控制变量根据研究目的、运用一定手段(实验仪器、设备等)主动干预或控制自然事物、自然现象发展的过程,在特定的观察条件下探索客观规律的一种研究方法。
自然界发生的各种现象往往是错综复杂的,并且被研究对象往往不是孤立的,总是处于与其他事物和现象的相互联系之中,因此影响研究对象的因素在许多情况下并不是单一的,而是多种因素相互交错、共同起作用的。要想精确地把握研究对象的各种特性,弄清事物变化的原因和规律,单靠自然条件下整体观察研究对象是远远不够的,还必须对研究对象施加人为的影响,造成特定的便于观察的条件,这就是控制变量的方法。控制变量的科学方法在物理学的研究中是经常使用的。
例如在研究气体的温度、体积、压强这3个状态变量之间的关系时,必须设法把决定气体状态的一个量或两个量用人为的方法控制起来,使它保持不变,然后来比较、研究其他两个变量之间的关系。在进行观察时,首先把研究对象限定为一定质量的气体,然后研究在温度恒定的条件下,它的体积跟压强的关系,得出了玻意耳定律。如果使一定质量气体的体积(或压强)保持不变,研究它的压强跟温度的关系(或体积跟温度的关系),便得出了查理定律了(或盖·吕萨克定律)。这2个定律都是用控制变量的方法得出的描述一定质量的气体的状态量之间的关系的实验定律,为建立理想气体模型、推导理想气体状态方程提供了可靠的实验依据。
在研究物体的加速度跟所受的外力和物体质量的关系时,也采用了控制变量的方法。如先研究物体质量不变时,在大小不同的外力作用下,物体的加速度跟外力的关系;再研究在相同大小的外力作用下,物体的加速度跟质量的关系。这就是著名的牛顿第二定律。 比如一位保健品推销员推销产品:
第一种说法:“这补脑剂效果可好了,我儿子吃了一个月,学习成绩明显提高了。”;第二种说法:“我们的研究表明,在吃了我们的保健品半年后,学生的记忆力显著提高。”到底哪种说法可信,通过控制变量的方法解决。
一般数据会受许多因素的影响,所谓控制变量,指的就是把额外的因素控制住,使它们尽量少地影响数据,从而让人们能集中观察需要研究的因素产生了什么影响。比如,针对这种保健品,科学家不会简单说有效还是无效,而是要进行实验,把年龄、教学方法之类额外的因素影响去除,单独针对保健品来检验。他会选取一个班级,先测试一下孩子的记忆力,然后把孩子随机分成两半,一半服用保健品,一半服用相同量的面粉压成的药片,即安慰剂。三个月或半年半年以后回来再次测试,看看两组的成绩有没有差异。如果实验结束后,学生们的记忆力确实比半年前有所提高,可两组之间没有差异,就知道,这提高并非来自保健品的功效了。这里服用安慰剂就是控制其他影响记忆力的变化因素。 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。