《因变量_自变量_控制变量_调节变量_介入变量》由会员分享，可在线阅读，更多相关《因变量_自变量_控制变量_调节变量_介入变量（4页珍藏版）》请在金锄头文库上搜索。
1、自变量也称实验变量，指实验中由实验者所操纵的因素或条件。 因变量亦称反应变量，指实验中由于自变量而引起的变化和结果。 通常自变量是原因，因变量是结果，二者具有因果关系。 实验的目的在于获得和解释这种前因后果。 例如： 在“唾液淀粉酶在水解淀粉”的实验中，所给定的低温（冰块） 、适温（ 37 摄氏 度）、高温（沸水浴）就是自变量，而由于低温、适温、高温条件变化，唾液淀 粉酶水解淀粉的反应结果也随之变化，这就是因变量。 而无关变量也称控制变量， 是指实验中除实验变量以外的影响实验现象或结果的 因素或条件，和额外变量（指实验中无关变量引起的变化或结果）对应。他们对 实验的因变量会产生影响或干扰。如：
2、 “唾液淀粉酶在水解淀粉”的实验中，除自变量（低温、适温、高温）以外，试 管洁净程度、唾液新鲜程度、可溶性淀粉浓度和纯度、试剂溶液的剂量、浓度和 纯度、实验操作程序、温度处理的时间长短等等，都属于无关变量。如果无关变 量中的任何一个或几个因素或，对 3 个实验组的给定不等同、不均衡、不稳定， 则会对实验结果造成干扰，产生误差。在实验设计和操作中， 要尽量减少无关变量， 而且不同的实验组中的无关变量应 完全相同， 这样就会避免实验结果的差异是由无关变量引起的可能性， 便于清晰 地研究实验变量（自变量）与反应变量（因变量）的关系。而对照变量很少见这种说法， 其实他就是自变量， 指各组实验中人为操作
3、的使各 组不同的起相互对照作用的因素或条件。节变量 （moderator） 和中介变量 （mediator） 是两个重要的统计概念 , 它们都与回 归分析有关。相对于人们关注的自变量和因变量而言 , 调节变量和中介变量都是 第三者,经常被人混淆。从文献上看 ,存在的问题主要有如下几种 : （1） 术语混用 或换用, 两个概念不加区分。例如 , 在描述同一个过程时 ,既使用调节过程的术语 又使用中介过程的术语 （2） 术语和概念不一致。 如研究的是调节过程 ,却使用中介 的术语。（3） 术语和统计分析不一致。 如使用了中介变量的术语 , 却没有做相应的 统计分析。出现前面的任何一个问题都会使统计
4、结果解释含糊不清 , 往往导致错 误结论。仅在儿童临床心理和少儿心理方面的研究文献中 , Holmbeck 就指出了 不少误用的例子 。国内涉及中介变量的文章不多 , 涉及调节变量的就更少。 从国外的情况看 , 一旦 这方面的定量分析多起来 ,误用和混用的情况也就可能多起来 , 所以让应用工作 者正确理解和区分中介变量和调节变量 ,会用适当的方法进行统计分析 , 对提高 心理科学的研究水平具有积极意义。调节变量的定义如果变量丫与变量X的关系是变量M的函数,称M为调节变量。就是说，丫与 X 的关系受到第三个变量 M 的影响。调节变量可以是定性的 （如性别、种族、学 校类型等 ） , 也可以是定量
5、的 （如年龄、受教育年限、刺激次数等 ） , 它影响因变 量和自变量之间关系的方向 （正或负 ）和强弱. 例如, 学生的学习效果和指导方案 的关系,往往受到学生个性的影响 :一种指导方案对某类学生很有效 ,对另一类学 生却没有效 , 从而学生个性是调节变量。 又如, 学生一般自我概念与某项自我概念 （如外貌、体能等）的关系 , 受到学生对该项自我概念重视程度的影响 : 很重视外貌的人，长相不好会大大降低其一般自我概念；不重视外貌的人，长相不好对其一般 自我概念影响不大，从而对该项自我概念的重视程度是调节变量。中介变量的定义考虑自变量X对因变量丫的影响，如果X通过影响变量M来影响Y,则称M为 中
6、介变量。例如，上司的归因研究：下属的表现上司对下属表现的归因上司对下属表现的反应，其中的“上司对下属表现的归因”为中介变量。如果一个变量与自变量或因变量相关不大，它不可能成为中介变量，但有可能成 为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量，如性别、年龄等，由于不受自变量的影响，自然不能成为中介变量，但许多时候都可 以考虑为调节变量。对于给定的自变量和因变量 ，有的变量做调节变量和中介变 量都是合适的，从理 论上都可以做出合理的解释。控制变量 定义物理学控制变量实验控制变量在工具书中的解释：除自变量之外，一切能使因变量发生变化的变量。这类变量是应该加以控制的，如果不加控制
7、，它也会造成因变量的 变化，即自变量和一些未加控制的因素共同造成了因变量的变化，这叫自变量的混淆。因此，只有将自变量以外一切能引起因变量变化的变量控制好， 才能弄清实验中的因果关系。控制变量一一在实验中，不仅仅只有自变量才是和因变量有关的，于 自变量之外往往存在额外相关变量，此类变量简称额外变量，因其必须被想办法控制，在实验中保持恒定不变，又称其为控制变量。统计学应用统计学诞生之初，作用之一就是提供各种数据以供参考，但同时弊端 也显现，比如控制某些条件，就会得到某些人意愿的结果。将因果和相关混淆事物之间的关系多种多样，统计上关心的两种关系是因果和相关。前 者不难理解，比如说缺水导致歉收；后者对
8、大众却有点生疏，它指的是两 者有着相同和相异的变化趋势。相同的趋势叫做正相关，比如一组孩子的 身高和体重往往是正相关的，身高越高体重相应越重；相异的则是负相关， 比如吃高脂肪的食物越多，患血管疾病的几率越大。这些关系并不是因果 关系，不能确定其中一个变量的变化导致了另一个变量的变化。很有可能 存在另一个变量影响了它们两个。然而，将相关当作因果确实屡见不鲜。某调查显示，常去网吧和学习 成绩低下呈高度正相关，就是说学生去网吧越频繁，学习成绩越差。这不免让人推论，去网吧使成绩变差，但事实情况可能并不存在这种因果关系， 而是厌学情绪或者学习障碍导致了学生成绩差和喜欢去网吧。在这个例子 中，去网吧的频率
9、和学习成绩可能都受厌学情绪的影响。学生厌学情绪越 强烈，去网吧越频繁，同时学习成绩越差。仅仅把相关的两者看作因果， 从而将学习不好完全归因于网吧。而禁止学生去网吧，起到的作用很可能 十分有限。一个收费昂贵的训练班宣称，他们的学员在毕业后三年都获得了极高 的收入。只要仔细检查一下他们统计的数据，会发现这么事实：这些学员 在入学前已有一定的经济基础，正因为如此他们才担负得起高昂的学费， 则他们增长的收入很大程度上来自于已有的基础。统计数据的真实性统计时需要样本足够大，尽可能减少随机误差带来的干扰。 这个“大” 在不同的情况下是很不一样的。如果研究的是一所学校，可能选取一到两 个班就可以了。可如果涉及的问题是全国性质的，可能人数就要达到数千、 数万甚至更大。样本容量有保证是一方面，另一方面是样本选取不能有偏， 就是样本能很好的代表总体。如果人们现在做一个调查，看一看最初恢复高考的三年中几所名 牌大学入学学生如今的年收入，会得到很高高数字。其实是调查的缺陷， 能够准确联系调查的却只有一部分较为成功的人。其中有一些人却不一定 愿意接受调查。最后，还不能排除一些人受赞许倾向的影响，有意无意地 提高报告自己的收入水平。最终，调查员只回收了那些成功人士的数据， 而沉默的大多数 却被“统计式”地忽视了。
