如果是你自己都不愿意被对待的事情或者心里,何必把这样的情况施加再别人的身上.这句话我很喜欢引以为戒.告诉我要换位思考
请参考课本.
1.排除法排除法（elimination method）是把额外变量从实验中排除出
去.如果外界的噪音和光线影响实验,最好的办法是进入隔音室或暗室,这
样可把它们排除掉.霍桑效应和实验者效应会影响实验结果,最佳的办法是
采用双盲实验（double blind experiment）.从控制变量的观点来看,排除
法确实有效.但用排除法所得到的研究结果却缺乏推论的普遍性.例如,如
果顾虑主试者与被试者的彼此接触会影响实验结果,而采用自动呈现刺激及
自动记录实验结果的方法,则所得结果便不能对人们日常生活中的同类行为
作出推论和解释.
2.恒定法恒定法（constant method）就是使额外变量在实验的过程中保持固定不变.如果消除额外变量有困难,就可以采用恒定法.不同的实验场
所、不同的实验者、不同的实验时间都是额外变量.有效的控制方法是在同
一实验室、由同一实验者、在同一个时间对实验组和控制组使用同样的实验
程序进行实验.如果实验时强度变化的噪音无法消除,则可以用噪音发生器
发生恒定的噪音来加以掩蔽.除上述实验条件保持恒定外,实验者和控制组
被试者的特性（如年龄、性别、自我强度、成就、动机等）也是实验结果发
生混淆的主要根源,也应保持恒定.只有这样,两个组在作业上的差异才可
归于自变量的效果.用恒定法控制额外变量也有缺点：（1）实验结果不能推
广到额外变量的其他水平上去.例如,如果只用男性成人作为被试者进行实
验,其结果不能推广到女性成人.（2）操纵的自变量和保持恒定的额外变量
可能产生交互作用.例如,如果被试者是男性,实验者是富有魅力的女性,
实验时,实验者可能使被试者分心.这是交互作用产生的额外变量.
3.匹配法匹配法（matching method）是使实验组和控制组中的被试者的
特点相等的一种方法.使用匹配法时,先要测量所有被试者和实验中要完成
的作业具有高相关的特点；然后根据测得的结果把实验组和控制组的被试者
的特点匹配成相等的.若要做“练习对学习射击成功影响”的实验,先预测
一下被试者打靶的成绩,然后把两个预测成绩相等（击中环数相等）的被试
者分别分到实验组和控制组,匹配成条件相等的两组被试者参加实验.这种
方法在理论上虽然可取,但在实际上很难行得通.因为,如果超过一个特性
（或因素）以上时,实验者常感到顾此失彼,甚至无法匹配.例如,实验者
要同时考虑年龄、性别、起始成绩、智力等因素,力图使所有因素均匹配成
相等而编为两组就很困难了.即使能解决此困难,也将使很多被试者不能参
加这个实验.更何况,属于中介变量的诸因素,如动机、态度等,更是无法
找到可靠的依据进行匹配.因此,匹配法在实际上并不常用.
4.随机化法随机化（randomization）是根据概率理论,把被试者随机地
分派到各处理组中.从界定的被试者总体中用抽签法或随机数字法抽取被试
者样本,由于随机取样使总体中的各个成员有同等机会被抽取,因而有相当
大的可能性使样本保持与总体有相同的结构.随机取样后,再把随机抽出的
被试者样本随机地分到各种处理中去.例如,有三种处理组：实验一组、实
验二组、控制组.给每一处理组指定一个数字,如0、1、2,并定好先分给
样本A,再分给样本B、C.如果在随机表上遇到“2”,就把样本组A 定为控
制组；再遇到“0”,就把样本组B 定为实验一,依此类推.从理论上讲,随
机法是控制额外变量的最佳方法,因为根据概率理论,各组被试者所具备的
各种条件和机会是均等的,不会导致系统性偏差.它不仅能克服匹配法顾此
失彼的缺点,还能控制难以观察的中介变量（如动机、情感、疲劳、注意等）.
随机法不仅能应用于被试者,也能应用于呈现刺激的安排.例如,如果有许
多处理施加于被试者,为了消除系列效应（即前面的处理对后面的处理的影
响）,可以用随机法安排各种处理出现的顺序.
5.抵消平衡法抵消平衡法（counterbalancing method）是通过采用某些
综合平衡的使额外变量的效果互相抵消以达到控制额外变量的目的的方
法.这种方法的主要作用是控制序列效应（sequence effect）.如果给被试
者施加一系列以固定顺序出现的不同处理,被试者的反应将会受到时序先后
的影响.如果先后两种处理在性质上无关,就会产生疲劳的影响.这两种影
响都可以使实验发生混淆,因而要加以抵消.如果只有A、B 两种处理,最常
用的抵消序列效应的方法是用ABBA 的安排.即对同一组被试者先给予A 处
理,再给予B 处理；然后倒过来,先给予B 处理,再给予A 处理.如果对几
组被试者给予两种以上的处理,为了抵消序列效应则可采用拉丁方实验
（Latin square experiment）.
6.统计控制法上述各种方法都是在实验设计时可以采用的.这些方法统
称为实验控制（experimental control）.但有时候由于条件限制,上述的
各种方法不能使用,明知有因素将会影响实验结果,却无法在实验中加以排
除或控制.在这种情形下,只有做完实验后采用协方差分析（或共变数分析）
（analysis of covariance）,把影响结果的因素分析出来,以达到对额外
变量的控制.这种事后用统计技术来达到控制额外变量的方法,称为统计控
制（statistical control）.例如,在对两班学生进行实验以比较两种教学
方法的好坏时,虽然实验者事先知道此两班学生的智力不等,但限于条件,
实验前却无法对智力因素加以控制使两班学生的智力水平相当.显然智力是
影响实验结果的重要因素.实验后,使用协方差分析将智力因素所产生的影
响排除后,就可以比较两种教学方法的优劣了.统计控制法除协方差分析外,
还可用偏相关等方法
马太效应指强者愈强、弱者愈弱的社会现象。马太效应直接关系个人事业的成功和企业的发展，它为成功者走向更大的成功提供了方法，也为失败者超越失败指明了方向。我们常常用“运”来形容一个人拥有非凡的运气，事事顺利越来越好。我们也会用来形容那些衰运气的人，仿佛他们就是一个小倒霉蛋，什么坏事都一起找上门。其实，这些都可以用现象来解释。有一个朋友，近一段时间遭遇了巨大的人生变故——先是婚姻出现问题，刚把婚离了，工作上又屡遭排挤，与职称晋级无缘；后来生了一场大病，动了手术，整个人瘦得皮包骨头，直到现在还在恢复和观察中。作为朋友，也只能默默陪伴，有时候安慰都显得那么苍白无力。她呢，当然是有理由抱怨、发牢骚，虽然也知道根本是没什么用处的。在劝她的时候，我想到了马太效应。她问，什么是马太效应？我让她自己去查。或许，她通过亲自去了解这些知识，能够找到宽慰自己的路。对于已然毫无可能改变的坏事不断发生在自己身上的事实，先接受再试着改变，用积极的态度和行为切断马太效应在身上不断发生的连锁反应。但我们可以选择自己的态度。在巨大的灾难和莫测的命运面前，知道哪些可为哪些不可为，不让自己陷入到自怨自艾的深渊里爬不出来，这也许是处于焦虑和苦难中的人迈出自救的第一步。在同一个单位上班，有的人闲死有的人忙死，这也可以用马太效应解释——工作量越大，领导给你安排的活越多；越是清闲的人，好像变成了透明人，活都绕着他走。且不论被剥夺者是否开心（想必大多是开心的，甚至是费劲心思情愿被剥夺的），单说这种工作量多的愈多、少的愈少的现象，对体制内的人来说，根本就是在打击人的工作积极性——既然拿着一样的工资，凭什么别人啥都不干，有的人就要累成狗？怨言归怨言，好在我找到了理论支持，稍安勿躁。所以说，的不是业务精熟、会的多的人，的是工作中的马太效应，以及那些助纣为虐、滋生这种恶性环境的土壤。除了依靠自己的能力和认知，我想不出还有什么力量能完成这种痛苦的蜕变。毕竟，生活中总有一些被称之为命运的东西是我们不能掌控的。每个成功人士在获得成就之前，都会经历种种的磨难，只要坚持不放弃，克服了困难才能享受现在的成绩。万事开头难，当你处处碰壁的时候，不要把它当做是一种苦难，而是一次挑战，转换心态去面对未知的恐惧。人们若想拥有光明的未来，唯一能够依靠的只有自己，因此对于自己应该有一个明确的定位，要知道自己生活的目标是什么，当一个人拥有去努力的目标时，越被打压，就会越反抗，越坚强，因为这样才能证明自己。
