研究人員如何發現因果關係
一個研究人員經常用一個簡單的實驗來確定一個變量的變化是否會導致另一個變量的變化 - 換句話說,就是建立因果關係。 例如,在一個簡單的實驗中,研究新藥的有效性,研究參與者可以隨機分配到兩組中的一組:其中一組為對照組並且不接受治療,另一組為實驗組接受正在研究的治療。
簡單實驗的要素
一個簡單的實驗是由嚴重的關鍵因素組成的:
- 實驗假設。 這是一個聲明,預測治療會產生效果,因此將永遠被視為一種因果關係陳述。 例如,研究人員可能會這樣假設一個假設:“醫學管理A將導致疾病B症狀的減輕。”
- 零假設。 這是一個假設 ,即實驗治療對參與者或因變量沒有影響。 重要的是要注意,未能找到治療效果並不意味著沒有效果。 治療可能會影響研究人員在當前實驗中未測量的另一個變量。
- 自變量 。 由實驗者操縱的治療變量。
- 因變量 。 這是指研究人員正在測量的反應。
- 對照組。 這些是隨機分配到一個組但沒有接受治療的個體。 將對照組的測量結果與實驗組的結果進行比較,以確定治療是否有效。
- 實驗組。 這組研究參與者由接受待測治療的隨機選擇的受試者組成。
確定簡單實驗的結果
一旦收集到來自簡單實驗的數據,研究人員然後將實驗組的結果與對照組的結果進行比較,以確定治療是否有效。 由於總是存在錯誤的可能性,所以不可能100%確定兩個變量之間的關係。 例如,可能存在影響實驗結果的未知變量。
儘管存在這樣的挑戰,還是有辦法確定最有可能是否有意義的關係。 為了做到這一點,科學家們使用推論統計 - 科學分支,處理根據從該人群的代表性樣本中採取的措施對人口進行推斷。
確定治療是否有效的關鍵是衡量統計學顯著性。 統計顯著性表明,變量之間的關係可能並不僅僅是偶然的,而且兩個變量之間最有可能存在真正的關係。
統計顯著性通常表示如下:
p <0.05
p值小於.05表示結果可能是偶然的,獲得這些結果的可能性將小於5%。
衡量統計顯著性有許多不同的方法。 使用的將取決於用於實驗的研究設計的類型。