一、自变量

        自变量（Independent variable）一词来自数学。在数学中，y=f（x）。在这一方程中自变量是x，因变量是y。将这个方程运用到心理学的研究中，自变量是指研究者主动操纵，而引起因变量发生变化的因素或条件，因此自变量被看作是因变量的原因。自变量有连续变量和类别变量之分。如果实验者操纵的自变量是连续变量，则实验是函数型实验。如实验者操纵的自变量是类别变量，则实验是因素型的。在心理学实验中，一个明显的问题是要有一个有机体作为被试对刺激作反应。显然，这里刺激变量就是自变量。

二、因变量

因变量（dependent variable）函数中的专业名词，也叫函数值。函数关系式中，某些特定的数会随另一个（或另几个）会变动的数的变动而变动，就称为因变量。如：Y=f(X)。此式表示为：Y随X的变化而变化。Y是因变量，X是自变量。另外“因变量”也特指心理实验中的专业名词。

三、控制变量

控制变量（controlled variables）在进行科学实验的概念，是指那些除了实验因素(自变量)以外的所有影响实验结果的变量，这些变量不是本实验所要研究的变量，所以又称无关变量、无关因子、非实验因素或非实验因子。

只有将自变量以外一切能引起因变量变化的变量控制好，才能弄清实验中的因果关系。控制变量衍生到生活中的作用是控制一定影响因素从而得到真实的结果。

一般来说，实验法要求实验变量必须是明确、客观的。

自变量必须能够被操纵，而因变量必须能被客观地测量。例如，记忆材料的性质就是一个很好的自变量，因为我们能够很容易地区分出对文字、图片、无意义字符等材料的记忆任务；而记忆保持量是一个很好的因变量，因为它能够被精确地测量把握

额外变量（控制变量）的控制技术

1、排除法（ elimination method）是把额外变量从实验中排除出去。例如，如果外界的噪音和光线影响实验，最好的办法就是进入隔音室或暗室，这样可以把它们排除掉。

2、恒定法（ constant method）旨在使额外变量在实验过程中保持恒定不变。这主要体现在保持实验条件恒定的方面。实验时，不同试验场所、不同实验者以及不同的实验时间等都是额外变量。有效的控制方法是在同一实验室、由同一实验者、在同一个时间对实验组和控制组使用同样的程序进行实验。

3、匹配法（ matching method）是使实验组和控制组中的被试属性相等的一种方法。使用匹配法时，先要测量所有被试身上与实验任务成高相关的属性；然后根据测得结果将被试分成属性相等的实验组和控制组。

4、随机化法（ randomization）是把被试随机地分派到各处理组中去的技术。从理论上讲，随机法是控制额外变量的最佳方法，因为如果总体中的任一成员都有同等机会被抽取到任一处理组，那么可以期望随机分派形成的各处理组的各种条件和机会是均等的，也即在额外变量上做到了匹配。

以上讨论的情况，都是在实验尚未正式开始前先行着手控制额外变量的方法，这类技术被称为实验前控制。

5、另一种技术是实验后控制，就是在实验完成后通过一定的统计技术来事后避免实验中额外变量的干扰，因而也被称为统计控制法（ statiscal control）。统计控制主要用于实验前控制难以完全控制额外变量影响的情况下，比如：在研究几种不同教学方法对儿童阅读能力的帮助时，研究者通过匹配平衡，控制了儿童年龄、教师、基线阅读能力等额外变量，却发现无法就儿童的智商做到完全的匹配。

这时统计控制法就提供了补救办法：实验者可以通过协方差分析（ analysis of covariance），在数据统计过程中排除智商对阅读能力提高的效应，以达到控制的目的。

除了协方差分析以外，常用的统计控制法还包括：剔除极端数据，或分别加权等事后控制技术。如要研究学习次数对学习效果的影响，但事先未考虑到被试的智力水平对学习效果有影响，便可以在事后对智商高的被试加权较低，以消除智力的对实验结果的污染。

但是需要牢记，统计控制是在实验前控制难以起到完全效果时的补充手段，而不可能取代实验前控制的重要地位。离开了严格完整的实验前控制工作，再高明的统计技术也无法于事后控制所有的额外变量