研究人员如何发现因果关系
一个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 - 换句话说，就是建立因果关系。 例如，在一个简单的实验中，研究新药的有效性，研究参与者可以随机分配到两组中的一组：其中一组为对照组并且不接受治疗，另一组为实验组接受正在研究的治疗。
简单实验的要素
一个简单的实验是由严重的关键因素组成的：
- 实验假设。 这是一个声明，预测治疗会产生效果，因此将永远被视为一种因果关系陈述。 例如，研究人员可能会这样假设一个假设：“医学管理A将导致疾病B症状的减轻。”
- 零假设。 这是一个假设 ，即实验治疗对参与者或因变量没有影响。 重要的是要注意，未能找到治疗效果并不意味着没有效果。 治疗可能会影响研究人员在当前实验中未测量的另一个变量。
- 自变量 。 由实验者操纵的治疗变量。
- 因变量 。 这是指研究人员正在测量的反应。
- 对照组。 这些是随机分配到一个组但没有接受治疗的个体。 将对照组的测量结果与实验组的结果进行比较，以确定治疗是否有效。
- 实验组。 这组研究参与者由接受待测治疗的随机选择的受试者组成。
确定简单实验的结果
一旦收集到来自简单实验的数据，研究人员然后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。 由于总是存在错误的可能性，所以不可能100％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。
尽管存在这样的挑战，还是有办法确定最有可能是否有意义的关系。 为了做到这一点，科学家们使用推论统计 - 科学分支，处理根据从该人群的代表性样本中采取的措施对人口进行推断。
确定治疗是否有效的关键是衡量统计学显着性。 统计显着性表明，变量之间的关系可能并不仅仅是偶然的，而且两个变量之间最有可能存在真正的关系。
统计显着性通常表示如下：
p <0.05
p值小于.05表示结果可能是偶然的，获得这些结果的可能性将小于5％。
衡量统计显着性有许多不同的方法。 使用的将取决于用于实验的研究设计的类型。