физического здоровья заставляет людей заниматься спортом и  быть счастливее (задача с третьей переменной).

  Цель эксперимента, однако, состоит в том, чтобы показать, что две переменные статистически связаны, и сделать это таким образом, чтобы подтвердить вывод о том, что независимая переменная вызвала любые наблюдаемые различия в зависимой переменной. Логика основана на следующем предположении: если исследователь создает два или более очень похожих условия, а затем манипулирует независимой переменной, чтобы получить только одно различие между ними, то любое последующее различие между условиями должно быть вызвано независимой переменной. Например, поскольку единственное различие между условиями Дарли и Латане заключалось в количестве студентов, которые, по мнению участников, участвовали в обсуждении, это различие в убеждениях должно было быть ответственным за различия в оказании помощи между условиями.

  Считается, что эмпирическое исследование имеет высокий уровень , если способ его проведения подтверждает вывод о том, что независимая переменная вызвала любые наблюдаемые различия в зависимой переменной. Таким образом, эксперименты обладают высокой внутренней валидностью, потому что способ их проведения — с манипулированием независимой переменной и контролем посторонних переменных — обеспечивает сильную поддержку причинно-следственных выводов.

  Внешняя действительность

  В то же время то, как проводятся эксперименты, иногда вызывает разного рода критику. В частности, необходимость манипулировать независимой переменной и контролировать внешние переменные означает, что эксперименты часто проводятся в условиях, которые кажутся искусственными (Bauman, McGraw, Bartels, & Warren, 2014) ^[3] . Во многих экспериментах по психологии все участники являются студентами бакалавриата и приходят в класс или лабораторию, чтобы заполнить серию бумажных и карандашных вопросников или выполнить тщательно разработанную компьютеризированную задачу. Рассмотрим, например, эксперимент, в котором исследователь Барбара Фредриксон и ее коллеги предложили студентам бакалавриата прийти в лабораторию на территории кампуса и выполнить тест по математике в купальниках (Fredrickson, Roberts, Noll, Quinn, & Twenge, 199).8) ^[4] .Поначалу эта манипуляция может показаться глупой. Когда студенты бакалавриата когда-нибудь должны будут выполнять тесты по математике в купальниках помимо этого эксперимента?

  Мы столкнулись с проблемой . Эмпирическое исследование имеет высокую внешнюю валидность, если способ его проведения поддерживает обобщение результатов на людей и ситуации, выходящие за рамки реально изученных. Как правило, исследования имеют более высокую внешнюю валидность, когда участники и изучаемая ситуация аналогичны тем, которые исследователи хотят обобщить, и участники сталкиваются с ними каждый день, что часто описывается как . ^{Представьте, например, что группу исследователей интересует, как на покупателей в крупных продуктовых магазинах влияет то, упакованы ли хлопья для завтрака в желтые или фиолетовые коробки. Их исследование имело бы высокую внешнюю достоверность и высокий реализм, если бы они изучали решения обычных людей, совершающих еженедельные покупки в реальном продуктовом магазине. Если бы покупатели купили гораздо больше хлопьев в фиолетовых коробках, исследователи были бы вполне уверены, что это увеличение будет справедливо для других покупателей в других магазинах. Однако их исследование было бы относительно низким по внешней валидности, если бы они изучали выборку студентов бакалавриата в лаборатории избирательного университета, которые просто оценивали привлекательность различных цветов, представленных на экране компьютера; однако это исследование будет иметь высокие результаты, если один и тот же мыслительный процесс используется как в лаборатории, так и в реальном мире. Если бы учащиеся сочли фиолетовый цвет более привлекательным, чем желтый, исследователи не были бы уверены в том, что это предпочтение имеет отношение к решениям покупателей о покупке хлопьев из-за низкой внешней валидности, но они могли бы быть уверены, что визуальная обработка цветов имеет высокое значение. психологический реализм.}

  Однако нам следует быть осторожными, чтобы не сделать опрометчивого вывода, что эксперименты имеют низкую внешнюю валидность. Одна из причин заключается в том, что эксперименты не должны казаться искусственными. Учтите, что эксперимент Дарли и Латане обеспечил достаточно хорошую симуляцию реальной чрезвычайной ситуации. Или рассмотрите полевые эксперименты, которые проводятся полностью за пределами лаборатории. В одном из таких экспериментов Роберт Чалдини и его коллеги изучали, предпочитают ли гости отеля повторно использовать свои полотенца в течение второго дня, а не стирать их, чтобы сэкономить воду и энергию (Cialdini, 2005) ^[5] .Эти исследователи манипулировали сообщением на карточке, оставленной в большой выборке гостиничных номеров. В одной версии сообщения подчеркивалось уважение к окружающей среде, в другой подчеркивалось, что отель пожертвует часть своих сбережений на экологические цели, а в третьей подчеркивалось, что большинство гостей отеля предпочитают повторно использовать свои полотенца. В результате гости, получившие сообщение о том, что большинство постояльцев отеля предпочитают повторно использовать свои полотенца, повторно использовали свои собственные полотенца значительно чаще, чем гости, получившие любое из двух других сообщений. Учитывая то, как они провели свое исследование, весьма вероятно, что их результаты будут справедливы и для других гостей в других отелях.

  Вторая причина не делать общий вывод о том, что эксперименты имеют низкую внешнюю валидность, заключается в том, что они часто проводятся для изучения психологических процессов , которые могут проявляться у различных людей и ситуаций. Вернемся к эксперименту Фредриксона и его коллег. Они обнаружили, что женщины в их исследовании, но не мужчины, хуже справлялись с тестом по математике, когда были в купальниках. Они утверждали, что это гендерное различие было связано с большей склонностью женщин объективировать себя — думать о себе с точки зрения стороннего наблюдателя, — что отвлекает их внимание от других задач. Более того, они утверждали, что этот процесс самообъективации и его влияние на внимание, вероятно, проявляются у самых разных женщин и ситуаций, даже если ни одна из них никогда не окажется на контрольной по математике в купальнике.

  Конструктивная валидность

  В дополнение к обобщаемости результатов эксперимента еще одним элементом, который необходимо тщательно изучить в исследовании, является качество манипуляций эксперимента, или . Исследовательский вопрос, с которого начали Дарли и Латане, звучит так: «Распространяется ли помогающее поведение?» Они предположили, что участники лаборатории с меньшей вероятностью будут помогать, если будут считать, что кроме них самих есть еще потенциальные помощники. Этот переход от исследовательского вопроса к плану эксперимента называется (дополнительную информацию об операционном определении см. в Главе 2). Дарли и Латане ввели в действие независимую переменную распределения ответственности, увеличив количество потенциальных помощников. Оценивая этот план, мы бы сказали, что валидность построения была очень высокой, потому что манипуляции эксперимента очень четко соответствуют исследовательскому вопросу; был кризис, способ помочь участнику, и увеличение числа других студентов, вовлеченных в обсуждение, они предоставили способ проверить распространение.

  Что, если количество состояний в исследовании Дарли и Латане изменится? Подумайте, если бы было только два условия: один студент участвовал в обсуждении или два. Несмотря на то, что мы можем видеть уменьшение помощи, добавляя еще одного человека, это может быть не явной демонстрацией рассеяния ответственности, а просто присутствием других. Мы могли бы подумать, что это была форма социального торможения Бандуры (обсуждается в главе 4). Конструктивная валидность будет ниже. Однако, если бы было пять условий, возможно, мы бы увидели, что снижение продолжится с большим количеством людей в обсуждении, или, возможно, оно остановится после определенного количества людей. В этой ситуации мы не обязательно узнаем больше о распределении ответственности, или это может стать другим явлением. При добавлении дополнительных условий валидность конструкции может не повыситься. При планировании собственного эксперимента подумайте, насколько хорошо исследовательский вопрос используется в вашем исследовании.

  Статистическая достоверность

  Обычная критика экспериментов заключается в том, что в исследовании недостаточно участников. Основная причина этой критики заключается в том, что трудно сделать обобщение о населении на основе небольшой выборки. Вначале кажется, что эта критика касается внешней валидности, но есть исследования, в которых небольшие размеры выборки не являются проблемой (в главе 10 будет обсуждаться, как небольшие выборки, даже всего из одного человека, по-прежнему очень полезны для психологических исследований). Таким образом, небольшие размеры выборки на самом деле являются критикой . Статистическая достоверность говорит о том, подтверждают ли статистические данные, проведенные в исследовании, сделанные выводы.

  Необходимо провести надлежащий статистический анализ данных, чтобы определить, были ли обнаружены предсказанные различия или взаимосвязи. Количество условий и общее количество участников будут определять общий размер эффекта. С помощью этой информации можно провести анализ мощности, чтобы убедиться, что вы, вероятно, найдете реальную разницу. При разработке исследования лучше всего подумать об анализе мощности, чтобы можно было набрать и протестировать соответствующее количество участников (подробнее о величине эффекта в главе 12). Чтобы спланировать статистически достоверный эксперимент, размышление о статистических тестах в начале планирования поможет убедиться, что результатам можно верить.

  Приоритет достоверности

  Эти четыре большие валидности — внутренняя, внешняя, конструкционная и статистическая — полезно иметь в виду, когда читаешь о других экспериментах и ​​планируешь свои собственные. Однако исследователи должны расставить приоритеты, и часто невозможно иметь высокую достоверность во всех четырех областях. В исследовании Чалдини об использовании полотенец в отелях внешняя валидность была высокой, но статистическая валидность была скромнее. Это несоответствие не делает исследование недействительным, но показывает, что можно улучшить для будущих последующих исследований (Goldstein, Cialdini, & Griskevicius, 2008) ^[6] . Морлинг (2014) отмечает, что большинство психологических исследований имеют высокую внутреннюю и конструктивную валидность, но иногда приносят в жертву внешнюю валидность.

  Опять же, для   независимая переменная означает систематическое изменение ее уровня, так что разные группы участников подвергаются воздействию разных уровней этой переменной, или одна и та же группа участников подвергается воздействию разных уровней в разное время. Например, чтобы увидеть, влияет ли экспрессивное письмо на здоровье людей, исследователь может поручить некоторым участникам писать о травматических переживаниях, а другим — о нейтральных переживаниях. Как обсуждалось ранее в этой главе, различные уровни независимой переменной называются условиями, и исследователи часто дают состояниям короткие описательные имена, чтобы о них было легко говорить и писать. В этом случае состояния можно назвать «травматическим состоянием» и «нейтральным состоянием».

  Обратите внимание, что манипулирование независимой переменной должно включать активное вмешательство исследователя. Сравнение групп людей, различающихся по независимой переменной, до начала исследования — это не то же самое, что манипулирование этой переменной. Например, исследователь, который сравнивает здоровье людей, которые уже ведут дневник, со здоровьем людей, которые не ведут дневник, не манипулировал этой переменной и, следовательно, не проводил эксперимент. Это различие важно, потому что группы, которые уже различаются по одному признаку в начале исследования, скорее всего, будут отличаться и по другим признакам. Например, люди, которые предпочитают вести дневники, также могут быть более добросовестными, более интровертными или менее подверженными стрессу, чем люди, которые этого не делают. Следовательно, любое наблюдаемое различие между двумя группами с точки зрения их здоровья могло быть вызвано тем, ведут ли они дневник или нет, или могло быть вызвано любым другим различием между людьми, которые ведут и не ведут дневники. Таким образом, активное манипулирование независимой переменной имеет решающее значение для устранения проблемы с третьей переменной.

  Конечно, есть много ситуаций, в которых независимая переменная не может быть изменена по практическим или этическим причинам, и поэтому эксперимент невозможен. Например, нельзя манипулировать тем, имеют ли люди значительный опыт раннего заболевания или нет, что делает невозможным проведение эксперимента по влиянию раннего опыта болезни на развитие ипохондрии. Это предостережение не означает, что невозможно изучить взаимосвязь между ранним опытом болезни и ипохондрией — только то, что это должно быть сделано с использованием неэкспериментальных подходов. Мы подробно обсудим этот тип методологии далее в книге.

  Во многих экспериментах независимая переменная является конструкцией, которой можно манипулировать только косвенно. Например, исследователь может попытаться косвенно манипулировать уровнем стресса участников, говоря некоторым из них, что у них есть пять минут, чтобы подготовить короткую речь, которую они затем должны будут произнести перед аудиторией других участников. В таких ситуациях исследователи часто включают 90 949 в свою процедуру. Проверка манипулирования – это отдельная мера конструкции, которой исследователь пытается манипулировать. Например, исследователи, пытающиеся манипулировать уровнем стресса участников, могут дать им бумажный опросник или измерить их кровяное давление — возможно, сразу после манипуляции или в конце процедуры — чтобы убедиться, что они успешно манипулировали этой переменной.

  Как мы видели ранее в этой главе, посторонняя переменная – это все, что меняется в контексте исследования, кроме независимых и зависимых переменных. В эксперименте по влиянию выразительного письма на здоровье, например, внешние переменные будут включать переменные участников (индивидуальные различия), такие как их способность писать, их диета и размер их обуви. Они также будут включать переменные ситуации или задачи, такие как время суток, когда участники пишут, пишут ли они от руки или на компьютере, и погода. Посторонние переменные создают проблему, потому что многие из них могут иметь некоторое влияние на зависимую переменную. Например, на здоровье участников будут влиять многие другие факторы, помимо того, занимаются ли они экспрессивным письмом или нет. Этот влияющий фактор может затруднить отделение влияния независимой переменной от влияния посторонних переменных, поэтому важно  посторонние переменные, удерживая их постоянными.

  Посторонние переменные затрудняют обнаружение влияния независимой переменной двумя способами. Один из них заключается в добавлении к данным изменчивости или «шума». Представьте себе простой эксперимент по влиянию настроения (счастливого или грустного) на количество счастливых детских событий, которые люди могут вспомнить. Участников настраивают на негативное или позитивное настроение (показывая им счастливый или грустный видеоклип), а затем просят вспомнить как можно больше счастливых событий из детства. В табл. 6.1 показано, как могли бы выглядеть данные, если бы не было посторонних переменных, а количество воспоминаний участников о счастливых детских событиях зависело только от их настроения. Каждый участник в состоянии счастливого настроения вспомнил ровно четыре счастливых события детства, а каждый участник в состоянии грустного настроения вспомнил ровно три. Влияние настроения здесь совершенно очевидно.

  Таблица 6.1 Гипотетические бесшумные данные

  Количество счастливых детских событий, которые вспоминаются в хорошем настроении	Количество счастливых детских событий, которые вспоминаются в грустном настроении
  4	3
  4	3
  4	3
  4	3
  4	3
  4	3
  4	3
  4	3
  4	3
  4	3
  М = 4	М = 3

  В действительности, однако, данные, вероятно, больше походили бы на данные из Таблицы 6. 2. Даже в состоянии счастливого настроения некоторые участники будут вспоминать меньше счастливых воспоминаний, потому что у них меньше возможностей для рисования, они используют менее эффективные стратегии вспоминания или менее мотивированы. И даже в состоянии грустного настроения некоторые участники вспоминали больше счастливых детских воспоминаний, потому что у них было больше счастливых воспоминаний, они использовали более эффективные стратегии вспоминания или были более мотивированы.

  Таблица 6.2 Реалистичные шумовые данные

  Количество счастливых детских событий, которые вспоминаются в хорошем настроении	Количество счастливых детских событий, которые вспоминаются в грустном настроении
  3	1
  6	3
  2	4
  4	0
  5	5
  2	7
  3	2
  1	5
  6	1
  8	2
  М = 4	М  = 3

  Хотя средняя разница между двумя группами такая же, как и в идеализированных данных, эта разница гораздо менее очевидна в контексте большей изменчивости данных. Таким образом, одна из причин, по которой исследователи пытаются контролировать посторонние переменные, заключается в том, что их данные больше походят на идеализированные данные в таблице 6.1, что облегчает обнаружение влияния независимой переменной (хотя реальные данные никогда не выглядят совершенно , что  хорошо).

  Одним из способов управления внешними переменными является сохранение их постоянными. Этот метод может означать сохранение постоянными переменных ситуации или задачи путем тестирования всех участников в одном и том же месте, предоставления им одинаковых инструкций, одинакового обращения с ними и т. д. Это также может означать, что переменные участников остаются постоянными. Например, многие исследования языка ограничивают участников правшами, у которых языковые области обычно изолированы в левом полушарии мозга. У левшей более вероятно, что их языковые области изолированы в правом полушарии головного мозга или распределены по обоим полушариям, что может изменить способ обработки речи и, таким образом, добавить шум к данным.

  В принципе, исследователи могут контролировать внешние переменные, ограничивая участников одной очень конкретной категорией людей, например, 20-летними, гетеросексуалами, женщинами, правшами, специализирующимися на психологии. Очевидным недостатком этого подхода является то, что он снизит внешнюю валидность исследования, в частности, степень, в которой результаты могут быть обобщены за пределами реально изучаемых людей. Например, может быть неясно, применимы ли результаты, полученные на выборке молодых гетеросексуальных женщин, к гомосексуальным мужчинам старшего возраста. Во многих ситуациях преимущества разнородной выборки перевешивают уменьшение шума, достигаемое однородной выборкой.

  Второй способ, которым посторонние переменные могут затруднить обнаружение эффекта независимой переменной, заключается в том, что они становятся мешающими переменными. 90 949 – это посторонняя переменная, которая отличается в среднем на 90 273 на 90 274 уровнях независимой переменной. Например, почти во всех экспериментах коэффициенты интеллекта участников (IQ) будут посторонней переменной. Но пока есть участники с более низкими и более высокими IQ на каждом уровне независимой переменной, так что средний IQ примерно одинаков, тогда такая вариация, вероятно, приемлема (и может быть даже желательна). Однако было бы плохо, если бы участники на одном уровне независимой переменной имели в среднем значительно более низкий IQ, а участники на другом уровне имели бы в среднем значительно более высокий IQ. В этом случае IQ будет смешанной переменной.

  Спутать означает спутать, и именно поэтому смешанные переменные нежелательны. Поскольку они различаются в зависимости от условий — как и независимая переменная — они обеспечивают альтернативное объяснение любой наблюдаемой разницы в зависимой переменной. На рисунке 6.1 показаны результаты гипотетического исследования, в котором участники в хорошем настроении набрали больше баллов в задаче на память, чем участники в плохом настроении. Но если IQ является мешающей переменной — участники с положительным настроением имеют в среднем более высокий IQ, чем участники с отрицательным настроением, — тогда неясно, было ли положительное настроение или более высокий IQ причиной того, что участники с первым состоянием оценка выше. Один из способов избежать смешения переменных — оставить лишние переменные постоянными. Например, можно предотвратить превращение IQ в мешающую переменную, ограничив участников только теми, у кого IQ ровно 100. Но этот подход не всегда желателен по причинам, которые мы уже обсуждали. Второй и гораздо более общий подход — случайное присвоение условий — будет подробно рассмотрен в ближайшее время.

  Рис. 6.1. Гипотетические результаты исследования влияния настроения на память. Поскольку IQ также различается в зависимости от условий, это смешанная переменная.
  • Эксперимент — это тип эмпирического исследования, включающего манипулирование независимой переменной, измерение зависимой переменной и контроль посторонних переменных.
  • Исследования обладают высокой внутренней валидностью в той мере, в какой способ их проведения подтверждает вывод о том, что независимая переменная вызвала любые наблюдаемые различия в зависимой переменной. Эксперименты, как правило, имеют высокую внутреннюю достоверность из-за манипулирования независимой переменной и контроля внешних переменных.
  • Внешняя валидность исследований высока в той мере, в какой результат можно обобщить на людей и ситуации, выходящие за рамки реально изучаемых. Хотя эксперименты могут показаться «искусственными» и малопривлекательными, важно учитывать, могут ли изучаемые психологические процессы проявляться в других людях и ситуациях.
  1. Практика: перечислите пять переменных, которыми исследователь может управлять в ходе эксперимента. Перечислите пять переменных, которыми исследователь не может манипулировать в ходе эксперимента.
  2. Практика: Для каждой из следующих тем решите, можно ли изучать эту тему с помощью плана экспериментального исследования, и объясните, почему или почему нет.
     1. Влияние повреждения теменной доли на способность людей выполнять основные арифметические действия.
     2. Влияние клинической депрессии на количество близких друзей.
     3. Влияние группового обучения на социальные навыки подростков с синдромом Аспергера.
     4. Влияние платы людям за прохождение теста IQ на их результаты в этом тесте.

  ---

  1. Джадд, К.М. и Кенни, Д.А. (1981). Оценка воздействия социальных вмешательств . Кембридж, Массачусетс: Издательство Кембриджского университета. ↵
  2. Морлинг, Б. (2014, апрель). Научите своих учеников быть лучшими потребителями. Наблюдатель АПС . Получено с http://www.psychologicalscience.org/index.php/publications/observer/2014/april-14/teach-your-students-to-be-better-consumers.html ↵
  3. Bauman, C.W., McGraw, А.П., Бартельс, Д.М., и Уоррен, К. (2014). Пересматривая внешнюю валидность: озабоченность проблемами троллейбусов и другими жертвенными дилеммами в моральной психологии. Компас социальной психологии и психологии личности, 8/9 , 536-554. ↵
  4. Фредриксон, Б.Л., Робертс, Т.-А., Нолл, С.М., Куинн, Д.М., и Твенге, Дж.М. (1998). Купальник становится вами: половые различия в самообъективации, воздержании от еды и математических способностях. Журнал личности и социальной психологии, 75 , 269–284. ↵
  5. Чалдини, Р. (2005 г., апрель). Не бросайте полотенце: используйте исследования социального влияния. Наблюдатель АПС . Получено с http://www.psychologicalscience.org/index.php/publications/observer/2005/april-05/dont-throw-in-the-towel-use-social-influence-research.html ↵
  6. Гольдштейн, Нью-Джерси, Чалдини, Р. Б., и Гришкевичюс, В. (2008). Комната с точки зрения: использование социальных норм для мотивации сохранения окружающей среды в отелях. Journal of Consumer Research, 35 , 472–482. ↵

  1.3: Типы данных и способы их сбора

  1. Последнее обновление

  2. Сохранить как PDF

• Идентификатор страницы

  7081

• Foster et al.
• Университет Миссури, ул. Луи, Университет Райса и Университет Хьюстона, кампус в центре города через Инициативу доступных и открытых образовательных ресурсов Университета Миссури

Чтобы использовать статистику, нам нужны данные для анализа. Данные поступают в удивительно разнообразных форматах, и каждый тип дает нам уникальный тип информации. Практически в любой форме данные представляют собой измеренное значение переменных. Переменная — это просто характеристика или особенность вещи, которую мы хотим понять. В психологии нас интересуют люди, поэтому мы можем собрать группу людей и измерить уровень их стресса (одна переменная), тревоги (вторая переменная) и их физического здоровья (третья переменная). Когда у нас есть данные по этим трем переменным, мы можем использовать статистику, чтобы понять, связаны ли они между собой и как. Прежде чем мы это сделаем, нам нужно понять природу наших данных: что они представляют и откуда взялись.

При проведении исследований экспериментаторы часто манипулируют переменными. Например, экспериментатор может сравнить эффективность четырех типов антидепрессантов. В данном случае переменной является «тип антидепрессанта». Когда экспериментатор манипулирует переменной, она называется независимой переменной. Эксперимент направлен на определение влияния независимой переменной на облегчение депрессии. В этом примере избавление от депрессии называется зависимой переменной. Как правило, экспериментатор манипулирует независимой переменной и измеряет ее влияние на зависимую переменную.

Пример \(\PageIndex{1}\)

Может ли черника замедлить старение? Исследование показывает, что антиоксиданты, содержащиеся в чернике, могут замедлять процесс старения. В этом исследовании \(19\)-месячных крыс (эквивалентно \(60\)-летнему человеку) кормили либо их стандартной диетой, либо диетой, дополненной черникой, клубникой или порошком из шпината. Через восемь недель крысам дали тесты на память и двигательные навыки. Хотя у всех крыс, получавших добавки, наблюдалось улучшение, у крыс, получавших черничный порошок, наблюдалось наиболее заметное улучшение.

1. Что такое независимая переменная? (пищевая добавка: нет, черника, клубника и шпинат)
2. Что такое зависимые переменные? (тест на память и тест на моторику)

Пример \(\PageIndex{2}\)

Защищает ли бета-каротин от рака? Считается, что добавки с бета-каротином защищают от рака. Однако исследование, опубликованное в Журнале Национального института рака, предполагает, что это неверно. Исследование проводилось с 39000 женщин в возрасте 45 лет и старше. Эти женщины были случайным образом распределены для получения добавки бета-каротина или плацебо, и их здоровье изучалось на протяжении всей их жизни. Уровень заболеваемости раком у женщин, принимавших добавку бета-каротина, систематически не отличался от показателей заболеваемости раком у женщин, принимавших плацебо.

1. Что такое независимая переменная? (добавки: бета-каротин или плацебо)
2. Что такое зависимая переменная? (возникновение рака)

Пример \(\PageIndex{3}\)

Какая яркость правильная? Производитель автомобилей хочет знать, насколько яркими должны быть стоп-сигналы, чтобы свести к минимуму время, необходимое водителю следующей машины, чтобы понять, что машина впереди останавливается, и нажать на тормоза.

1. Что такое независимая переменная? (яркость стоп-сигналов)
2. Что такое зависимая переменная? (время тормозить)

Если в эксперименте сравнивается экспериментальное лечение с контрольным, то независимая переменная (тип лечения) имеет два уровня: экспериментальный и контрольный. Если бы эксперимент сравнивал пять типов диет, то независимая переменная (тип диеты) имела бы \(5\) уровней. В общем случае количество уровней независимой переменной равно количеству экспериментальных условий.

Важно различать переменные между качественными переменными и количественными переменными. Качественные переменные — это те, которые выражают качественные признаки, такие как цвет волос, цвет глаз, религия, любимый фильм, пол и т. д. Значения качественной переменной не подразумевают числовой порядок. Качественно различаются значения переменной «религия»; никакого упорядочивания религий не подразумевается. Качественные переменные иногда называют категориальными переменными. Количественные переменные — это те переменные, которые измеряются в терминах чисел. Некоторыми примерами количественных переменных являются рост, вес и размер обуви.

В исследовании влияния диеты, обсуждавшемся ранее, независимой переменной был тип добавок: ничего, клубника, черника и шпинат. Переменная «вид доплаты» является качественной переменной; в этом нет ничего количественного. Напротив, зависимая переменная «тест памяти» является количественной переменной, поскольку производительность памяти измерялась по количественной шкале (правильное число).

Переменные, такие как количество детей в домохозяйстве, называются дискретными переменными, поскольку возможные оценки представляют собой дискретные баллы по шкале. Например, в домохозяйстве может быть трое или шестеро детей, но не \(4,53\) детей. Другие переменные, такие как «время ответа на вопрос», являются непрерывными переменными, поскольку шкала непрерывна и не состоит из дискретных шагов. Время отклика может быть \(1,64\) секунды, а может быть \(1,64237123922121\) секунд. Конечно, практические аспекты измерения не позволяют большинству измеряемых переменных быть действительно непрерывными.

Прежде чем мы сможем провести статистический анализ, нам нужно измерить нашу зависимую переменную. То, как именно выполняется измерение, зависит от типа переменной, участвующей в анализе. Различные типы измеряются по-разному. Чтобы измерить время, необходимое для реакции на стимул, вы можете использовать секундомер. Секундомеры, конечно, бесполезны, когда речь идет об измерении чьего-то отношения к политическому кандидату. В данном случае более уместна оценочная шкала (с метками типа «очень благоприятно», «скорее благоприятно» и т. д.). Для зависимой переменной, такой как «любимый цвет», вы можете просто отметить слово-цвет (например, «красный»), которое предлагает субъект.

Хотя процедуры измерения во многом различаются, их можно классифицировать по нескольким основным категориям. В данной категории все процедуры имеют некоторые общие свойства, о которых вам важно знать. Категории называются «типами шкал» или просто «шкалами» и описаны в этом разделе.

Номинальные шкалы

При измерении с использованием номинальной шкалы ответы просто именуются или классифицируются. Пол, рука, любимый цвет и религия являются примерами переменных, измеряемых по номинальной шкале. Существенным моментом в номинальных шкалах является то, что они не подразумевают никакого упорядочивания ответов. Например, при классификации людей по их любимому цвету нет смысла ставить зеленый «перед» синим. Ответы просто классифицируются. Номинальные шкалы воплощают самый низкий уровень измерения.

Порядковые шкалы

Исследователь, желающий измерить степень удовлетворенности потребителей своими микроволновыми печами, может попросить их определить свои чувства как «очень неудовлетворенные», «отчасти неудовлетворенные», «отчасти довольные» или «очень довольные». Пункты в этой шкале упорядочены от наименее до наиболее удовлетворенных. Именно это отличает порядковые шкалы от номинальных. В отличие от номинальных шкал, порядковые шкалы позволяют сравнивать степень, в которой два субъекта обладают зависимой переменной. Например, наше упорядочение степени удовлетворенности делает осмысленным утверждение о том, что один человек более удовлетворен своими микроволновыми печами, чем другой. Такое утверждение отражает использование первым человеком словесного ярлыка, который стоит в списке позже, чем ярлык, выбранный вторым человеком.

С другой стороны, порядковые шкалы не отражают важную информацию, которая будет присутствовать в других исследуемых нами шкалах. В частности, разницу между двумя уровнями порядковой шкалы нельзя считать такой же, как разницу между двумя другими уровнями. В нашей шкале удовлетворенности, например, разница между ответами «очень недоволен» и «отчасти недоволен», вероятно, не эквивалентна разнице между «отчасти неудовлетворен» и «отчасти удовлетворен». Ничто в нашей процедуре измерения не позволяет нам определить, отражают ли эти два различия одно и то же различие в психологическом удовлетворении. Статистики выражают эту точку зрения, говоря, что различия между соседними значениями шкалы не обязательно представляют собой равные интервалы на основной шкале, на которой основаны измерения. (В нашем случае основной шкалой является истинное чувство удовлетворения, которое мы пытаемся измерить.)

Что, если бы исследователь измерил удовлетворенность, попросив потребителей указать уровень их удовлетворенности, выбрав число от одного до четырех? Будет ли разница между ответами один и два обязательно отражать ту же разницу в удовлетворенности, что и разница между ответами два и три? Ответ — Нет. Изменение формата ответа на числа не меняет значения шкалы. Мы по-прежнему не в состоянии утверждать, что мысленный шаг от \(1\) к \(2\) (например) такой же, как ментальный шаг от \(3\) к \(4\).

Интервальные шкалы

Интервальные шкалы — это числовые шкалы, в которых интервалы имеют одинаковую интерпретацию. В качестве примера рассмотрим температурную шкалу Фаренгейта. Разница между \(30\) градусов и \(40\) градусов представляет собой ту же разницу температур, что и разница между \(80\) градусами и \(90\) градусами. Это связано с тем, что каждый 10-градусный интервал имеет один и тот же физический смысл (с точки зрения кинетической энергии молекул).

Однако шкалы интервалов не идеальны. В частности, они не имеют истинной нулевой точки, даже если одно из масштабированных значений носит название «ноль». Шкала Фаренгейта иллюстрирует проблему. Ноль градусов по Фаренгейту не означает полного отсутствия температуры (отсутствия какой-либо молекулярной кинетической энергии). На самом деле ярлык «ноль» присвоен его температуре по совершенно случайным причинам, связанным с историей измерения температуры. Поскольку шкала интервалов не имеет истинной нулевой точки, нет смысла вычислять отношения температур. Например, нет никакого смысла, в котором отношение \(40\) к \(20\) градусам по Фаренгейту совпадает с отношением \(100\) к \(50\) градусов; никакие интересные физические свойства не сохраняются между двумя соотношениями. В конце концов, если бы «нулевая» метка была применена к температуре, которую по Фаренгейту обозначают как \(10\) градусов, вместо этого два отношения были бы \(30\) к \(10\) и \(90\) до \(40\), уже не то же самое! По этой причине не имеет смысла говорить, что \(80\) градусов «в два раза горячее», чем \(40\) градусов. Такое утверждение будет зависеть от произвольного решения о том, где «начать» температурную шкалу, а именно, какую температуру назвать нулевой (тогда как утверждение предназначено для того, чтобы сделать более фундаментальное утверждение о лежащей в основе физической реальности).

Шкалы отношений

Шкала отношений является наиболее информативной шкалой. Это интервальная шкала с тем дополнительным свойством, что ее нулевое положение указывает на отсутствие измеряемой величины. Вы можете думать о шкале отношений как о трех предыдущих шкалах, объединенных в одну. Подобно номинальной шкале, она предоставляет имя или категорию для каждого объекта (числа служат метками). Как и в порядковой шкале, объекты упорядочены (с точки зрения порядка чисел). Как и в шкале интервалов, одна и та же разница в двух точках шкалы имеет одинаковое значение. Кроме того, одно и то же соотношение в двух местах шкалы также имеет тот же смысл.

Шкала Фаренгейта для температуры имеет произвольную нулевую точку и поэтому не является шкалой отношений. Однако ноль по шкале Кельвина — это абсолютный ноль. Это делает шкалу Кельвина шкалой отношений. Например, если одна температура в два раза выше другой по шкале Кельвина, то ее кинетическая энергия вдвое больше, чем у другой температуры.

Другим примером шкалы отношений является сумма денег, которая сейчас у вас в кармане (25 центов, 55 центов и т. д.). Деньги измеряются по шкале отношений, потому что, помимо свойств интервальной шкалы, они имеют настоящую нулевую точку: если у вас ноль денег, это подразумевает отсутствие денег. Поскольку деньги имеют истинную нулевую точку, имеет смысл сказать, что у кого-то с 50 центами денег в два раза больше, чем у того, у кого 25 центов (или что у Билла Гейтса денег в миллион раз больше, чем у вас).

Рейтинговые шкалы часто используются в психологических исследованиях. Например, испытуемых могут попросить оценить их уровень боли, насколько им нравится потребительский товар, их отношение к смертной казни, их уверенность в ответе на тестовый вопрос. Обычно эти оценки выставляются по 5-балльной или 7-балльной шкале. Эти шкалы являются порядковыми шкалами, поскольку нет гарантии, что данная разница представляет одно и то же во всем диапазоне шкалы. Например, невозможно быть уверенным, что лечение, уменьшающее боль с номинального уровня боли 3 до номинального уровня боли 2, обеспечивает тот же уровень облегчения, что и лечение, уменьшающее боль с номинального уровня боли 7 до номинального уровня боли 2. номинальный уровень боли 6,

В экспериментах с памятью зависимой переменной часто является количество правильно воспроизведенных элементов. Что это за шкала измерения? Можно разумно утверждать, что это шкала отношений. Во-первых, существует настоящая нулевая точка; некоторые испытуемые могут вообще не дать правильных ответов. Более того, разница в единицу представляет собой разницу в одном элементе, воспроизведенном по всей шкале. Безусловно, можно сказать, что тот, кто вспомнил 12 предметов, вспомнил в два раза больше предметов, чем тот, кто вспомнил только 6 предметов.

Но количество воспоминаемых предметов — более сложный случай, чем кажется на первый взгляд. Рассмотрим следующий пример, в котором испытуемых просят вспомнить как можно больше элементов из списка из 10. Предположим, что (а) есть 5 простых и 5 сложных заданий, (б) половина испытуемых способна вспомнить все легкие задания и разное количество сложных заданий, в то время как (в) другая половина испытуемых не может вспомнить ни одного из сложных заданий, но запоминает разное количество простых заданий. Некоторые примеры данных показаны ниже.

Таблица \(\PageIndex{1}\): пример данных

Тема	Легкие предметы					Трудные предметы					Оценка
А	0	0	1	1	0	0	0	0	0	0	2
Б	1	0	1	1	0	0	0	0	0	0	3
С	1	1	1	1	1	1	1	0	0	0	7
Д	1	1	1	1	1	0	1	1	0	1	8

Давайте сравним (i) разницу между оценкой субъекта A, равной 2, и оценкой субъекта B, равной 3, и (ii) разницу между оценкой субъекта C, равной 7, и оценкой субъекта D, равной 8. Первая разница представляет собой разницу в единицу. легкий предмет; последняя разница — это разница в одном сложном элементе. Обязательно ли эти два различия означают одно и то же различие в памяти? Мы склонны ответить «Нет» на этот вопрос, поскольку для сохранения дополнительного простого элемента может потребоваться лишь немного больше памяти, тогда как для сохранения дополнительного сложного элемента может потребоваться гораздо больше памяти. Общий вывод заключается в том, что часто неуместно рассматривать шкалы психологических измерений либо как интервал, либо как отношение.

Последствия уровня измерения Почему нас так интересует тип шкалы, измеряющей зависимую переменную? Суть вопроса заключается в отношении между уровнем измерения переменной и статистикой, которую можно осмысленно вычислить с помощью этой переменной. Например, рассмотрим гипотетическое исследование, в котором 5 детей просят выбрать свой любимый цвет из синего, красного, желтого, зеленого и фиолетового. Исследователь кодирует результаты следующим образом:

Таблица \(\PageIndex{2}\): Код данных о любимом цвете

Цвет	Код
Синий	1
Красный	2
Желтый	3
Зеленый	4
Фиолетовый	5

Это означает, что если ребенок сказал, что его любимый цвет — «красный», то выбор был закодирован как «2», если ребенок сказал, что его любимый цвет — «фиолетовый», то ответ был закодирован как 5, и так далее. Рассмотрим следующие гипотетические данные

Таблица \(\PageIndex{3}\): данные об избранных цветах

Тема	Цвет	Код
1	Синий	1
2	Синий	1
3	Зеленый	4
4	Зеленый	4
5	Фиолетовый	5

Каждый код представляет собой число, поэтому ничто не мешает нам вычислить средний код, присвоенный детям. Среднее значение равно 3, но вы можете видеть, что было бы бессмысленно делать вывод, что средний любимый цвет — желтый (цвет с кодом 3). Такая ерунда возникает потому, что любимый цвет — это номинальная шкала, и брать среднее число его числовых меток — все равно, что подсчитывать количество букв в имени змеи, чтобы узнать, какой длины зверь.

Имеет ли смысл вычислять среднее значение чисел, измеренных по порядковой шкале? Это сложный вопрос, над которым статистики спорят десятилетиями. Преобладающее (но отнюдь не единогласное) мнение статистиков состоит в том, что почти во всех практических ситуациях среднее значение обычно измеряемой переменной является значимой статистикой. Однако бывают экстремальные ситуации, в которых вычисление среднего значения обычно измеряемой переменной может ввести в заблуждение.

---

Эта страница под названием 1.3: Типы данных и способы их сбора распространяется под лицензией CC BY-NC-SA 4.0 и была создана, изменена и/или курирована Foster et al. (Инициатива Университета Миссури по доступным и открытым образовательным ресурсам) через исходный контент, отредактированный в соответствии со стилем и стандартами платформы LibreTexts; подробная история редактирования доступна по запросу.

1. Наверх
• Была ли эта статья полезной?

1. Тип изделия

   Раздел или Страница

   Автор

   Фостер и др.

   Лицензия

   CC BY-NC-SA

   Версия лицензии

   4,0

   Показать оглавление

   нет

2. Теги

   1. источник@https://irl. umsl.edu/oer/4

Множественные независимые переменные – Методы исследования в психологии – 2-е канадское издание

Глава 8. Комплексные планы исследований

1. Объясните, почему исследователи часто включают в свои исследования несколько независимых переменных.
2. Определение факторного плана и использование таблицы факторного плана для представления и интерпретации простых факторных планов.
3. Различать основные эффекты и взаимодействия, узнавать и приводить примеры каждого из них.
4. Нарисуйте и интерпретируйте гистограммы и линейные графики, показывающие результаты исследований с простыми факторными планами.

Так же, как исследования в области психологии обычно включают несколько зависимых переменных, они также часто включают несколько независимых переменных. Шналл и ее коллеги изучали влияние как отвращения, так и сознания частного тела в одном и том же исследовании. Включение исследователями нескольких независимых переменных в один эксперимент дополнительно иллюстрируется следующими реальными заголовками из различных профессиональных журналов:

• Влияние временной задержки и ориентации на тактильное распознавание объектов
• Открытие закрытых умов: совокупное влияние межгруппового контакта и потребности в закрытии предубеждений
• Влияние ожиданий и преодоления на вызванное болью намерение закурить
• Влияние возраста и рассеянного внимания на спонтанное узнавание
• Влияние уменьшенного размера продуктов питания и размера упаковки на потребительское поведение сдержанных и безудержных едоков

Как включение нескольких зависимых переменных в один и тот же эксперимент позволяет ответить на большее количество вопросов исследования, так и включение нескольких независимых переменных в один и тот же эксперимент. Например, вместо того, чтобы проводить одно исследование влияния отвращения на моральное суждение, а другое — влияние сознания частного тела на моральное суждение, Шналль и его коллеги смогли провести одно исследование, в котором были рассмотрены оба вопроса. Но включение нескольких независимых переменных также позволяет исследователю ответить на вопросы о том, зависит ли влияние одной независимой переменной от уровня другой. Это называется взаимодействием между независимыми переменными. Шналл и ее коллеги, например, наблюдали взаимодействие между отвращением и сознанием частного тела, потому что эффект отвращения зависел от того, были ли у участников высокие или низкие уровни сознания частного тела. Как мы увидим, взаимодействия часто являются одним из самых интересных результатов психологических исследований.

Обзор

Безусловно, наиболее распространенным подходом к включению в эксперимент нескольких независимых переменных является факторный план. В а каждый уровень одной независимой переменной (которую также можно назвать фактором ) комбинируется с каждым уровнем других для получения всех возможных комбинаций. Таким образом, каждая комбинация становится условием эксперимента. Представьте, например, эксперимент по влиянию использования мобильного телефона (да или нет) и времени суток (день или ночь) на способность управлять автомобилем. Это показано на рисунке 8.1. Столбцы таблицы представляют использование сотового телефона, а строки — время суток. Четыре ячейки таблицы представляют четыре возможные комбинации или условия: использование сотового телефона днем, неиспользование сотового телефона днем, использование сотового телефона ночью и неиспользование сотового телефона ночью. Этот конкретный план называется факторным планом 2 × 2 (читается «два на два»), потому что он объединяет две переменные, каждая из которых имеет два уровня. Если бы одна из независимых переменных имела третий уровень (например, использование портативного сотового телефона, использование сотового телефона с функцией громкой связи и отсутствие использования сотового телефона), то это был бы факторный план 3 × 2, и было бы шесть различных условий. Обратите внимание, что количество возможных условий равно произведению количества уровней. Факторный план 2 × 2 имеет четыре условия, факторный план 3 × 2 — шесть условий, факторный план 4 × 5 — 20 условий и так далее.

Рисунок 8.1 Таблица факторного плана, представляющая факторный план 2 × 2

В принципе, факторные планы могут включать любое количество независимых переменных с любым количеством уровней. Например, эксперимент может включать тип психотерапии (когнитивная или поведенческая), продолжительность психотерапии (2 недели или 2 месяца) и пол психотерапевта (женщина или мужчина). Это будет факторный план 2 × 2 × 2 с восемью условиями. На рис. 8.2 показан один из способов представления этой схемы. На практике необычно наличие более трех независимых переменных с более чем двумя или тремя уровнями каждая. Это происходит по крайней мере по двум причинам: во-первых, количество условий может быстро стать неуправляемым. Например, добавление четвертой независимой переменной с тремя уровнями (например, опыт терапевта: низкий, средний или высокий) к текущему примеру сделает его факторным планом 2 × 2 × 2 × 3 с 24 различными условиями. Во-вторых, количество участников, необходимое для заполнения всех этих условий (при сохранении разумной способности обнаруживать реальный основной эффект), может сделать план неосуществимым (дополнительную информацию см. в обсуждении важности адекватной статистической мощности в главе 13). . Поэтому в оставшейся части этого раздела мы сосредоточимся на планах с двумя независимыми переменными. Обсуждаемые здесь общие принципы напрямую распространяются на более сложные факторные планы.

Рисунок 8.2 Таблица факторного плана, представляющая факторный план 2 × 2 × 2

. Назначение участников условиям

Напомним, что в простом межсубъектном исследовании каждый участник тестируется только в одном состоянии. В простом внутрисубъектном дизайне каждый участник тестируется во всех условиях. В факторном эксперименте решение о межсубъектном или внутрисубъектном подходе должно приниматься отдельно для каждой независимой переменной. В а между субъектами манипулируют всеми независимыми переменными. Например, все участники могут быть протестированы при использовании мобильного телефона или , когда вы не пользуетесь мобильным телефоном, а также днем ​​ или  ночью. Это означало бы, что каждый участник был протестирован в одном и только одном состоянии. В факторном дизайне внутри субъектов все независимые переменные манипулируются внутри субъектов. Всех участников можно было протестировать как при использовании сотового телефона и без использования сотового телефона, так и днем ​​ и ночью. Это означало бы, что каждый участник был протестирован во всех условиях. Преимущества и недостатки этих двух подходов такие же, как и те, что обсуждались в главе 6. Межсубъектный план концептуально проще, позволяет избежать эффектов переноса и сводит к минимуму время и усилия каждого участника. Внутрисубъектный план более эффективен для исследователя и контролирует посторонние переменные участников.

Также можно манипулировать одной независимой переменной между субъектами и другой внутри субъектов. Это называется . Например, исследователь может рассматривать использование сотового телефона как внутренний фактор, тестируя одних и тех же участников как при использовании сотового телефона, так и при его отсутствии (уравновешивая порядок этих двух условий). Но он или она может рассматривать время суток как фактор между испытуемыми, проверяя каждого участника либо днем, либо ночью (возможно, потому, что для этого требуется, чтобы они пришли на тестирование только один раз). Таким образом, каждый участник этого смешанного плана будет протестирован в двух из четырех условий.

Независимо от того, является ли план между субъектами, внутри субъектов или смешанным, фактическое распределение участников по состояниям или порядкам состояний обычно выполняется случайным образом.

Неуправляемые независимые переменные

Во многих факторных планах одной из независимых переменных является . Исследователь измеряет его, но не манипулирует им. Исследование Шналля и его коллег является хорошим примером. Одной независимой переменной было отвращение, которым исследователи манипулировали, тестируя участников в чистой или грязной комнате. Другим было собственное телесное сознание, переменная участника, которую исследователи просто измерили. Другим примером является исследование Холли Браун и его коллег, в котором участникам показывали несколько слов, которые позже их просили вспомнить (Brown, Kosslyn, Delamater, Fama, & Barsky, 19).99) ^[1] . Независимой переменной, которой манипулировали, был тип слова. Некоторые из них были негативными словами, связанными со здоровьем (например, опухоль, коронарная болезнь), а другие не имели отношения к здоровью (например, выборы, геометрия ). Неманипулируемая независимая переменная заключалась в том, были ли у участников высокие или низкие показатели ипохондрии (чрезмерная озабоченность обычными телесными симптомами). Результатом этого исследования стало то, что участники с высоким уровнем ипохондрии лучше, чем участники с низким уровнем ипохондрии, вспоминали слова, связанные со здоровьем, но они не лучше вспоминали слова, не связанные со здоровьем.

Такие исследования чрезвычайно распространены, и в отношении них стоит отметить несколько моментов. Во-первых, неманипулируемые независимые переменные обычно являются переменными-участниками (собственное телесное сознание, ипохондрия, самооценка и т. д.), и как таковые они по определению являются межсубъектными факторами. Например, у людей либо низкий уровень ипохондрии, либо высокий уровень ипохондрии; они не могут быть испытаны в обоих этих условиях. Во-вторых, такие исследования обычно считаются экспериментами до тех пор, пока манипулируют хотя бы одной независимой переменной, независимо от того, сколько неманипулируемых независимых переменных включено. В-третьих, важно помнить, что причинно-следственные выводы могут быть сделаны только относительно независимой переменной, которой манипулируют. Например, Шналл и ее коллеги справедливо пришли к выводу, что отвращение повлияло на резкость моральных суждений их участников, потому что они манипулировали этой переменной и случайным образом распределяли участников в чистую или грязную комнату. Но у них не было бы оснований заключить, что сознание личного тела участников повлияло на жесткость моральных суждений их участников, потому что они не манипулировали этой переменной. Например, может быть так, что строгий моральный кодекс и повышенное внимание к своему телу вызваны какой-то третьей переменной (например, невротизмом). Таким образом, важно знать, какие переменные в исследовании манипулируются, а какие нет.

Графики результатов факторных экспериментов

Результаты факторных экспериментов с двумя независимыми переменными можно изобразить в виде графика, представив одну независимую переменную на оси x , а другую представив с помощью различных видов столбцов или линий. (Ось y всегда зарезервирована для зависимой переменной.) На рис. 8.3 показаны результаты двух гипотетических факторных экспериментов. На верхней панели показаны результаты дизайна 2 × 2. Время суток (день или ночь) представлено разными точками на 9Ось 0273 x и использование сотового телефона (нет против да) представлены полосами разного цвета. (Также можно было бы представить использование мобильного телефона на оси x и время суток в виде полос разного цвета. Выбор сводится к тому, какой способ наиболее четко передает результаты.) Нижняя панель рис. 8.3 показывает результаты плана 4 × 2, в котором одна из переменных является количественной. Эта переменная, продолжительность психотерапии, представлена ​​по оси x , а другая переменная (тип психотерапии) представлена ​​линиями другого формата. Это линейный график, а не гистограмма, потому что переменная на оси X является количественной с небольшим количеством различных уровней. Линейные графики также подходят для представления измерений, сделанных за временной интервал (также называемый информацией о временных рядах) на x — ось.

Рис. 8.3. Два способа построения графика результатов факторного эксперимента с двумя независимыми переменными 90–30. Основные эффекты и взаимодействия 90–31.

В факторных планах интерес представляют два вида результатов: главные эффекты и эффекты взаимодействия (которые также называются просто «взаимодействиями»). A – это статистическая взаимосвязь между одной независимой переменной и зависимой переменной, усредненная по уровням другой независимой переменной. Таким образом, для каждой независимой переменной в исследовании необходимо учитывать один основной эффект. На верхней панели рисунка 8.3 показан основной эффект использования мобильных телефонов, поскольку эффективность вождения в среднем была выше, когда участники не использовали мобильные телефоны, чем когда они ими пользовались. Синие столбцы в среднем выше красных. Он также показывает основное влияние времени суток, поскольку эффективность вождения днем ​​была лучше, чем ночью — как тогда, когда участники использовали мобильные телефоны, так и когда они не пользовались ими. Основные эффекты не зависят друг от друга в том смысле, что наличие или отсутствие основного эффекта одной независимой переменной ничего не говорит о наличии основного эффекта другой. Нижняя часть рисунка 8.3, например, ясно показывает основной эффект продолжительности психотерапии. Чем дольше психотерапия, тем лучше она работала.

Существует эффект (или просто «взаимодействие»), когда эффект одной независимой переменной зависит от уровня другой. Хотя это может показаться сложным, у вас уже есть интуитивное понимание взаимодействий. Вас, вероятно, не удивит, например, если вы услышите, что эффект от психотерапии сильнее у людей, сильно мотивированных к изменению, чем у людей, не мотивированных к изменению. Это взаимодействие, потому что эффект одной независимой переменной (независимо от того, получает человек психотерапию или нет) зависит от уровня другой (мотивации к изменению). Шналл и ее коллеги также продемонстрировали взаимодействие, потому что влияние чистоты или беспорядка в комнате на моральные суждения участников зависело от того, было ли у участников низкое или высокое сознание собственного тела. Если у них было высокое сознание собственного тела, то те, кто находился в грязной комнате, выносили более суровые суждения. Если у них было низкое сознание частного тела, тогда не имело значения, была ли комната чистой или грязной.

Влияние одной независимой переменной может зависеть от уровня другой несколькими различными способами. Это показано на Рисунке 8.4. На верхней панели независимая переменная «В» влияет на уровень 1 независимой переменной «А», но не влияет на уровень 2 независимой переменной «А». (Это очень похоже на исследование Шналль и ее коллег, где наблюдался эффект отвращения к тем, у кого было высокое сознание частного тела, но не к тем, у кого было низкое сознание частного тела.) На средней панели независимая переменная «В» имеет более сильное значение. эффект на уровне 1 независимой переменной «А», чем на уровне 2. Это похоже на гипотетический пример вождения, где эффект от использования сотового телефона ночью был сильнее, чем днем. На нижней панели независимая переменная «В» снова оказывает влияние на оба уровня независимой переменной «А», но эффекты противоположны. На рис. 8.4 показана самая сильная форма такого взаимодействия, называемая перекрестным взаимодействием. Одним из примеров перекрестного взаимодействия является исследование Кэти Гиллиланд о влиянии кофеина на результаты вербальных тестов интровертов и экстравертов (Гиллиланд, 19). 80) ^[2] . Интроверты работают лучше, чем экстраверты, когда не употребляют кофеин. Но экстраверты работают лучше, чем интроверты, когда они потребляют 4 мг кофеина на килограмм веса тела.

Рисунок 8.4 Гистограммы, показывающие три типа взаимодействий. На верхней панели одна независимая переменная влияет на один уровень второй независимой переменной, но не на другой. На средней панели одна независимая переменная оказывает более сильное влияние на один уровень второй независимой переменной, чем на другой. На нижней панели одна независимая переменная оказывает противоположное влияние на один уровень второй независимой переменной, чем на другой.

На рис. 8.5 показаны примеры таких же взаимодействий, когда одна из независимых переменных является количественной, а результаты нанесены на линейный график. Обратите внимание, что при перекрестном взаимодействии две линии буквально «перекрещиваются» друг с другом.

Рис. 8.5. Линейные графики, показывающие три типа взаимодействий. На верхней панели одна независимая переменная влияет на один уровень второй независимой переменной, но не на другой. На средней панели одна независимая переменная оказывает более сильное влияние на один уровень второй независимой переменной, чем на другой. На нижней панели одна независимая переменная оказывает противоположное влияние на один уровень второй независимой переменной, чем на другой. [Описание изображения]

Во многих исследованиях основной исследовательский вопрос касается взаимодействия. Исследование Браун и ее коллег было вдохновлено идеей о том, что люди с ипохондрией особенно внимательно относятся к любой негативной информации, связанной со здоровьем. Это привело к гипотезе о том, что люди с высоким уровнем ипохондрии будут вспоминать негативные слова, связанные со здоровьем, более точно, чем люди с низким уровнем ипохондрии, но помнят слова, не связанные со здоровьем, примерно так же, как люди с низким уровнем ипохондрии. И, конечно же, именно это и произошло в этом исследовании.

• Исследователи часто включают в свои эксперименты несколько независимых переменных. Наиболее распространенным подходом является факторный план, в котором каждый уровень одной независимой переменной комбинируется с каждым уровнем других для создания всех возможных условий.
• В факторном плане основным эффектом независимой переменной является ее общий эффект, усредненный по всем другим независимым переменным. Для каждой независимой переменной существует один главный эффект.
• Существует взаимодействие между двумя независимыми переменными, когда эффект одной зависит от уровня другой. Некоторые из наиболее интересных исследовательских вопросов и результатов в психологии касаются именно взаимодействия.
1. Практика: Вернитесь к пяти заголовкам статей, представленным в начале этого раздела. Для каждого определите независимые переменные и зависимую переменную.
2. Практика: создайте таблицу факторных расчетов для эксперимента по влиянию комнатной температуры и уровня шума на производительность MCAT. Обязательно укажите, будут ли манипулировать каждой независимой переменной между субъектами или внутри субъектов, и объясните, почему.
3. Практика: нарисуйте 8 различных столбчатых диаграмм, чтобы изобразить каждый из следующих возможных результатов факторного эксперимента 2 x 2:
   • Нет основного эффекта А; нет основного эффекта B; нет взаимодействия
   • Основной эффект А; нет основного эффекта B; нет взаимодействия
   • Нет основного эффекта А; основной эффект Б; нет взаимодействия
   • Основной эффект А; основной эффект Б; нет взаимодействия
   • Основной эффект А; основной эффект Б; взаимодействие
   • Основной эффект А; нет основного эффекта B; взаимодействие
   • Нет основного эффекта А; основной эффект Б; взаимодействие
   • Нет основного эффекта А; нет основного эффекта B; взаимодействие

Описания изображений

Рисунок 8.5. Описание изображения: Три панели, каждая из которых показывает свой рисунок линейного графика.

No related posts.