简单实验中的心理学知识

简单实验中的例子

简单实验是由研究人员用来确定一个变量的变化是否会导致另一个变量的变化——换句话说，就是建立因果关系。

例如，在研究一种新药物的有效性时，研究参与者会被随机分配到两个组中：其中一个组是对照组，不接受任何治疗，而另一个组是实验组，接受正在研究的治疗。

简单实验的要素

简单实验由以下几个关键要素组成：

实验假设： 这是一种预测治疗会导致某种效果的陈述。它总是以因果关系的形式表达。例如，研究人员可能会这样表述假设：“使用药物A会导致疾病B的症状减轻。”
零假设： 这是一种假设，即实验治疗对参与者的因变量没有影响。需要注意的是，未能在实验中发现治疗的效果并不意味着没有效果。治疗可能会影响研究人员在当前实验中未测量的其他变量。
自变量： 实验者操纵的处理变量。
因变量： 研究人员正在测量的响应。
对照组： 随机分配的个体组成的组，他们不接受治疗。从对照组获得的测量结果将与实验组的测量结果进行比较，以确定治疗是否有影响。
实验组： 这个随机分配的个体组成的组，他们将接受正在测试的治疗。

一旦从简单实验中收集到数据，研究人员就会将实验组的结果与对照组的结果进行比较，以确定治疗是否产生了效果。由于错误的可能性无处不在，不可能完全确定两个变量之间的关系。总有可能存在未知变量影响实验的结果。

尽管存在这一挑战，但仍有方法可以确定两个变量之间很可能存在有意义的关系。为此，科学家们使用推断统计——这是一门基于来自该人群代表样本的测量来推断人群的研究分支。

确定治疗是否产生效果的关键是测量统计显著性。统计显著性表明两个变量之间的关系很可能是由于偶然因素以外的原因，并且这两个变量之间很可能确实存在真实关系。

统计显著性通常表示如下：

p < 0.05

p值小于.05表示结果很可能是由于偶然因素导致的，并且获得这些结果的概率小于5%。

有多种测量统计显著性的方法。所使用的具体方法将取决于实验所采用的研究设计类型。