实验法

心理学家如果要在工作场所中进行研究，有多种研究方法可行，从中选择一种最有效的方法也是研究者进行一项研究的首要问题。一般而言，研究方法的选择要视研究问题的本质而定。接下来，我们会讨论以下几种研究方法：实验法、自然观察法、调查法和网络研究法。

实验法（experimental method）的基本概念很简单，但实施起来却比较困难。实验的目的是要考察一个变量对被试绩效或行为所产生的作用或影响。

实验中的变量分为两类，一类是刺激变量，也就是自变量（independent variable），研究者感兴趣的是自变量的作用；另一类是被试的行为结果，也就是因变量（dependent variable），因变量的变化是由自变量的变化引起的。两类变量都可以进行客观的观察、测量和记录。

实验设计

先看一个例子，管理层对电视机组装线上工人的低生产率非常担忧，所以请心理学家来研究如何提升产量。起初，心理学家提出了一系列可能导致生产率低下的原因，例如工资低、培训不够、主管不得人心、设备陈旧等。但当他们实地调查之后，猜测问题可能在于工作的环境不够明亮。于是他们设计了一个实验来检验这一假设。

实验中的两个变量显而易见，而且容易测量。自变量是照明强度，这是刺激变量，研究者将会在实验中增加照明强度以考察其对结果的影响。因变量是工人的行为反应，在这个例子中就是随着照明强度的变化而变化的生产率。

研究者在实验前先测量了工人的产量，然后调高车间的照明度，两周后再次测量工人的产量。结果发现，在照明强度改变前，每位工人平均每小时组装3台电视机，而两周后，人均产量达到了每小时8台，得到了显著的提高。

产量为什么会增加？对这一变化我们是否可以认为是自变量的变化（照明强度增加）导致了因变量的变化（产量提升）呢？答案是否定的，仅仅在上述所描述实验的基础上我们无法得出这一结论。

我们怎么知道除了照明强度外，没有别的因素可能会使产量得到提升呢？或许是因为主管看到了心理学家的出现，于是在实验的这两周对工人的态度比以前更友善了；或许是因为工人们觉得自己的工作岗位受到威胁而刻意努力工作，提升产量；或许是因为这段时间的好天气使得工人们心情愉悦；又或许是因为霍桑效应，给单调的日常工作带来了新鲜的变化。当然，还有很多其他因素也可能会提升工人的产量。研究者必须确保除了经过处理的刺激变量之外，没有别的变量会影响被试的行为。

控制的要素。上述实验中遗漏了科学方法的一个基本特征，即控制。对实验情境的控制可以确保行为或绩效的变化是由自变量的变化引起的。

为了对实验情境进行有效的控制，研究者需要在实验中使用两组被试，即实验组（由接受自变量处理的被试组成）和控制组，自变量的各变化水平只对实验组实施，控制组保持不变，除此之外，两组被试在其他方面需要尽可能地保持一致。因此，研究者必须要把所有的工人分到两个不同的被试组中，实验处理前后分别测量工人的产量，控制组被试的产量作为基准水平比较实验组被试在照明度调高之后的产量。

如果两组被试在其他方面大致相同，且实验组最后的产量显著高于控制组，那么我们就可以说因为照明强度的提升而使得产量增加了。而其他外在因素，比如天气、领导行为，或者是霍桑效应都没有影响被试的行为。因为如果是这些因素的影响，那么两组被试的绩效会出现相似的变化。

选择被试

实验组和控制组的被试要尽可能地保持一致，可以使用两种实验方法来确保这一点：即随机区组设计和匹配组设计。

随机区组设计（random group design）是将被试随机分配到实验组和控制组中。在上述实验中，如果企业总共雇用了100名电视机组装员，研究者就会任意分配50名员工到实验情境中，50名员工到控制情境中。因为被试是随机分配的，所以可以假定两组被试基本上是相似的。诸如年龄和工作经验等可能会产生影响的变量也被均匀分配到两组中，因为这些因素不会影响被试的分配。

在匹配组设计（matched group design）中，为了确保实验组和控制组被试的一致性，需要基于一些可能会影响绩效（因变量）的特征而对两组被试进行匹配。在上述实验中，研究者可以根据年龄、工作经验、智力水平和对上司的评价等方面对被试进行两两匹配，并将每一对分别分配到实验组和控制组中去。通过这种方法可以尽可能地确保两组被试的一致性。

尽管匹配组设计的效果比较理想，但实施起来比较麻烦，且成本较高。要找到足够的配对被试，研究者需要一个很大的被试群体，而且如果要对两个或两个以上因素进行匹配的话，会更加复杂。比如，仅在工作经验层面上进行匹配的话还是比较方便的，但要同时在几个层面上进行匹配，处理起来就会很复杂。

实验样例：培训对离职率和生产量的影响

来看一个典型实验样例⁽¹⁾，该研究在一家制造女性内衣的工厂中进行，被试为缝纫工。管理者希望企业咨询顾问找出这家工厂一年内工人的离职率达到68%的原因。在进行了员工态度调查以及对管理者的访谈后，研究者提出假设，认为导致高离职率的原因可能是工人没有受到充分的培训。

于是，研究者设计了一个实验来探究几种不同的培训条件对离职率和生产量的影响。虽然研究问题的根源是员工的高离职率，但在研究者针对这一问题设计实验的过程中发现，在不消耗额外精力和资源的情况下，还可以得到另一个因变量数据，即生产量。

被试和实验设计。实验被试为1年内雇用的208名女性新员工，因变量有两个：（1）离职率，以40天内离职的工人所占比例作为指标；（2）生产量，以40天内的平均日产量作为指标。研究者之所以用40天作为时间节点是因为公司的记录显示，新员工被雇用后最初的40天内离职率是最高的。对这两个因变量的观察、测量和记录都是较为容易且精确的。

自变量是不同的培训水平。研究者界定了四种不同的培训水平。公司的标准培训计划是利用专门的培训设施对新员工进行1天的培训。研究者把这1天的培训作为控制条件，与其他培训水平进行比较。

被分配到第1组的新员工接受标准的1天培训课程，第2组在相同的培训设施下接受2天的培训，第3组在相同的培训设施下接受3天的培训，第4组也接受3天的培训，但其中一部分时间在相同的培训设施下，另一部分时间在车间内。

研究者基于工人进公司的时间进行分配，研究开始后第1个月内进公司的被分入第1组中，第2个月进公司的进入第2组，依次循环类推。且数据显示，4组工人的最初产量没有差异。

研究结果。对第1、2、3组的比较结果发现，员工在相同培训设施下接受的培训时间越长，离职率越低（图2-1）。而同样是接受3天的培训，第4组（一部分在培训设施下进行，一部分在车间进行）的离职率并不低于第3组（全部在培训设施下进行）。比较第1组和第3组，结果发现，增加的2天培训可以把离职率从53%降到33%。

研究的第二部分，即培训条件对生产量的影响，出现了意料之外的结果，也使得研究更为复杂。数据显示，在培训设施下接受的培训时间越长，平均日产量越低（图2-2）。第4组的产量高于第3组。

因此，自变量的不同培训水平对两个因变量产生的影响不一致。在培训室内培训的时间越长，一方面导致了更低的离职率，但另一方面也带来了更低的产量。为了解释这一研究结果，研究者还需要做更多的工作。研究有时并不一定会出现研究者预期的结果，假设不一定能得到证实，研究结论也不一定清晰且稳定，所以，研究者要对工作和研究问题的数据结果有一定的解释能力，并将可能的原因向管理者解释。

研究者进行了上述实验，评估了产量和离职率数据，最后认为3天的结合式培训，即第4组是最适合公司的培训方式。综合所有因素，第4组的产量是第二高的，离职率也仅略次于第3组。

总之，必须记住的是，研究程序包括两个阶段，首先是设计实验，其次是解释结果并应用到实际工作中去。整个过程都需要能理解心理学研究要求的管理者和工人的配合。