Многомерные и факторные эксперименты: общий обзор

В описанных выше экспериментах с контрольной группой каждый раз используются лишь два типа условий — «есть воздействие» либо «нет воздействия». Эти два типа условий по сути можно рассматривать как два уровня независимой переменной, которым можно присвоить условные числовые значения — например, «1» и «0». Иными словами, с точки зрения уровня измерения незави­симая переменная является номинальной, качественной. В контрольной группе ее значение равно нулю, в экспериментальной — единице. Однако исследователь часто располагает значительно большей информацией о независимой переменной и способен измерить и проконтролировать ее по крайней мере на трех-четырех уровнях значений. Соответственно экспериментальная гипотеза может быть сформулирована в терминах более или менее интенсивного воздей­ствия либо наличия-отсутствия «отклика» зависимой переменной при конкрет­ных уровнях независимой переменной.

В психологии хорошо известен закон «оптимума мотивации», так называ­емый закон Йеркса-Додсона.

В начале нашего века Р. Йеркс изучал, как влияет негативное подкрепле­ние в форме удара электрическим током на выработку элементарных на­выков у животных. В частности, в опытах с «танцующими мышами» (раз­новидность домашней мыши, имеющая генетический дефект, который заставляет ее двигаться по кругу или по восьмерке) он использовал три уровня силы тока — «сильный» (500 усл. ед.), «средний» (300 усл. ед.) и «слабый» (125 усл. ед.). Мышь должна была научиться выбирать один из двух туннелей. В конце туннеля ее в любом случае ожидало «вознаграждение» — мышь противоположного пола. При ошибочном выборе (белый туннель) мышь испытывала удар током, при правильном выборе (черный туннель) негативное подкрепление отсутствовало. Местоположение туннелей (слева-справа) менялось случайным образом от пробы к пробе. Выяснилось, что быстрее всего обучение происходит при «средней» вели­чине стимуляции. Обнаруженный в этом эксперименте нелинейный ха­рактер связи между величиной стимула к решению определенной задачи и успешностью решения был затем неоднократно подтвержден и во многих других экспериментах, в том числе с испытуемыми-людьми и с пози­тивной стимуляцией. Чрезмерная мотивация и чрезмерная величина под­крепления, как и слабая мотивация, всякий раз оказывали меньшее воз­действие на успешность выполнения различных задач.

Эксперименты, в которых используется несколько (более двух) уровней незави­симой переменной, называются многоуровневыми. Схема вышеописанного эксперимента с рандомизацией и тремя уровнями независимой переменной (Х₁ Х₂, Х₃ ) такова:

R	X1		O1
R		X2		O2
R		X3		O3

Экспериментальная гипотеза в этом случае формулируется как гипотеза об от­ношениях значений О₁, О₂ и О₃ (в рассмотренном примере О₁ < О₂ и O₂ > O₃). Например, в эксперименте может изучаться влияние привлекательности лектора на частоту посещения занятий студентами, воздействие количества доступных источников информации о продукте на формирование потребительских предпочтений либо характер вза­имосвязи между размером денежного вознаграждения испытуемых и успешно­стью решения ими однотипных задач. Таким образом, многомерные экспери­менты позволяют проверять более тонкие и точные содержательные гипоте­зы о механизмах индивидуального и группового поведения.

Статистические гипотезы, проверяемые в многомерных экспериментах, — это гипотезы о различиях между значениями зависимой переменной для разных уровней независимой переменной. Нулевая гипотеза формулируется как гипотеза о том, что разброс индивидуальных значений внутри одного уровня независимой переменной (внутри соответствующей экспериментальной группы) идентичен разбросу индивидуальных значений между различными уровнями (группами), т. е. отношение дисперсии межгрупповых оценок к дисперсии внутригрупповых оценок равно 1. Последнее отношение обозначается как F-критерий. Для того чтобы определить, не превышает ли полученная в конкретном эксперименте величина F пороговое значение статистического F-распределения для заданного уровня значимости, используют статистическую технику однофакторного дисперсионного анализа. Термин «однофакторный» в данном случае означает, что в эксперименте использовалась лишь одна независимая переменная (фактор воздействия).

Всякий факторный эксперимент — это, в сущности, несколько экспериментов, объединенных в одном плане. Обобщенные данные факторного эксперимента позволяют ответить на два типа вопросов: 1) имеется ли эффект воздействия для каждой отдельно взятой независимой переменной; 2) зависит ли величина этого эффекта воздействия от величины значений других независимых пере­менных? Изолированный эффект воздействия одной независимой переменной называют главным эффектом, а изменение величины этого эффекта под влия­нием другой независимой переменной называют взаимодействием.

В таблице 4.2 представлен план простейшего факторного эксперимента «два на два» («2 X 2»), в котором изучалось влияние новизны и типа изображения на интерес, проявляемый к этому изображению 4-месячными младенцами. В ка­честве индикатора интереса использовалась длительность разглядывания. Каж­дая из независимых переменных была представлена только двумя уровнями: для новизны — новое или старое, предъявлявшееся в предыдущих сериях изоб­ражение; для типа изображения — геометрический контур либо схематическое изображение человеческого лица (схематические рисунки использовались для уравнивания изображений по визуальной сложности, так как время фиксации взора обычно зависит от сложности и количества деталей).

Как видно из приве­денных в таблице 4.2 данных, налицо оба главных эффекта. Влияние новизны на интерес становится очевидным при сравнении средних по строкам — сред­няя длительность разглядывания изображений (и геометрических, и «физиономий») заметно выше в случае предъявления новых рисунков (55 сек против 20). Сравнение по столбцам показывает, что при усреднении данных по двум груп­пам (новые и старые рисунки) изображения человеческого лица вызывают зна­чительно больший интерес, проявляющийся в более длительном разглядыва­нии (45 сек). Налицо также взаимодействие между типом изображения и но­визной. Результаты предъявления разных типов изображений различны для «старой» и «новой» группы. Различаются и значения разностей по столбцам для каждой строки (60 50 = 10 сравнительно с 30 10 = 20), и соответствую­щие показатели по строкам (60 30 = 30 сравнительно с 50 10 = 40). Иными словами, большая привлекательность человеческих лиц сильнее проявляется при предъявлении старых рисунков (различие в 10 сек при предъявлении но­вых картинок увеличивается до 20 для старых изображений), а различие между предъявлением старых и новых рисунков при использовании геометрических контуров возрастало до 40 сек.

Таблица 4.2 Факторный эксперимент 2x2

Новизна изображения	Тип изображения		Средняя длительность разглядывания, сек.
	Лицо	Геометрическое
Новое Старое	60 30	50 10	55 20
Средняя длительность, cек.	45	30

При обработке результатов многофакторных экспериментов основной статис­тической моделью является многофакторный дисперсионный анализ.

Многофакторные эксперименты в социологии — это очень часто полевые экс­перименты, моделирующие сложные взаимосвязи реального мира. Преимуще­ство полевых многофакторных экспериментов — в их «жизнеподобии», т. е. внешней, лицевой валидности. Но здесь же кроется и главный недостаток таких экспериментов — более низкие надежность и внутренняя валидность. К неоспоримым достоинствам факторных экспериментов следует отнести значительно большие возможности статистического анализа, в том числе анализа различных эффектов взаимодей­ствия переменных-«факторов».

В социальных науках часто употребляют также понятие квазиэксперимента, или квазиэкспериментального исследовательского плана. Речь идет о панель­ных, трендовых и т. п. планах выборочных обследований (гл. 5). Выборочные обследования, особенно продолжающиеся или проводимые как сравнительные «срезовые» исследования для подвыборок, испытавших либо не испытавших определенное, локализованное во времени воздействие (например, социальную революцию, реформу образования или крах фондового рынка), действительно позволяют делать выводы о взаимоотношениях между интересующими исследователя независимыми и зависимыми переменными, а значит — проверять гипотезы о предполагаемых причинно-следственных связях, однако экспериментальную рандомизацию и контроль в выборочных исследованиях, как показано в соответствующих главах, здесь заменяет использование случайных выборок и специальных методов статистического анализа данных.