Комплексные исследовательские проекты

Исследователя Симону Шнал и ее коллег интересовало, вызывает ли физическое отвращение людей к более суровым моральным суждениям (Schnall, Haidt, Clore, & Jordan, 2008). Шналл, С., Хайдт, Дж., Клор, Г.Л., и Джордан, А.Х. (2008). Отвращение как воплощенное моральное суждение. Бюллетень личности и социальной психологии , 34 , 1096–1109.Они провели эксперимент, в котором манипулировали чувством отвращения участников, проверяя их либо в чистой комнате, либо в грязной комнате, где были грязные тарелки, переполненная корзина для мусора и изжеванная ручка. Они также использовали анкету самоотчета, чтобы измерить количество внимания, которое люди уделяют своим телесным ощущениям. Они назвали это «частным телесным сознанием». Они измерили свою первичную зависимую переменную, жесткость моральных суждений людей, описав различные варианты поведения (например, поедание мертвой собаки, невозврат найденного кошелька) и попросив участников оценить моральную приемлемость каждого из них по шкале от 1 до 7. Они также измерили некоторые другие зависимые переменные, в том числе готовность участников поесть в новом ресторане. Окончательно, исследователи попросили участников оценить текущий уровень отвращения и других эмоций. Основные результаты этого исследования заключались в том, что участники в грязной комнате на самом деле испытывали большее отвращение и выносили более суровые моральные суждения, чем участники в чистой комнате, но только в том случае, если они набирали относительно высокие баллы по сознанию собственного тела.

Планы исследований, которые мы рассматривали до сих пор, были простыми — они фокусировались на вопросе об одной переменной или о статистической взаимосвязи между двумя переменными. Но во многом сложный план эксперимента, предпринятого Шналль и ее коллегами, более типичен для исследований в области психологии. К счастью, мы уже рассмотрели основные элементы таких конструкций в предыдущих главах. В этой главе мы подробно рассмотрим, как и почему исследователи комбинируют эти базовые элементы в более сложные конструкции. Мы начинаем со сложных экспериментов, рассматривая сначала включение нескольких зависимых переменных, а затем включение нескольких независимых переменных. Наконец, мы рассмотрим сложные корреляционные схемы.

8.1 Несколько зависимых переменных

ЦЕЛИ ОБУЧЕНИЯ

1. Объясните, почему исследователи часто включают в свои исследования несколько зависимых переменных.
2. Объясните, что такое проверка манипулирования и когда она будет включена в эксперимент.

Представьте, что вы приложили усилия, чтобы найти тему исследования, просмотреть исследовательскую литературу, сформулировать вопрос, спланировать эксперимент, получить одобрение институционального контрольного совета (IRB), набрать участников исследования и манипулировать независимой переменной. Было бы почти расточительно измерять одну зависимую переменную. Даже если вас в первую очередь интересует взаимосвязь между независимой переменной и одной первичной зависимой переменной, обычно есть еще несколько вопросов, на которые вы можете легко ответить, включив несколько зависимых переменных .

Меры различных конструкций

Часто исследователь хочет знать, как независимая переменная влияет на несколько различных зависимых переменных. Например, Шналл и ее коллеги интересовались тем, как чувство отвращения влияет на жесткость моральных суждений людей, но им также было любопытно, как отвращение влияет на другие переменные, например на готовность людей поесть в ресторане. В качестве другого примера исследовательницу Сьюзан Кнаско интересовало, как разные запахи влияют на поведение людей (Кнаско, 1992). Кнаско, Южная Каролина (1992). Влияние окружающего запаха на творчество, настроение и воспринимаемое здоровье. Химические чувства , 17 , 27–35.Она провела эксперимент, в котором независимой переменной было то, проходили ли участники тестирование в комнате без запаха или в комнате, ароматизированной лимоном, лавандой или диметилсульфидом (имеющим запах капусты). Хотя в первую очередь ее интересовало, как запахи влияют на творческие способности людей, ей также было любопытно, как они влияют на настроение людей и их самочувствие — и измерить эти зависимые переменные тоже было достаточно просто. Хотя она обнаружила, что окружающий запах не влиял на творческие способности, она обнаружила, что настроение людей было ниже в состоянии диметилсульфида, а их воспринимаемое здоровье было лучше в состоянии лимона.

Когда эксперимент включает в себя несколько зависимых переменных, снова существует возможность эффекта переноса. Например, возможно, что измерение настроения участников перед измерением их воспринимаемого здоровья может повлиять на их предполагаемое здоровье или измерение их предполагаемого здоровья до того, как их настроение может повлиять на их настроение. Поэтому порядок, в котором измеряются несколько зависимых переменных, становится проблемой. Один из подходов состоит в том, чтобы измерять их в одном и том же порядке для всех участников — обычно с самым важным первым, чтобы на него не повлияло измерение других. Другой подход заключается в уравновешивании или систематическом изменении порядка измерения зависимых переменных.

Проверка манипуляций

Когда независимая переменная является конструкцией, которой можно манипулировать только косвенно, например, эмоциями и другими внутренними состояниями, часто включается дополнительная мера этой независимой переменной в качестве проверки манипулирования . Это делается для подтверждения того, что с независимой переменной действительно успешно манипулировали. Например, Шналль и ее коллеги попросили участников оценить уровень своего отвращения, чтобы убедиться, что те, кто находился в грязной комнате, на самом деле чувствовали большее отвращение, чем те, кто находился в чистой комнате. Проверка манипуляции обычно проводится в конце процедуры, чтобы убедиться, что эффект от манипуляции сохраняется на протяжении всей процедуры, и чтобы не привлекать ненужного внимания к манипуляции.

Проверки манипулирования становятся особенно важными, когда оказывается, что манипулирование независимой переменной не влияет на зависимую переменную. Представьте, например, что вы показывали участникам счастливую или грустную музыку из фильмов, намереваясь вызвать у них радостное или грустное настроение, но обнаружили, что это никак не повлияло на количество счастливых или грустных детских событий, которые они вспомнили. Это может быть связано с тем, что счастливое или грустное настроение не влияет на воспоминания о событиях детства. Но также могло случиться так, что музыка была неэффективна для создания у участников радостного или грустного настроения. Проверка манипуляции — в данном случае мера настроения участников — помогла бы устранить эту неопределенность. Если бы он показал, что вы успешно манипулировали настроением участников, то оказалось бы, что влияние настроения на воспоминания о детских событиях действительно отсутствует.

Меры той же конструкции

Другим распространенным подходом к включению нескольких зависимых переменных является оперативное определение и измерение одной и той же или тесно связанных конструкций разными способами. Представьте, например, что исследователь проводит эксперимент по влиянию ежедневных физических упражнений на стресс. Зависимая переменная, стресс, является конструктом, который может быть операционально определен различными способами. По этой причине исследователь может попросить участников заполнить бумажно-карандашную шкалу воспринимаемого стресса и измерить уровень гормона стресса кортизола. Это пример использования сходящихся операций. Если исследователь обнаружит, что упражнения одинаково влияют на разные показатели, то он или она может быть уверен в выводе, что упражнения влияют на более общую структуру стресса.

Когда несколько зависимых переменных являются разными показателями одной и той же конструкции, особенно если они измеряются по одной и той же шкале, у исследователей есть возможность объединить их в одну меру этой конструкции. Напомним, что Шналль и ее коллег интересовала жесткость моральных суждений людей. Чтобы измерить эту конструкцию, они представили своим участникам семь различных сценариев, описывающих морально сомнительное поведение, и попросили их оценить моральную приемлемость каждого из них. Хотя они могли рассматривать каждый из семи рейтингов как отдельную зависимую переменную, эти исследователи объединили их в одну зависимую переменную, вычислив их среднее значение.

Когда исследователи комбинируют зависимые переменные таким образом, они рассматривают их вместе как меру множественных ответов одной конструкции. Преимущество этого заключается в том, что меры с множественными ответами, как правило, более надежны, чем меры с одним ответом. Однако важно убедиться, что отдельные зависимые переменные коррелируют друг с другом, вычислив внутреннюю меру согласованности, такую ​​как α Кронбаха. Если они не соотнесены друг с другом, то нет смысла объединять их в меру единого конструкта. Если они имеют плохую внутреннюю согласованность, то их следует рассматривать как отдельные зависимые переменные.

КЛЮЧЕВЫЕ ВЫВОДЫ

• Исследователи в области психологии часто включают в свои исследования несколько зависимых переменных. Основная причина заключается в том, что это позволяет им легко ответить на большее количество исследовательских вопросов с минимальными дополнительными усилиями.
• Когда независимая переменная является конструкцией, с которой манипулируют косвенно, рекомендуется включить проверку манипулирования. Это мера независимой переменной, которую обычно дают в конце процедуры, чтобы подтвердить, что ею успешно манипулировали.
• Несколько мер одной и той же конструкции можно анализировать по отдельности или объединять для получения одной многоэлементной меры этой конструкции. Последний подход требует, чтобы меры, принимаемые вместе, имели хорошую внутреннюю согласованность.

УПРАЖНЕНИЯ

1. Практика: перечислите три независимые переменные, для которых было бы хорошо включить проверку манипулирования. Перечислите три других, для которых проверка манипулирования не требуется.
2. Практика: представьте себе исследование, в котором независимой переменной является температура в помещении, в котором тестируются участники, (80°) или прохлада (65°). Перечислите три зависимые переменные, которые вы могли бы рассматривать как меры отдельных переменных. Перечислите еще три, которые вы могли бы объединить и рассматривать как показатели одной и той же базовой конструкции.

8.2 Несколько независимых переменных

ЦЕЛИ ОБУЧЕНИЯ

1. Объясните, почему исследователи часто включают в свои исследования несколько независимых переменных.
2. Дайте определение факторному плану и используйте таблицу 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 схемами.

Подобно тому, 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 фактическими заголовками из различных профессиональных журналов:

• Влияние временной задержки и ориентации на тактильное распознавание объектов
• Открытие закрытых умов: комбинированное влияние межгруппового контакта и потребности в закрытии на предрассудки
• 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

Точно так же, как включение нескольких зависимых переменных в один и тот же эксперимент позволяет ответить на большее количество вопросов исследования, то же самое можно сказать и о включении в один и тот же эксперимент нескольких независимых переменных. 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. Шналль 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.

Факторные планы

Обзор

На сегодняшний день наиболее распространенным подходом к включению нескольких независимых переменных в эксперимент является факторный план. В факторном плане 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 в таблице факторного плана на рисунке 8.2 «Таблица факторного плана, представляющая факторный план 2 × 2».. 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 представляет собой факторный план 2 × 2 (читай «два на два»), поскольку 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:

Рисунок 8.2 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. Рисунок 8.3 «Таблица факторного плана, представляющая факторный план 2 × 2 × 2»показывает один из способов представления этого дизайна. На практике необычно наличие более трех независимых переменных с более чем двумя или тремя уровнями каждая, потому что 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. 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 8.3 Таблица факторного плана, представляющая факторный план 2 × 2 × 2

Назначение участников условиям

Напомним, что в простом межсубъектном исследовании каждый участник тестируется только в одном условии. 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 межсубъектном факторном плане все независимые переменные манипулируются между субъектами. Например, всех участников можно было протестировать либо при использовании сотового телефона , либо при его отсутствии, а также днем ​​или ночью. Это означало бы, что каждый участник был протестирован в одном и только одном состоянии. Внутрисубъектный факторный план, все независимые переменные манипулируются внутри субъектов. Всех участников можно было протестировать как с мобильным телефоном , так и без него, а также днем ​​и ночью. Это означало бы, что каждый участник был протестирован во всех условиях. Преимущества и недостатки этих двух подходов аналогичны рассмотренным в главе 6 «Экспериментальные исследования» . План между субъектами 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 смешанным факторным планом . 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 дизайн межсубъектным, внутрисубъектным или смешанным, фактическое назначение участников условиям или порядкам условий обычно осуществляется случайным образом.

Неманипулируемые независимые переменные

Во многих факторных планах одной из независимых переменных является неманипулируемая независимая переменная . 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, которое исследователи просто измерили. Другим примером является исследование, проведенное Холли Браун и его коллегами, в котором участникам показывали несколько слов, которые позже их просили вспомнить (Brown, Kosslyn, Delamater, Fama, & Barsky, 1999). Браун, Х.Д., Косслин, С.М., Деламатер, Б., Фама, А., и Барски, А.Дж. (1999). Предубеждения восприятия и памяти для информации, связанной со здоровьем, у ипохондриков.Журнал психосоматических исследований , 47 , 67–78. 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 влияет на жесткость моральных суждений их участников, потому что они не манипулировали этой переменной. Например, может быть, 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. Но у них не было бы оснований заключить, что сознание личного тела участников влияет на жесткость моральных суждений их участников, потому что они не манипулировали этой переменной. Например, может быть, 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. Но у них не было бы оснований заключить, что сознание личного тела участников влияет на жесткость моральных суждений их участников, потому что они не манипулировали этой переменной. Например, может быть, 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 — с помощью различных видов столбиков или линий . ( Ось Y всегда зарезервирована для зависимой переменной.) На рис. 8.4 «Два способа построения графика результатов факторного эксперимента с двумя независимыми переменными» показаны результаты двух гипотетических факторных экспериментов. На верхней панели показаны результаты дизайна 2 × 2. Время дня (день или ночь) представлено разными точками на оси X , а использование сотового телефона (нет или да) представлено полосами разного цвета. (Также можно представить использование сотового телефона на x-ось и время суток в виде полос разного цвета. Выбор сводится к тому, какой способ наиболее четко передает результаты.) Нижняя часть рисунка 8.4 «Два способа построения графика результатов факторного эксперимента с двумя независимыми переменными» показывает результаты плана 4 × 2, в котором одна переменных является количественным. Эта переменная, продолжительность психотерапии, представлена ​​по оси абсцисс , 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.

Рис. 8.4 . Два способа построения графика результатов факторного эксперимента с двумя независимыми переменными

Основные эффекты и взаимодействия

В факторных планах интерес представляют два вида результатов: основные эффекты и эффекты взаимодействия (которые также называются просто «взаимодействиями»). Основным эффектом является статистическая связь между одной независимой переменной и зависимой переменной — усреднение по уровням другой независимой переменной. Таким образом, для каждой независимой переменной в исследовании необходимо учитывать один основной эффект. Верхняя панель рисунка 8.4 «Два способа построения графика результатов факторного эксперимента с двумя независимыми переменными».показывает 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 панель рисунка 8.4 «Два способа построения графика результатов факторного эксперимента с двумя независимыми переменными»., например, показывает явный основной эффект продолжительности психотерапии. Чем дольше психотерапия, тем лучше она работала. Но это также не показывает общего преимущества одного типа психотерапии над другим.

Существует взаимодействиеэффект (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 того, была ли комната чистой или грязной, 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 по-разному зависеть от уровня другой. Это показано на рис. 8.5 «Гистограммы, показывающие три типа взаимодействий».. На верхней панели одна независимая переменная влияет на один уровень второй независимой переменной, но не влияет на другие. (Это очень похоже на исследование Шналль и ее коллег, где эффект отвращения наблюдался у тех, у кого было высокое сознание частного тела, но не у тех, у кого было низкое сознание частного тела.) На средней панели одна независимая переменная оказывает более сильное влияние на на один уровень второй независимой переменной, чем на другой уровень. Это похоже на пример с гипотетическим вождением, где эффект от использования сотового телефона ночью был сильнее, чем днем. На нижней панели одна независимая переменная снова оказывает влияние на оба уровня второй независимой переменной, но эти эффекты имеют противоположные направления. Рисунок 8.5 «Гистограммы, показывающие три типа взаимодействий»показывает самую сильную форму такого взаимодействия, называемую перекрестным взаимодействием . Одним из примеров перекрестного взаимодействия является исследование Кэти Гиллиланд о влиянии кофеина на результаты вербальных тестов интровертов и экстравертов (Гиллиленд, 1980). Гиллиленд, К. (1980). Интерактивный эффект интроверсии-экстраверсии с возбуждением, вызванным кофеином, на вербальные действия. Журнал исследований личности , 14 , 482–492. 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 8.6 «Линейные графики, показывающие три типа взаимодействий»показывает 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.

Рисунок 8.5 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.

Рисунок 8.6 . 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.

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.

КЛЮЧЕВЫЕ ВЫВОДЫ

• 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.

УПРАЖНЕНИЯ

1. Практика: Вернитесь к пяти названиям 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 SAT. Обязательно укажите, будет ли изменяться каждая независимая переменная между испытуемыми или внутри испытуемых, и объясните, почему.

8.3 Сложные корреляционные планы

ЦЕЛИ ОБУЧЕНИЯ

1. Объясните некоторые причины, по которым исследователи используют сложные корреляционные схемы.
2. Создайте и интерпретируйте матрицу корреляции.
3. Опишите, как исследователи могут использовать корреляционное исследование для изучения причинно-следственных связей между переменными, включая ограничения этого подхода.

Как мы уже видели, исследователи проводят корреляционные исследования, а не эксперименты, когда их интересуют непричинные отношения или когда они интересуются причинными отношениями, где независимой переменной нельзя манипулировать по практическим или этическим причинам. В этом разделе мы рассмотрим некоторые подходы к сложным корреляционным исследованиям, которые включают измерение нескольких переменных и оценку взаимосвязей между ними.

Корреляционные исследования с факторными планами

Мы уже видели, что факторные эксперименты могут включать в себя манипулируемые независимые переменные или комбинацию манипулируемых и неманипулируемых независимых переменных. Но факторные планы также могут включать тольконеманипулируемые независимые переменные, и в этом случае они уже не эксперименты, а корреляционные исследования. Рассмотрим гипотетическое исследование, в котором исследователь измеряет как настроение, так и самооценку нескольких участников, классифицируя их как имеющих позитивное или негативное настроение, а также как обладающих высокой или низкой самооценкой, а также их готовность к незащищенным действиям. половой акт. Это можно представить как факторный план 2 × 2 с настроением (положительное или отрицательное) и самооценкой (высокое или низкое) в качестве межсубъектных факторов. (Готовность к незащищенному сексу является зависимой переменной.) Этот план может быть представлен в таблице факторного плана, а результаты — в виде гистограммы, которую мы уже видели. Исследователь рассмотрит главный эффект секса, главный эффект самооценки,

Опять же, поскольку ни одна из независимых переменных в этом примере не подвергалась манипуляциям, это скорее корреляционное исследование, чем эксперимент. (Аналогичное исследование MacDonald and Martineau [2002] MacDonald, TK, & Martineau, AM (2002). Самооценка, настроение и намерения использовать презервативы: когда низкая самооценка приводит к опасному для здоровья поведению? Journal of Experimental Социальная психология, 38 , 299–306.был экспериментом, потому что они манипулировали настроением своих участников.) Это важно, потому что, как всегда, нужно быть осторожным в выводе причинно-следственной связи из корреляционных исследований из-за проблем направленности и третьей переменной. Например, основное влияние настроения участников на их готовность к незащищенному сексу может быть вызвано любой другой переменной, которая коррелирует с их настроением.

Оценка взаимосвязей между несколькими переменными

Однако самые сложные корреляционные исследования не вписываются точно в факторный план. Вместо этого он включает в себя измерение нескольких переменных — часто как категорийных, так и количественных — с последующей оценкой статистических взаимосвязей между ними. Например, исследователи Натан Рэдклифф и Уильям Кляйн изучили выборку взрослых людей среднего возраста, чтобы увидеть, как их уровень оптимизма (измеряемый с помощью короткого опросника под названием «Тест жизненной ориентации») связан с несколькими другими переменными, связанными с сердечным приступом (Рэдклифф). и Кляйн, 2002). Рэдклифф, Н. М., и Кляйн, WMP (2002). Диспозиционный, нереалистичный и сравнительный оптимизм: дифференциальные отношения со знанием и обработкой информации о риске и убеждениями о личном риске. Вестник Личности и Социальной Психологии , 28, 836–846. К ним относятся их здоровье, их знания о факторах риска сердечного приступа и их убеждения относительно собственного риска сердечного приступа. Они обнаружили, что более оптимистичные участники были здоровее (например, они больше тренировались и у них было более низкое кровяное давление), знали о факторах риска сердечного приступа и правильно полагали, что их собственный риск ниже, чем у их сверстников.

Этот подход часто используется для оценки достоверности новых психологических мер. Например, когда Джон Качиоппо и Ричард Петти создали свою шкалу потребности в познании — меру степени, в которой люди любят думать и ценят мышление, — они использовали ее для измерения потребности в познании у большой выборки студентов колледжей, а также три другие переменные: интеллект, социально желательная реакция (тенденция давать то, что человек считает «подходящей» реакцией) и догматизм (Caccioppo & Petty, 1982). Качиоппо, Дж. Т., и Петти, Р. Е. (1982). Потребность в познании. Журнал личности и социальной психологии, 42 , 116–131. Результаты этого исследования обобщены вТаблица 8.1 «Матрица корреляции, показывающая корреляции между потребностью в познании и тремя другими переменными на основе исследований Качиоппо и Петти» , которая представляет собой матрицу корреляции, показывающую корреляцию ( r Пирсона).) между всеми возможными парами переменных в исследовании. Например, корреляция между потребностью в познании и интеллектом была +,39, корреляция между интеллектом и социально желательным реагированием была -0,02 и так далее. (Заполняется только половина матрицы, потому что другая половина будет содержать точно такую ​​же информацию. Кроме того, поскольку корреляция между переменной и самой собой всегда +1,00, эти значения заменяются тире по всей матрице.) В этом случае общая картина корреляций согласовывалась с идеями исследователей о том, как оценки потребности в познании должны быть связаны с этими другими конструкциями.

Таблица 8.1 Матрица корреляции, показывающая корреляцию между потребностью в познании и тремя другими переменными на основе исследования Качиоппо и Петти

	Потребность в познании	Интеллект	Социальная желательность	Догматизм
Потребность в познании	—
Интеллект	+0,39	—
Социальная желательность	+0,08	+0,02	—
Догматизм	−0,27	−0,23	+0,03	—

Когда исследователи изучают отношения между большим количеством концептуально сходных переменных, они часто используют сложную статистическую технику, называемую факторным анализом .. По сути, факторный анализ объединяет переменные в меньшее количество кластеров, так что они сильно коррелируют внутри каждого кластера, но слабо коррелируют между кластерами. Затем каждый кластер интерпретируется как несколько показателей одной и той же базовой конструкции. Эти лежащие в основе конструкции также называются «факторами». Например, когда люди выполняют широкий спектр умственных задач, факторный анализ обычно объединяет их в два основных фактора: один исследователи интерпретируют как математический интеллект (арифметика, количественная оценка, пространственное мышление и т. д.), а другой — как вербальный. интеллект (грамматика, понимание прочитанного, словарный запас и т. д.). Факторы личности «Большой пятерки» были определены с помощью факторного анализа оценок людей по большому количеству более специфических черт. Например, показатели теплоты, общительности, уровня активности и положительных эмоций, как правило, сильно коррелируют друг с другом и интерпретируются как представление конструкции экстраверсии. В качестве последнего примера исследователи Питер Рентфроу и Сэмюэл Гослинг попросили более 1700 студентов колледжей оценить, насколько им нравятся 14 различных популярных музыкальных жанров (Rentfrow & Gosling, 2008).Рентфроу, П.Дж., и Гослинг, С.Д. (2008). До-ре-ми повседневной жизни: структура и личностные корреляты музыкальных предпочтений. Журнал личности и социальной психологии , 84 , 1236–1256. Затем они подвергли эти 14 переменных факторному анализу, который выявил четыре различных фактора. Исследователи назвали их рефлексивными и сложными (блюз, джаз, классика и фолк), интенсивными и мятежными (рок, альтернатива и хэви-метал), оптимистичными и традиционными (кантри, саундтрек, религиозная, поп-музыка) и энергичными и ритмичными (рэп ). / хип-хоп, соул / фанк и электроника).

Здесь стоит сделать два дополнительных замечания о факторном анализе. Во-первых, факторы не являются категориями. Факторный анализ не говорит нам, что люди либо экстраверты , либо добросовестны, либо что им нравится либо «рефлексивная и сложная» музыка , либо«интенсивная и бунтарская» музыка. Вместо этого факторы представляют собой конструкции, действующие независимо друг от друга. Таким образом, люди с высоким уровнем экстраверсии могут иметь высокую или низкую сознательность, а люди, которым нравится задумчивая и сложная музыка, могут также любить или не любить интенсивную и бунтарскую музыку. Второй момент заключается в том, что факторный анализ раскрывает только основную структуру переменных. Исследователи должны интерпретировать и обозначать факторы, а также объяснять происхождение этой конкретной факторной структуры. Например, одна из причин того, что экстраверсия и другая «большая пятерка» действуют как отдельные факторы, заключается в том, что они, по-видимому, контролируются разными генами (Plomin, DeFries, McClean, & McGuffin, 2008). Пломин, Р., ДеФрис, Дж. К., Макклирн, GE, и Макгаффин, П. (2008). Поведенческая генетика(5-е изд.). Нью-Йорк, штат Нью-Йорк: Стоит.

Изучение причинно-следственных связей

Еще одно важное применение сложных корреляционных исследований — изучение возможных причинно-следственных связей между переменными. Это может показаться удивительным, учитывая, что «корреляция не подразумевает причинно-следственную связь». Это правда, что корреляционное исследование не может однозначно установить, что одна переменная вызывает другую. Однако комплексное корреляционное исследование часто может использоваться для исключения других правдоподобных интерпретаций.

Основным способом сделать это является статистический контроль потенциальных третьих переменных. Вместо того, чтобы контролировать эти переменные путем случайного назначения или удержания их постоянными, как в эксперименте, исследователь измеряет их и включает в статистический анализ. Рассмотрим некоторые исследования Пола Пиффа и его коллег, которые выдвинули гипотезу о том, что более низкий социально-экономический статус (СЭС) заставляет людей быть более щедрыми (Piff, Kraus, Côté, Hayden Cheng, & Keltner, 2011). Пифф, П.К., Краус, М.В., Котэ, С., Хайден Ченг, Б., и Кельтнер, Д. (2011). Имея меньше, отдавая больше: влияние социального класса на просоциальное поведение. Журнал личности и социальной психологии , 99 , 771–784.Они измерили SES своих участников и заставили их сыграть в «игру диктатора». Они сказали участникам, что каждый будет в паре с другим участником в другой комнате. (На самом деле другого участника не было.) Затем каждому участнику давали по 10 баллов (которые впоследствии можно было конвертировать в деньги), чтобы он делился с «партнером» так, как он решит. Поскольку участники были «диктаторами», они могли даже оставить себе все 10 баллов, если бы захотели.

Как и ожидали эти исследователи, участники с более низким SES, как правило, отдавали больше своих баллов, чем участники с более высоким SES. Это согласуется с идеей о том, что низкий уровень СЭС заставляет людей быть более щедрыми. Но есть также правдоподобные третьи переменные, которые могли бы объяснить эту взаимосвязь. Например, может случиться так, что люди с более низким СЭС, как правило, более религиозны, и именно их большая религиозность заставляет их быть более щедрыми. Или может случиться так, что люди с более низкими показателями СЭС, как правило, происходят из этнических групп, которые подчеркивают щедрость больше, чем представители других этнических групп. Однако исследователи справились с этими потенциальными третьими переменными, измерив их и включив в свой статистический анализ. Они обнаружили, что ни религиозность, ни этническая принадлежность не коррелируют с щедростью, и поэтому смогли исключить их как третьи переменные. Это не доказывает, что SES вызывает большую щедрость, потому что могут быть другие третьи переменные, которые исследователи не измеряли. Но, исключив некоторые из наиболее правдоподобных третьих переменных, исследователи убедительно обосновали SES как причину большей щедрости.

Во многих исследованиях этого типа используется статистический метод, называемый множественной регрессией . Это включает в себя измерение нескольких независимых переменных ( X ₁ , X ₂ , X ₃ ,… X _i ), все из которых являются возможными причинами одной зависимой переменной ( Y ). Результатом множественного регрессионного анализа является уравнение, выражающее зависимую переменную как аддитивную комбинацию независимых переменных. Это уравнение регрессии имеет следующий общий вид:

б ₁ Икс ₁ + б ₂ Икс ₂ + б ₃ Икс ₃ + … + б _я Икс _я знак равно Y .

Величины b ₁ , b ₂ и т. д. являются регрессионными весами, которые показывают, насколько велик вклад независимой переменной в среднем в зависимую переменную. В частности, они показывают, насколько изменяется зависимая переменная при каждом изменении независимой переменной на одну единицу.

Преимущество множественной регрессии заключается в том, что она может показать, вносит ли независимая переменная вклад в зависимую переменную сверх и выше .вклады других независимых переменных. В качестве гипотетического примера представьте, что исследователь хочет знать, как независимые переменные дохода и здоровья соотносятся с зависимой переменной счастья. Это сложно, потому что доход и здоровье сами по себе связаны друг с другом. Таким образом, если люди с более высокими доходами, как правило, счастливее, то, возможно, это происходит только потому, что они, как правило, более здоровы. Точно так же, если более здоровые люди, как правило, счастливее, возможно, это только потому, что они склонны зарабатывать больше денег. Но множественный регрессионный анализ, включающий и доход, и счастье как независимые переменные, покажет, вносит ли каждая из них вклад в счастье, когда принимается во внимание другая. (Кстати, подобные исследования показал, что и доход, и здоровье вносят чрезвычайно небольшой вклад в счастье, за исключением случаев крайней бедности или болезни; Динер, 2000.Динер, Э. (2000). Субъективное благополучие: наука о счастье и предложение по национальному индексу. Американский психолог , 55 , 34–43. )

Примеры, рассмотренные в этом разделе, лишь поверхностно показывают, как исследователи используют сложные корреляционные исследования для изучения возможных причинно-следственных связей между переменными. Однако важно иметь в виду, что чисто корреляционные подходы не могут однозначно установить, что одна переменная вызывает другую. Лучшее, что они могут сделать, — это показать паттерны отношений, которые согласуются с одними каузальными интерпретациями и несовместимы с другими.

КЛЮЧЕВЫЕ ВЫВОДЫ

• Исследователи часто используют сложные корреляционные исследования для изучения взаимосвязей между несколькими переменными в одном и том же исследовании.
• Комплексное корреляционное исследование может использоваться для изучения возможных причинно-следственных связей между переменными с использованием таких методов, как множественная регрессия. Такие планы могут показать закономерности отношений, которые согласуются с одними причинными интерпретациями и несовместимы с другими, но они не могут однозначно установить, что одна переменная вызывает другую.

УПРАЖНЕНИЯ

1. Практика: составьте корреляционную матрицу для гипотетического исследования, включающую такие переменные, как депрессия, тревога, самооценка и счастье. Включите значения r Пирсона, которые вы ожидаете.
2. Обсуждение: представьте себе корреляционное исследование, в котором изучается интеллект, потребность в познании и успеваемость старшеклассников на курсе критического мышления. Множественный регрессионный анализ показывает, что интеллект связан не с успеваемостью в классе, а с потребностью в познании. Объясните, что показало это исследование с точки зрения того, что является причиной хорошей успеваемости в курсе критического мышления.