什么是统计回归效应

统计回归效应，也叫“向平均数回归”，是指在进行重复测量时，前测中获得的极高或极低分数会在后测时倾向于向平均值偏移，即随着时间的推移高分者成绩下降，低分者成绩升高，这种自然倾向被称为“统计回归效应”。

统计回归效应的产生及控制

统计回归现象指受试的测量分数在第二次测量时，有向团体平均数回归的倾向。换言之，高分组在第二次测量时，其分数由于向平均数回归而有降低的趋势，但是低分组的受试，其分数却有升高的趋势。在有前后测的实践中，若以极端分数(高分组和低分组)的学生为对象，容易出现统计回归现象。极端分数有向平均数回归的现象，主要原因是机会误差的因素对极端分数的影响，比对普通分数影响大。

如果应该控制的变量没有控制好，那么，它就会造成因变量的变化，这时，研究者选定的自变量与一些没有控制好的因素共同造成了因变量的变化，这种情况就称为自变量混淆。

举例：在一项言语学习实验中，研究者想要比较集中学习(一次学习大量材料)和分散学习(分次学习)的效果。他选择三组学生为被试，三组被试的学习材料相同，实验安排表1所示。表中的数字3，表示学习时间为3小时。所有被试均进行相同的考试。

表1 三组被试实验程序

结果表明，第三组的考试分数最高，第二组次之，第一组最差。因此研究者得出结论：分散学习比集中学习效果好。

我们很容易看到本实验存在着自变量混淆，即被试不仅在学习方式上存在差异，而且在学习时间上也存在明显差异。另外，三组被试学习后与测验之间的时间间隔对测验结果也会产生影响。第三组被试学习后只隔一天就进行测验，因此，他们的保持效果较好，遗忘较少，测验成绩就高。总之，本实验设计把学习方式与学习时间和闻隔时间等变量混淆在一起，实验结果出现了偏差。

在具体实验操作时，可以通过实验设计来避免自变量混淆。对于出现的问题，我们可以采取消除额外变量、使额外变量保持恒定或随机化等方法，来避免其对因变量的影响。