况下适用的问题，不知道为什么，我们的教材上没有涉及到这方面的内容，但我还是很想在这里讲一讲。如PPT上显示的，我们可以把实验的有效性分为内部有效性和外部有效性。
内部有效性表示用实验测量自变量的影响或效用的准确性。如果我们能够有某种可靠的方法证明实验变量或处理变量真正对因变量产生的可观察到的差异，那么这个实验就是内部有效的。例如我们要研究“烟草税在多大程度上能减轻吸烟？”这个问题，那我们就必须对某段时间和地域内香烟的销售额、价格、税收和个人收入进行统计，并计算其需求的价格弹性。假如我们能够证明征收烟草税的地区的香烟销售量的变化是由征收烟草税引起的，而不是由其他原因因素引起的，那么我们就可以说这个实验室内部有效的。
与内部有效性相对应，外部有效性表示的是将实验的结果推广到实验环境意外或更大总体的可能性。如果具体的实验环境没有考虑到真实世界中其他相关变量的交互作用，外部有效性就会受到很大的影响。同样是上面烟草税的例子，在实际的调查中我们就会发现，烟草税较低的地区因而香烟价格较低而吸烟率较高，烟草税高的地区因而香烟价格较高而吸烟率较低。然而由于因果关系的双重作用，即一方面低税收引起高消费，另一方面如果某个地区内有大量的烟民，则当地的烟草经销商为了维持自己利润的最大化，则会想尽一切办法降低香烟的成本以变相降低香烟的价格来取悦烟民。因此我们对这些数据的分析是复杂的，我们在考虑到自变量对因变量的影响因素外，还应该考虑外来变量对实验的影响，即前面所说的非实验因素对事后测量结果的影响。接下来我们将继续讨论这一点。
2、外来变量对实验有效性的威胁
外来变量也叫无关变量，是指除自变量外一切能影响因变量值的变量。这些变量可以把因变量的测量值搅乱，因而使结果变弱或者无效，这就有点像一元线性回归模型中的随机干扰项μ，但是这样说还不太准确，因为这些变量也有不能不具备随机性。那么我们在描述这种变化关系的时候，是否也要把这些所有的因素考虑进去，从而使得模型更加准确呢？就如同在线性回归模型中增加解释变量的个数以提高拟合优度R的值一样呢？答案当然是否定的，原因有两个，一者是没有要，为什么呢？这就好比你画一张地图，我们不必把现实中的每一处细节都描述下来，一张和现实一样大的地图是没有意义的。这就好比我们构建一个模型，我们不可能也没必要把所以相关因素都考虑进去，我们要考虑和验证的应该是那些对结果的影响的显著程度最高的那些因素。再者我们也不可能这么做，因为，这些变量我们不一定能发现，而且这些变量本省具有随机性，你很难去预料它。这就好比当下的时事新闻对于股票市场的影响，李克强或者是肖钢的一句话就能够叫资本市场地动山摇。那么我们下面就具体来看一下有哪些外来变量，然后我们才能知道如何控制它以不至于让它太过扰乱实验的结果。
1) 时间效应；所谓时间效应是指发生在实验期间影响数量的任何变化和事件，例如在
研究促销手段对某款投资连结型寿险产品销售量影响的实验期间内，发生了央行的大幅度降息或者资本市场的大规模动荡，那么我们就可以肯定得出的来的效果是受影响的，是不可靠的。 2) 选样偏差；这个好理解。其实我们之前在说实验对象的选择的时候其实就已经提到
了这一点，当我们选择的实验组的个体与控制组的个体有系统性差异时，就会产生选样偏差对实验有效性的威胁，因为实验组事后测量值与控制组事后测量值的区别很可能是两组选样的差异所造成的，而并不是因为实验变量或处理变量的影响。 3) 回归效应；回归效应是指具有极端行为的目标群体在实验过程中向着行为均值发展
的趋势造成的影响。就如同德尔菲法中的专家一样，在几轮的咨询或测试过后，意
2见会趋于一致。这是人的天性使然。
4) 失员效应；失员效应是由于实验过程中实验单位的“丢失”而形成的外来变量造成
的现象。若出现“失员现象”，则实验群体可能变得不具有代表性，且亦缺少外部有效性。这种现象最常出现在我们的人口调查中，2000年美国的全美人调查就是一个例子，当时美国政府花了100亿美元来搞人口普查，结果得出的数据倍遭诟病。原因就是外来变量没有把握好。 5) 测试效应；是指实验过程本身对我们观察到结果产生的影响，测试效应又可以分为
主效应和交互效应两种。主效应是指早起观察对后期观察产生的影响，这有点类似于我们前面所说的回归效应。简单的说，就是一个问题你问他两次，他给了你不同的答案。测试的主效应主要影响的是实验的内部有效性。交互效应是指先前的观察对这个实验效果的影响。举个例子，就好比我现在要调查某汽车品牌广告的效果时，参与调查的消费者肯定会比没参与调查的消费者对该汽车品牌更加敏感，更有可能对测试的广告表现出关注，那么测试出的广告效应就无法推广到总体。所以，测试的相互效应影响到的是实验的外部有效性。
3、控制外来变量对实验有效性的影响
我们已经知道，外来变量的存在将影响因变量，扰乱实验效果，严重威胁实验的有效性。所以我们必须要对这些外来变量加以控制，那么如PPT上所示，常见的控制方法有以下几种。
1) 随机化分组；这个很简单，就是实验单位随机的分配到实验组和控制组中，同时实
验条件也随机的非配到各组。这就好比是薛定谔的猫，你不开盒子，你就不知道猫是死的还是活的。故我们可以近似地认定实验的各组从一开始就是基本平等的。 2) 匹配分组；匹配分组是相对于随机化分组而言的，就是在分配实验单位的时候按照
一些关键背景变量来比较实验单位，使得每个实验组都有相匹配的实验单位。这种方法在现实中运用得比较少。 3) 统计控制和实验控制。这两种分别指采用统计分析的方法去测定外来变量并修正其
影响还有精心设计实验方案，来使外来变量得到有效的控制。这两句实际上是废话。
六、结束语
关于后面的“实验法的优缺点”的部分相对来说比较简单，所以我也就不展开来讲了，我相信同学们自己看书都能掌握。谢谢大家听我絮絮叨叨地讲了这么多，谢谢！如果有谁想要课件或者是讲义的可以下课后找我要，也可以在我的博客上面下载。谢谢大家！