Выше мы подчеркивали, что основной целью экспериментального контроля является формирование групп, эквивалентных по всем параметрам кроме исследуемой независимой переменной. Эта цель приобретает особую значимость в случае такой глобальной субъектной переменной, как возраст. Представьте, что вам нужно сравнить 7-летних и 12-летних детей. Если вы хотите добиться эквивалентности групп по всем параметрам кроме возраста, вам придется найти 7- и 12-летних детей одного уровня биологической зрелости, посещавших школу одинаковое количество лет, со сходным жизненным опытом и т. д. Очевидно, что эта цель не только нереалистична, но и неверна. Биологическая зрелость, количество лет обучения в школе и жизненный опыт относят к переменным, «стабильно и естественно связанным с возрастом». В этом качестве их и следует изучать, а не исключать посредством экспериментального контроля.
С другой стороны, есть и другие потенциально значимые факторы, которые могут привести к смешению при сравнении возрастных групп. Произошло бы явное смешение, если бы все 7-летние дети были мальчиками, а 12-летние — девочками. Принадлежность к мужскому полу не является обязательной для 7-летнего ребенка, равно как и принадлежность к женскому полу необязательна для 12-летнего, поэтому следует исключить возможность параллельного изменения этого фактора и возраста. Несколько менее явное смешение произошло бы, если всех 7-летних детей взяли из одной школы, а всех 12-летних — из другой. Факт обучения в разных школах, вероятно, не играет большой роли, и в любом случае это различие может оказаться неизбежным в определенном возрастном диапазоне. Тем не менее, важно подбирать школы как можно более близкие по таким параметрам, как подход к обучению, местоположение и социально-экономический статус обслуживаемого населения. Если этот критерий не учитывается, тогда кажущиеся возрастные изменения могут действительно оказаться «ложными».
Как следует из примеров, принять решение о том, что приводить в соответствие при сравнении возрастных групп, а что нет, обычно бывает довольно просто. Однако, как мы увидим, это решение не всегда очевидно, не всегда легко и привести в соответствие то, что намечено. К вопросу о возрастном сравнении мы вернемся в главе 3.
Исследователи измеряют независимые переменные с тем, чтобы определить, как при этом изменяется значение зависимой переменной. Но как оно может изменяться? В факторном исследовании — то есть в исследовании с двумя и более независимыми переменными — воздействие независимой переменной может принимать две формы: главный эффект и взаимодействие.
Главный эффект - это результат непосредственного воздействия независимой переменной. Это то, что интересует исследователей при сравнении показателей по уровням отдельной независимой переменной - независимой от других независимых переменных (или итоговой для всех их значений). Оба исследования, приведенные в качестве примера, иллюстрируют понятие главного эффекта. В эксперименте Черри и Парк главным был эффект возраста: молодые испытуемые справлялись с заданием лучше пожилых. Средние значения для этого эффекта представлены в правом столбце табл. 2.2; это итоговые показатели для всех молодых и всех пожилых испытуемых при разных уровнях другой независимой переменной (модель/схема). Подобно тому имел место и главный эффект экспериментальных условий; значения для этого эффекта представлены на нижней строчке таблицы: это итоговые показатели всех испытуемых в ситуации с моделью и в ситуации со схемой для двух уровней возраста.
В эксперименте Дюфресна и Кобасигавы также был главный эффект возраста и главный эффект экспериментальных условий. Итоговые показатели для этих эффектов представлены в табл. 2.1 в столбце и строчке «среднее». Таким образом в обоих случаях можно говорить о том, что эффект имели обе переменные- значение зависимой переменной изменялось как функция от возраста и экспериментальных условий. Заметьте, однако, что в исследовании Дюфресна и Кобасигавы эффект возраста сложнее других главных эффектов, поскольку независимая переменная имеет 4 уровня а не 2. Главный эффект переменных, имеющих более двух уровней представляет особые трудности для статистической обработки и интерпретации -к этой проблеме мы вернемся в главе 7.
