統計回歸效應

出自 MBA智库百科(https://wiki.mbalib.com/)

統計回歸效應(statistical regression effect)

　　統計回歸效應，也叫“向平均數回歸”，是指在進行重覆測量時，前測中獲得的極高或極低分數會在後測時傾向於向平均值偏移，即隨著時間的推移高分者成績下降，低分者成績升高，這種自然傾向被稱為“統計回歸效應”。

　　統計回歸現象指受試的測量分數在第二次測量時，有向團體平均數回歸的傾向。換言之，高分組在第二次測量時，其分數由於向平均數回歸而有降低的趨勢，但是低分組的受試，其分數卻有升高的趨勢。在有前後測的實踐中，若以極端分數(高分組和低分組)的學生為對象，容易出現統計回歸現象。極端分數有向平均數回歸的現象，主要原因是機會誤差的因素對極端分數的影響，比對普通分數影響大。

　　如果應該控制的變數沒有控制好，那麼，它就會造成因變數的變化，這時，研究者選定的自變數與一些沒有控制好的因素共同造成了因變數的變化，這種情況就稱為自變數混淆。

　　舉例：在一項言語學習實驗中，研究者想要比較集中學習(一次學習大量材料)和分散學習(分次學習)的效果。他選擇三組學生為被試，三組被試的學習材料相同，實驗安排表1所示。表中的數字3，表示學習時間為3小時。所有被試均進行相同的考試。

　　結果表明，第三組的考試分數最高，第二組次之，第一組最差。因此研究者得出結論：分散學習比集中學習效果好。

　　我們很容易看到本實驗存在著自變數混淆，即被試不僅在學習方式上存在差異，而且在學習時間上也存在明顯差異。另外，三組被試學習後與測驗之間的時間間隔對測驗結果也會產生影響。第三組被試學習後只隔一天就進行測驗，因此，他們的保持效果較好，遺忘較少，測驗成績就高。總之，本實驗設計把學習方式與學習時間和聞隔時間等變數混淆在一起，實驗結果出現了偏差。

　　在具體實驗操作時，可以通過實驗設計來避免自變數混淆。對於出現的問題，我們可以採取消除額外變數、使額外變數保持恆定或隨機化等方法，來避免其對因變數的影響。