亲，第 113 题“虚假关系”，这个概念要放在相关研究里理解。核心一句话是：
两个变量看起来有关系，但这种关系并不是二者本身真正存在直接联系，而是由第三变量、混淆变量或偶然因素造成的，这就叫虚假关系。
PPT 中讲相关研究时明确提醒：相关研究解释事物间的联系，包括正相关、负相关、不相关；但是相关研究有价值，不能推测因果关系。 PPT 也讲到，变量之间可能只是相关关系，并不一定是因果关系；凡是存在变量的研究属于相关研究，凡是引发变量的研究属于因果研究。
113 了解：虚假关系
一、虚假关系的含义
虚假关系，是指两个变量在统计上表现出相关，但这种相关并不是二者之间存在真实的直接关系，而是由其他因素造成的表面联系。
简单说：
虚假关系就是“看起来有关，其实不是它俩真正有关”。
比如发现：
儿童身高越高，阅读能力越强。
这两个变量可能有相关，但不能说“身高导致阅读能力提高”。真正的原因可能是年龄：年龄大的儿童通常身高更高，同时阅读能力也更强。这里“年龄”就是第三变量，身高和阅读能力之间的关系就是一种虚假关系。
二、虚假关系出现的原因
1. 第三变量影响
这是最常见的原因。
两个变量 A 和 B 看起来相关，但其实是第三个变量 C 同时影响了 A 和 B。
例如：
冰淇淋销量越高，溺水人数越多。
这不是冰淇淋导致溺水，而是因为夏天气温高，人们既更爱买冰淇淋，也更常去游泳，所以溺水人数增加。
这里真正起作用的是天气或季节。
2. 混淆变量影响
PPT 中讲实验法时也提醒，实验研究要控制其他可能引起因变量变化的混淆变量。
混淆变量没有控制好，就容易让研究者误以为两个变量存在真实关系。
比如研究“学习方法和成绩”的关系，如果没有控制学生原有基础、智力、家庭支持、学习时间等因素，就可能把这些混淆变量的作用误认为学习方法的作用。
3. 方向不明
相关关系不能说明谁影响谁。
比如：
焦虑越高，睡眠越差。
这可能是焦虑导致睡眠差；
也可能是睡眠差导致焦虑增加；
也可能是压力事件同时导致焦虑和睡眠差。
如果没有进一步研究，就不能直接判断因果方向。
4. 偶然相关
有时两个变量在某个样本中碰巧相关，但这种关系没有稳定性，换一个样本可能就消失。
比如样本太小、数据质量差、统计检验过多时，都可能出现偶然相关。
三、虚假关系和真实关系的区别
真实关系是两个变量之间确实存在稳定联系，甚至可能存在因果机制。
虚假关系只是表面上有统计相关，背后没有直接关系，或者关系主要由第三变量造成。
比如：
学习动机和学习成绩之间可能有较真实的关系，因为学习动机可能影响学习投入，学习投入再影响成绩。
但鞋码和阅读能力之间的关系通常就是虚假关系，因为真正影响阅读能力的可能是年龄，而不是鞋码。
四、虚假关系和相关研究的关系
虚假关系是相关研究中最需要警惕的问题。
PPT 中举例说，学生成绩和每天看电视时间成负相关，但相关研究不能直接推测因果关系。
比如发现：
看电视时间越长，学习成绩越低。
可能解释有三种：
第一，看电视时间长，减少学习时间，所以成绩下降；
第二，成绩差的学生不爱学习，所以看电视更多；
第三，家庭管理方式、父母陪伴、学习动机等第三变量同时影响看电视时间和成绩。
所以不能只凭相关就说：
看电视导致成绩下降。
这就是虚假关系问题的典型表现。
五、如何识别和减少虚假关系
1. 控制第三变量
如果怀疑某个第三变量影响结果，可以在研究设计或统计分析中加以控制。
比如研究看电视时间和成绩关系时，可以控制：
年龄；
家庭背景；
学习时间；
父母教育程度；
原有成绩；
学习动机。
如果控制这些变量后，看电视时间和成绩的关系消失，说明原来的关系可能是虚假的。
2. 使用偏相关或协方差分析
在统计上，可以用偏相关、协方差分析等方法控制无关变量。
前面 PPT 中讲无关变量控制时也提到，协变量可以通过匹配、随机分配、测量并纳入数据分析等方式控制。
3. 进行纵向研究
纵向研究可以帮助判断变量变化的先后顺序。
比如先测压力，再过一段时间测睡眠，就比同一时间测压力和睡眠更能帮助判断方向。
但纵向研究仍然不能完全等同于因果实验。
4. 采用实验研究
如果研究问题允许操纵变量，并且符合伦理，就可以通过实验研究更好地判断因果关系。
PPT 中明确说，实验法可以确定因果关系，因为它通过操纵自变量，观察因变量变化；但同时要控制其他可能引起因变量变化的混淆变量。
六、考试理解重点
这题记住四个关键词：
表面相关、第三变量、混淆变量、不能推因果。
虚假关系不是说数据一定是假的，而是说：
统计上看似有关，但这种关系可能不是两个变量之间的真实直接关系。
考试中可以用这个例子：
儿童身高和阅读能力相关，但真正原因可能是年龄。年龄越大，身高越高，阅读能力也越强，所以身高和阅读能力之间的关系可能是虚假关系。
考试背诵版
虚假关系是指两个变量在统计上表现出相关，但这种相关并不是两个变量之间真实、直接的关系，而是由第三变量、混淆变量或偶然因素造成的表面联系。它常见于相关研究中。PPT 中指出，相关研究解释事物之间的联系，包括正相关、负相关和不相关，但相关研究有价值，不能推测因果关系。虚假关系的典型原因是第三变量同时影响两个变量，例如儿童身高与阅读能力可能相关，但真正起作用的变量是年龄；年龄越大，儿童通常身高越高，阅读能力也越强，因此身高和阅读能力之间的关系就是一种虚假关系。虚假关系还可能来自混淆变量未控制、因果方向不明或偶然相关。识别和减少虚假关系的方法包括控制第三变量，采用匹配、随机分配、偏相关、协方差分析等方法，必要时进行纵向研究或实验研究。总体来说，虚假关系提醒研究者，两个变量有相关不等于存在因果关系，必须进一步分析是否存在第三变量和混淆变量。
支付宝扫一扫
评论列表（182条）
11111
介绍