科学研究中的简单实验

研究人员经常用一个简单的实验来确定一个变量的变化是否会导致另一个变量的变化变量换句话说，建立因果关系。例如，在一个观察新药疗效的简单实验中，研究参与者可能是这样的随机分配给两组中的一组:其中一组是对照组不接受任何治疗，而另一组是对照组实验组接收正在研究治疗。

一个简单的实验的元素

一个简单的实验是由几个关键要素：

• 实验假设:这是一种预测治疗将产生效果的陈述，因此总是被描述为因果陈述。例如，研究人员可以这样表述一个假设:“服用a药物将导致b疾病症状的减轻。”
• 零假设：这是一个假设实验处理不会对参与者或因变量产生影响。值得注意的是，没有发现治疗的效果并不意味着没有效果。治疗可能会影响另一个变量，研究人员没有在当前的实验中测量。
• 的独立变量:受实验者操纵的处理变量。
• 的因变量:这是指研究人员正在测量响应。
• 对照组：这些人被随机分配到一个小组，但没有接受治疗。对照组的测量结果将与实验组的测量结果进行比较，以确定治疗是否有效。
• 实验组:这组研究参与者是由随机选择的受试者组成的，他们将接受被测试的治疗。

确定一个简单实验的结果

一旦从简单的实验中收集到数据，研究人员就会将实验组的结果与对照组的结果进行比较，以确定治疗是否有效。由于错误的可能性总是存在，所以不可能百分之百确定两个变量之间的关系。例如，可能存在影响实验结果的未知变量。

尽管这样的挑战，也有办法来确定是否存在极有可能是一个有意义的关系。要做到这一点，科学家使用推理统计的一门科学的分支，关于基于措施人口得出推论交易从拍摄代表性的样本的人口。

以确定是否有治疗效果的关键是要衡量统计学意义。统计显着性表明，这些变量之间的关系可能不是由于单纯的机会，一个真正关系的两个变量之间最有可能存在。

有许多测量统计显着性的不同手段。使用将取决于被用于实验研究设计的类型之一。