подкреплять испытуемых, к-рые реагируют желаемым образом. Один из способов 
устранения эффектов ожиданий экспериментатора и испытуемого заключается в 
использовании стратегий «слепого» исслед., при к-ром или только испытуемые 
(«слепое» исслед.), или испытуемые и экспериментаторы («двойное слепое» исслед.
) не знают, в какое из эксперим. условий был помещен каждый испытуемый.
    Иногда исследователь не может манипулировать независимыми переменными. Напр.
, в исслед., где в роли независимых переменных выступают пол, раса, 
принадлежность к политической партии, частота употребления марихуаны или 
образовательный уровень, отсутствует возможность случайно распределять 
испытуемых по уровням независимых переменных. Такие переменные иногда называют 
неманипулируемыми (nonmanipulated) переменными. Изучение таких переменных не 
может производиться в подлинном эксперименте, однако они часто изучаются в 
квазиэкспериментах. Интерпретация рез-тов в исслед. с неманипулируемыми 
переменными сопряжена с определенными сложностями, поскольку с ними обычно 
смешиваются различные дополнительные переменные.
    Один из способов, облегчающих интерпретацию неманипулируемых независимых 
переменных, состоит в уравнивании испытуемых по релевантным смешивающимся 
переменным. Напр., каждого имеющего аттестат о среднем школьном образовании 
можно объединить в пару с имеющим диплом об окончании колледжа, к-рый 
сопоставим с ним по возрасту, полу, соц. классу, уровню интеллекта и личностным 
характеристикам. Чем более полным яв-ся такое совпадение, тем легче 
исследователю сравнивать эффекты независимой переменной. Альтернативный способ 
может заключаться в поддержании неизменными таких переменных (напр., проводить 
исслед. только с представителями мужского пола среднего класса с примерно 
сходными интеллектуальными и личностными характеристиками), с тем чтобы эти 
смешивающиеся переменные не могли повлиять на результаты. Однако, это будет 
ограничивать возможности исследователя в последующем обобщении рез-тов. Третья 
альтернатива связана с использованием более сложного плана с полом, возрастом и 
т. д. в качестве дополнительных переменных.
    Иногда исследовательские стратегии предполагают повторное тестирование тех 
же самых испытуемых: в лонгитюдном исследовании челов. развития одна и та же 
группа испытуемых может последовательно тестироваться в возрасте 2, 5, 10 и 20 
лет, или в исслед. научения испытуемые могут тестироваться после каждого 
предъявления стимула. Это приводит к возникновению др. сложностей, к-рые 
связаны с эффектом порядка (order effect): если тестирование первого уровня 
независимой переменной всегда предшествует тестированию второго ее уровня, 
последующие различия могут отражать не только эффект самой независимой 
переменной, но также эффекты научения, утомления или естественного развития. 
Так, если испытуемых просят оценить физ. привлекательность десяти людей с 
использованием в качестве стимульного материала слайдов, предъявляемых всем 
испытуемым в одном и том же порядке, оценка испытуемыми третьего слайда может 
отражать не только эффект данного стимула, но и эффект порядка его предъявления.
 Если, напр., второй слайд изображает чел. с высокой физ. привлекательностью, 
третий слайд может недооцениваться вследствие эффекта контраста. Если бы этот 
третий слайд находился на др. порядковой позиции, его оценка могла бы быть 
совершенно иной. Очевидно, решение этой проблемы предполагает манипулирование 
порядком, с тем чтобы различные испытуемые получали стимулы, группируемые в 
случайные последовательности. Такая процедура называется уравновешиванием 
(counterbalancing technique).
    Когда изучается более чем одна независимая переменная, интерпретация 
результатов может усложняться. Дисперсионный анализ — это именно тот 
статистический метод, к-рый наиболее часто используется в анализе эксперим. 
исслед. Ключевыми словами в этом анализе яв-ся главный эффект (main effect) и 
взаимодействие (interaction). Главный эффект обнаруживается, если в среднем 
оценки различных уровней независимой переменной значимо отличаются друг от 
друга. Если независимая переменная имеет только два уровня, значимый главный 
эффект указывает на то, что эти два уровня приводят к значимо различающимся 
оценкам зависимой переменной. Однако при наличии трех или более уровней, 
главный эффект указывает на существование значимых различий в оценках по 
меньшей мере одной пары уровней, не отрицая возможности существования значимых 
различий в оценках каждой пары уровней (то есть А1 и А2 различаются, А1 и А3 
различаются, и А2 и А3 различаются, и т. д.). В последнем случае, для 
интерпретации главного эффекта и установления того, какие пары или подмножества 
уровней статистически значимо различаются (или не различаются), проводят 
соответствующий post hoc анализ.
    Если изучается более чем одна независимая переменная, эти независимые 
переменные могут взаимодействовать таким образом, что эффект одной или более 
переменных будет зависеть от уровня одной или более оставшихся переменных.
    Двумя основными типами независимых переменных являются межгрупповые 
(between-group) и интраиндивидные (within-subject) переменные. Межгрупповые 
переменные предполагают использование различных испытуемых для каждого уровня, 
что позволяет осуществлять последующие сравнения уровней на основе сравнений 
независимых групп испытуемых. Интраиндивидные переменные предполагают 
использование тех же самых (или сопоставимых) испытуемых для более чем одного 
уровня, что позволяет осуществлять последующие сравнения уровней на основе 
сравнений тех же самых (или сопоставимых) испытуемых.
    Испытуемые могут распределяться по эксперим. условиям различными способами. 
При однофакторном плане (one-way design) испытуемые могут либо случайно 
распределяться по различным уровням (межгрупповой план), либо тестироваться на 
каждом уровне (интраиндивидный план). При двухфакторном плане (two-way design)