Good Mood

私たちは本の中で先に見たように、実験は二つの変数間に因果関係があるかどうかの質問に答えるために特別に設計された研究のタイプ 言い換えれば、独立変数の変化が従属変数の変化を引き起こすかどうかです。 実験には二つの基本的な特徴がある。 第一は、研究者が独立変数のレベルを操作するか、または体系的に変化させることである。, 独立変数の異なるレベルは、条件。 例えば、Darley and Latanéの実験では、独立変数は参加者が存在すると信じられている証人の数でした。 研究者は、この独立変数を操作して、議論に参加している学生が一人、二人、または五人いることを参加者に伝え、三つの条件を作り出しました。, 新しい研究者にとっては、この状況には三つの独立変数があると信じることによってこれらの用語を否定するのは簡単です：議論に関与する一、二、または五人の学生ですが、実際には三つの異なる条件（一、二、五人の学生）を持つ独立変数（証人の数）しか存在しません。 実験の第二の基本的な特徴は、研究者が独立変数以外の変数を制御するか、または可変性を最小化することである。 これらの他の変数は、無関係な変数。, DarleyとLatanéは、同じ部屋ですべての参加者をテストし、同じ緊急事態にさらしました。 彼らはまた、三つのグループが最初に互いに似ているように、参加者に条件をランダムに割り当てました。 操作と制御という言葉は日常の言語で同様の意味を持っていますが、研究者はそれらを明確に区別していることに注意してください。 独立変数のレベルを体系的に変更することによって独立変数を操作し、それらを一定に保つことによって他の変数を制御します。,

四つの大きな妥当性

私たちは批判的な見解で心理学の実験について読んだとき、尋ねるべき一つの質問は、”この研究は有効ですか？”しかし、その質問は、心理学にはさまざまな種類の妥当性があるため、それほど簡単ではありません。 研究者は、実験が健全であるかどうかを評価するのに役立つ四つの妥当性に焦点を当てています（Judd&Kenny,1981;Morling,2014）：内部validity validity、外部validity validity、構 私たちはそれぞれの妥当性を深く探求します。,

内部Validity

統計的に関連している二つの変数は、必ずしも一方が他方を引き起こすことを意味しないことを思い出してください。 “相関は因果関係を意味するものではありません。”例えば、定期的に運動する人が定期的に運動しない人よりも幸せである場合、この意味は、必ずしも運動が人々の幸福を高めることを意味するとは限, それは、より大きな幸福が人々を運動させること（方向性の問題）、またはより良い身体的健康のようなものが人々を運動させて幸せにすること（第三変数問題）を意味するかもしれない。

実験の目的は、しかし、二つの変数が統計的に関連していることを示すことであり、独立変数が従属変数に観察された違いを引き起こしたという, 研究者が二つ以上の非常に類似した条件を作成し、それらの間に一つだけの違いを生成するために独立変数を操作する場合、条件の間の後の違いは、独立変数によって引き起こされている必要があります。 たとえば、DarleyとLatanéの条件の唯一の違いは、参加者が議論に関与していると信じていた学生の数であったため、この信念の違いは、条件の間の助けの違い,

経験的研究は、それが行われた方法が独立変数が従属変数に観察された差異を引き起こしたという結論を支持するならば、内部validity validityが高いと言われている。 したがって、実験は、独立変数の操作と無関係な変数の制御によって行われる方法が、因果関係の結論を強力に支持するため、内部validity validityが高い。

外部Validity Validity

同時に、実験が行われる方法は、時には異なる種類の批判につながることがあります。, 具体的には、独立変数を操作し、無関係な変数を制御する必要性は、実験がしばしば人工的に見える条件下で行われることを意味する(Bauman,McGraw,Bartels,&Warren,2014)。, たとえば、研究者Barbara Fredricksonとその同僚が学部生にキャンパス内の研究室に来て、水着を着て数学テストを完了させた実験を考えてみましょう（Fredrickson、Roberts、Noll、Quinn、&Twenge、1998）。 学部生はいつこの実験の外で水着で数学のテストを完了する必要がありますか？

私たちが直面している問題は、外部の妥当性。, 実証的研究は、それが実施された方法が実際に研究されたものを超えて人々や状況に結果を一般化することをサポートする場合、外部validity validity性が高い。 一般的なルールとして、研究は、参加者と研究された状況が研究者が一般化したいものと似ており、参加者が日常的に遭遇し、しばしば世俗的なリアリズムとして記述される場合、外部の妥当性が高くなります。 たとえば、研究者のグループが、大規模な食料品店の買い物客が、朝食用シリアルが黄色または紫色の箱に包装されているかどうかによってどのよう, 彼らの研究は、実際の食料品店で毎週の買い物をしている普通の人々の決定を研究すれば、外部の妥当性が高く、世俗的なリアリズムが高いでしょう。 買い物客が紫色の箱でより多くの穀物を買った場合、研究者はこの増加が他の店の他の買い物客にとっても当てはまるとかなり確信しています。, しかし、コンピュータ画面に表示される様々な色の魅力を判断するだけの選択大学の研究室で学部生のサンプルを研究すると、外部の妥当性は比較的低くなるが、この研究は実験室と現実世界の両方で同じ精神的プロセスが使用される高い心理的リアリズムを有するであろう。, 学生が紫色が黄色よりも魅力的であると判断した場合、研究者は、この好みが外部の妥当性が低いため、食料品の買い物客の穀物購入の決定に関連するとはあまり確信していないだろうが、色の視覚処理が高い心理的リアリズムを持っていると確信している可能性がある。

しかし、実験は外部の妥当性が低いという包括的な結論を引き出さないように注意する必要があります。 一つの理由は、実験が必要なのです。, DarleyとLatanéの実験は、実際の緊急事態の合理的に良いシミュレーションを提供したと考えてください。 または実験室の外で完全に行われる野外実験を考慮しなさい。 そのような実験では、Robert Cialdiniらは、ホテルのゲストが水とエネルギーを節約する方法として洗浄するのではなく、二日目にタオルを再利用するかどうかを調べました（Cialdini、2005）。これらの研究者の操作のメッセージカードを左に大きなサンプルの客室にてご用意いたします。, あるバージョンのメッセージは、環境への敬意を示すことを強調し、別のバージョンは、ホテルが環境の原因に貯蓄の一部を寄付することを強調し、第三は、ほ その結果、ほとんどのホテルのゲストが自分のタオルを再利用することを選択したというメッセージを受け取ったゲストは、他の二つのメッセージのい 彼らが研究を行った方法を考えると、他のホテルの他のゲストにとってその結果が当てはまる可能性が非常に高いようです。,

実験が外部の妥当性が低いという包括的な結論を引き出さない第二の理由は、心理学について学ぶためにしばしば行われることですさまざまな人や状況で動作する可能性のあるプロセス。 Fredricksonらの実験に戻りましょう。 彼らは、彼らの研究の女性ではなく、男性は、彼らが水着を着ていたときに数学のテストで悪化したことがわかりました。, 彼らは、このジェンダーの違いは、女性が自分自身を客観化する傾向が大きいためであると主張した—外部の観察者の視点から自分自身について考え 彼らは、さらに、この自己客観化のプロセスとその注意への影響は、たとえ誰も水着で数学のテストを受けていなくても、さまざまな女性や状況で動作する可能性があると主張しました。,

Construct Validity

実験の結果の一般化可能性に加えて、研究で精査する別の要素は、実験の操作の質、または構造の妥当性です。 DarleyとLatanéが始めた研究の質問は、”行動を助けることは拡散するのですか？”彼らは、研究室の参加者は、自分以外にも潜在的なヘルパーがいると信じていたときに助ける可能性が低いと仮定しました。, この研究課題から実験計画への変換は、操作化と呼ばれます（操作定義の詳細については、第2章を参照）。 DarleyとLatanéは、潜在的なヘルパーの数を増やすことによって、責任の拡散の独立変数を操作しました。, このデザインを評価する際には、実験の操作が研究の質問に非常に明確に話すので、構成の妥当性が非常に高かったと言うでしょう。

DarleyとLatanéの研究の条件の数が変わった場合はどうなりますか？ 一人の学生が議論に関与するか、二つの条件しかなかったかどうかを考えてみましょう。, 私たちは他の人を追加することによって助けの減少を見るかもしれませんが、それは責任の拡散の明確なデモンストレーションではなく、単に他の人 私たちはそれがBanduraの社会抑制の一形態だと思うかもしれません（第4章で議論されています）。 コンストラクトの妥当性は低くなります。 しかし、五つの条件があった場合、おそらく我々は議論の中でより多くの人々と減少が続くか、おそらくそれは人々の一定数の後に高原になるでしょう。, そのような状況では、私たちは必ずしも責任の拡散についてもっと学んでいるとは限らないかもしれません。 加条件の妥当性を構築しない場合ます。 設計の際はご自身の実験方法を考えても、研究の質問がども導入しました。

統計的Validity Validity

実験の一般的な批判は、研究に十分な参加者がいなかったということです。 この批判の主な理由は、小さなサンプルからの母集団について一般化することが困難であるということです。, 当初、この批判は外部の妥当性に関するものであるかのように見えますが、小さなサンプルサイズが問題ではない研究があります（第10章では、1人でも小さなサンプルが依然として心理学研究にとって非常に明るいことについて説明します）。 したがって、サンプルサイズが小さいことは、実際には統計的validity.の批判です。 統計的validity validityは、研究で実施された統計が行われた結論を支持するかどうかを示しています。,

予測された違いまたは関係が見つかったかどうかを判断するために、データに対して適切な統計分析を行う必要があります。 条件の数と合計参加者の数によって、効果の全体的なサイズが決まります。 この情報を使用すると、電力分析を実施することができますあなたが本当の違いを見つける可能性があるかどうかを確認する。 研究を設計するときは、適切な数の参加者を募集してテストできるように、パワー分析について考えるのが最善です（第12章の効果サイズに関する詳細）。, 統計的に有効な実験を設計するには、設計の開始時に統計的検定について考えることは、結果が確実に信じられるようにするのに役立ちます。

妥当性の優先順位付け

これらの四つの大きな妥当性–内部、外部、構造、および統計–は、他の実験について読んで、あなた自身の設計の両方のときに心に留めておくと便利です。 しかし、研究者は優先順位を付けなければならず、しばしば四つの分野すべてで高い妥当性を持つことはできません。 ホテルにおけるタオルの使用に関するCialdiniの研究では、外部の妥当性は高かったが、統計的validity validityはより控えめであった。, この不一致は研究を無効にするものではありませんが、将来のフォローアップ研究のための改善の余地がある可能性があることを示しています（Goldstein、Cialdini、&Griskevicius、2008）。 Morling(2014)ポイントが最も心理学の研究では、高い内的妥当性も犠牲に外部の有効性.,

独立変数の操作

ここでも、独立変数を操作することは、参加者の異なるグループがその変数の異なるレベルにさらされるように、そのレベルを体系的に変更することを意味し、または参加者の同じグループが異なる時間に異なるレベルにさらされるようにすることを意味します。 たとえば、表現力豊かな執筆が人々の健康に影響を与えるかどうかを確認するために、研究者は一部の参加者に外傷性の経験について書くように指示, この章で先に説明したように、独立変数の異なるレベルは条件と呼ばれ、研究者はしばしば条件について話したり書いたりするのを容易にするために短い説明的な名前を付けます。 この場合、条件は”外傷性の状態”および”中立状態”と呼ばれるかもしれません。”

独立変数の操作は、研究者の積極的な介入を伴わなければならないことに注意してください。 研究が始まる前に独立変数で異なる人々のグループを比較することは、その変数を操作することと同じではありません。, たとえば、すでにジャーナルを保持している人々の健康とジャーナルを保持していない人々の健康を比較する研究者は、この変数を操作していないため、実験 研究の開始時にすでに一つの方法で異なるグループが他の方法でも異なる可能性があるため、この区別は重要です。 例えば、ジャーナルを保つことを選ぶ人々はまた人々よりより良心的、内向的、またはより少なく重点を置かれるかもしれない。, したがって、両グループの健康に関する観察された違いは、雑誌を保管するかどうかによって引き起こされたかもしれないし、雑誌を保管する人と保管しない人の間の他の違いによって引き起こされたかもしれない。 したがって、独立変数の能動的操作は、第三変数問題を排除するために重要である。

もちろん、独立変数を実用的または倫理的な理由で操作することができず、したがって実験が不可能な多くの状況があります。, 例えば、人々が重要な早期病気経験を持っているかどうかを操作することはできず、心気症の発症に対する早期病気経験の影響に関する実験を行うことは不可能である。 この警告は、初期の病気の経験と心気症との関係を研究することが不可能であることを意味するものではなく、非経験的アプローチを用いて行われなければならないということだけである。 このタイプの方法論については、本の後半で詳しく説明します。

多くの実験では、独立変数は間接的にしか操作できない構造です。, たとえば、研究者は、参加者のストレスレベルを間接的に操作しようとするかもしれません。 このような状況では、研究者はしばしば彼らの手順にamanipulationチェックを含める。 操作チェックは、研究者が操作しようとしている構造の別の尺度です。, たとえば、参加者のストレスレベルを操作しようとしている研究者は、紙と鉛筆のストレスアンケートを与えたり、操作直後または手順の最後に血圧を

無関係な変数の制御

この章で以前に見たように、無関係な変数は、独立変数および従属変数以外の研究の文脈で変化するものです。, 例えば、表情豊かな文章が健康に及ぼす影響に関する実験では、無関係な変数には、書き込み能力、食事、靴のサイズなどの参加者変数（個人差）が含まれ また、参加者が書く時間、手で書くかコンピュータで書くか、天気などの状況変数またはタスク変数も含まれます。 無関係な変数は、その多くが従属変数に何らかの影響を与える可能性があるため、問題を引き起こします。, 例えば、参加者の健康は、表現力豊かな文章に従事するかどうか以外にも多くのことによって影響されます。 この影響因子は、独立変数の効果を外来変数の効果から分離することを困難にする可能性があるため、外来変数を一定に保つことによって制御することが重要である。

“ノイズ”としての無関係な変数

無関係な変数は、二つの方法で独立変数の効果を検出することを困難にします。 一つは、データに変動性または”ノイズ”を追加することです。, 人々が思い出すことができる幸せな子供時代の出来事の数に対する気分（幸せと悲しい）の影響に関する簡単な実験を想像してみてください。 参加者は、（彼らに幸せまたは悲しいビデオクリップを示すことによって）否定的または肯定的な気分に置かれ、その後、彼らはできるだけ多くの幸せな 表6.1は、無関係な変数がなく、参加者が思い出した幸せな子供時代の出来事の数が気分によってのみ影響された場合のデータの外観を示しています。, 幸せな気分の状態のすべての参加者は、正確に四つの幸せな子供の頃のイベントをリコールし、悲しい気分の状態のすべての参加者は、正確に三つ ここでの気分の効果はかなり明白です。

表6.,15cb8cad”>4

3
4	3
4	3
4	3
4	3
M = 4	M = 3

In reality, however, the data would probably look more like those Table 6.,2. 幸せな気分の状態で、何人かの関係者は引くべき少数を有するか、より少なく有効なリコールの作戦を使用するか、またはより少なく独創力のあるの そして、悲しい気分の状態でさえ、参加者の中には、より幸せな思い出を描くために、より効果的なリコール戦略を使用するか、より動機づけられている

表6.,id=”6e81fc3ada”>2

1	5
6	1
8	2
m=4	m=3

二つのグループ間の平均差は理想化されたデータと同じですが、この差はデータの大きな変動の文脈でははるかに明白ではありません。, したがって、研究者が無関係な変数を制御しようとする理由の一つは、彼らのデータが表6.1の理想化されたデータのように見えるため、独立変数の効果を検出しやすくすることです（実際のデータはそれほど良く見えることはありません）。

無関係な変数を制御する一つの方法は、それらを一定に保つことです。 この手法は、同じ場所のすべての参加者をテストし、同じ指示を与え、同じ方法で処理するなど、状況やタスク変数を一定に保つことを意味します。 また、参加者変数を一定に保つことも意味します。, 例えば、言語の多くの研究は、参加者を左大脳半球に孤立した言語領域を持つ右利きの人々に限定しています。 左利きの人は、右大脳半球で言語領域を分離したり、両半球に分散したりする可能性が高くなり、言語の処理方法を変えてデータにノイズを加える可,

原則として、研究者は、参加者を20歳、異性愛者、女性、右利きの心理学専攻などの非常に特定のカテゴリーの人に限定することによって、無関係な変数を制御することができます。 このアプローチの明らかな欠点は、研究の外部的validity validity、特に実際に研究された人々を超えて結果を一般化できる程度を低下させることである。 例えば、若い異性愛者の女性のサンプルで得られた結果が高齢の同性愛者の男性に適用されるかどうかは不明である可能性があります。, 多くの状況において、多様なサンプルの利点は、均質なサンプルによって達成されるノイズの減少を上回ります。

交絡変数としての外来変数

外来変数が独立変数の効果を検出することを困難にする第二の方法は、交絡変数になることです。 交絡変数は、独立変数のレベル間で平均して異なる無関係な変数です。 たとえば、ほとんどすべての実験では、参加者の知能指数（IQs）は無関係な変数になります。, しかし、独立変数の各レベルでIqが低く高い参加者がいる限り、平均IQがほぼ等しくなるように、この変動はおそらく許容される（そして望ましいかも しかし、悪いことは、独立変数のあるレベルの参加者が平均して実質的に低いIqを持ち、別のレベルの参加者が平均して実質的に高いIqを持つこと この場合、IQは交絡変数になります。

混乱することは混乱することを意味し、この効果はまさに交絡変数が望ましくない理由です。, 独立変数のように条件によって異なるため、従属変数の観測された違いについて別の説明を提供します。 図6.1は、肯定的な気分の状態の参加者が否定的な気分の状態の参加者よりも記憶タスクで高い得点を記録した仮説的研究の結果を示しています。, しかし、IQが交絡変数であり、肯定的な気分状態の参加者が否定的な気分状態の参加者よりも平均して高いIqを有する場合、最初の状態の参加者がより高いスコアを引き起こしたのが肯定的な気分であるのか、より高いIqであるのかは不明である。 交絡変数を避けるための一つの方法は、無関係な変数を一定に保つことです。 例えば、参加者をIqが正確に100のものだけに制限することによって、IQが交絡変数になるのを防ぐことができます。 しかし、このアプロ, 第二の、はるかに一般的なアプローチ—条件へのランダムな割り当て—は、すぐに詳細に議論されます。