Квазиэкспериментальные и корреляционные исследования

В результате изучения данной главы студенты будут:

знать

• • основные особенности корреляционных и квазиэкспериментальных исследований;
• • принципы и условия планирования квазиэкспериментальных и корреляционных исследований в психологии;
• • приемы непрямого (статистического) контроля в квазиэкспериментальных исследованиях;

уметь

• • правильно оценивать угрозы валидности в квазиэкспериментальных исследованиях и выбирать адекватные меры непрямого контроля побочных переменных;
• • правильно оценивать угрозы валидности в корреляционных исследованиях и на основе этого строить адекватные каузальные модели;

владеть

• навыками применения методов непрямого (статистического) контроля в оценке экспериментальных эффектов.

Корреляционное исследование как особая квазиэкспериментальная парадигма в экспериментальной психологии

Стандартная парадигма истинного эксперимента направлена на изучение не просто связей между фактами и явлениями, но и на выявление асимметричных причинно-следственных закономерностей между различными фактами и явлениями. Она была разработана и получила наибольшее развитие в той части психологической науки, которая направлена главным образом на изучение психических процессов и состояний. Предметом ее исследования оказываются факты, связанные с ощущениями и восприятием, механизмами внимания и воображения, памяти и научения, мышления и понимания.

Обычно исследователи, работающие в этих фундаментальных областях научного психологического знания, не ставят перед собой цели изучать индивидуальные различия, сводят такие различия к минимуму или контролируют их, показывая таким образом, что некоторые факторы предсказуемым и закономерным образом влияют на поведение всех индивидуумов. В такой ситуации экспериментатор в полной мере имеет возможность управлять условиями эксперимента, наблюдая и измеряя его результаты.

Исследователь, используя различные схемы первичного экспериментального контроля, создает условия, приближающие в максимальной степени реальный проводимый им эксперимент к идеальному, в котором стабилизированы все побочные факторы, и остаются лишь вариации независимой и зависимой переменных. Именно поэтому возможность оценивания причинно-следственных связей между независимой и зависимой переменными присутствует уже в самом экспериментальном плане, что и отличает эксперимент от каких-либо других эмпирических процедур.

Принципиально другая парадигма исследования присутствует в той части психологии, где вопрос индивидуальных различий оказывается принципиально важным, где исключительно значимым оказывается вопрос повышения экологической валидности эксперимента. Исследования такого рода призваны выявить глубинные взаимосвязи между естественными переменными. Основная парадигма таких исследований заключается в наблюдении самих этих переменных и выявлению взаимосвязи между ними. Такие переменные могут характеризовать индивидуальные особенности испытуемых, их среду обитания, а также существующие взаимоотношения между ними. Такой подход получил название корреляционного.

Например, исследователя могут заинтересовать факторы, определяющие склонность человека к риску. Если эти факторы оказываются ситуативными (скажем, связаны с недостатком времени па обдумывание тех или иных действий), то исследования этих факторов вполне могут укладываться в рамки уже известной нам стандартной парадигмы экспериментирования, когда исследователь может по своему усмотрению варьировать факторы такого рода. Но как быть, если исследователь посчитает, что причины рискованного поведения индивида отражают какие-то его собственные личностные или даже психофизиологические характеристики — например, застенчивость, уровень артериального давления или скорость нарастания возбуждения в центральной нервной системе? Понятно, что управление такими переменными оказывается невозможным или крайне ограниченным в силу различных объективных или этических обстоятельств.

Очевидно, что в ситуации, когда исследователь имеет дело с «неуправляемыми» независимыми переменными, возможности стандартных схем первичного контроля оказываются несколько ограниченными. Например, исследуя фактор агрессивности, экспериментатор должен учитывать факт того, что мужчины, как правило, демонстрируют более высокие показатели по этому личностному качеству. Таким образом, возникает систематическое смешение факторов пола и агрессивного поведения. Стандартные схемы первичного контроля требуют устранения систематического смешения. Однако если исследователь будет проводить эксперимент только па мужчинах, это приведет к уменьшению внешней валидности данного эксперимента.

Угроза внешней валидности будет существовать и в том случае, когда экспериментатор сформирует группы испытуемых, в которых фактор пола будет уравнен (число женщин и мужчин в них будет примерно одинаковым), но сами группы окажутся различными по агрессивности. Ведь это потребует включить в одну группу избыточное число нетипично агрессивных женщин, а в другую — нетипично конформных мужчин.

Поэтому исследователь оказывается вынужденным ослабить прямой экспериментальный контроль, перенося его на более позднюю стадию исследования — стадию обработки и интерпретации уже полученных данных. Для этого он изначально допускает, что его экспериментальные группы окажутся неоднородными, и в самом экспериментальном плане будет присутствовать неконтролируемое изначально систематическое смешение независимой переменной с одной или несколькими побочными переменными.

В широком смысле, корреляционный подход представляет собой эмпирический метод проверки психологических гипотез, позволяющий устанавливать связи между переменными, уровни которых не изменяются, а только измеряются исследователем. По-другому такой подход называют квазиэкспериментальным.

Таким образом, если говорить строго, истинное экспериментальное исследование предполагает использование только управляемых независимых переменных и либо эквивалентных групп в случае межсубъектных планов, либо позиционного уравнивания в случае применения внутрисубъектных планов. Как мы знаем, это достигается с помощью специальных процедур первичного контроля. Если эти условия не выполняются, проводимое исследование может считаться лишь квазиэкспериментальным, или корреляционным, даже если внешне оно очень похоже на экспериментальное.

О квазиэксперимеите говорят, когда вследствие неполного первичного контроля за переменными нельзя сделать непосредственных выводов о существовании причинно-следственной связи между независимой и зависимой переменными. Такой вывод оказывается возможным лишь на основе применения средств непрямого (статистического) контроля, с помощью которого оценивается и нивелируется влияние побочных переменных на интересующую исследователя зависимую переменную.

Приведем некоторые примеры гипотез, которые могут потребовать именно таких подходов к организации исследования.

• • Правильные методы воспитания детей приводят к тому, что, повзрослев, люди проявляют лучшую психологическую приспособленность; дети, в отношении которых применялись плохие методы, повзрослев, оказываются плохо приспособленными.
• • Самый старший ребенок в семье будет иметь более высокий интеллект, следующий за ним по старшинству будет следующим и по интеллекту и т. д.
• • Лица, получившие высокую оценку по специальному тесту на способности, преуспевают в работе контролера деталей машин более часто, чем лица с низкой оценкой.

Заметим, что, по крайней мере, первая из указанных гипотез в принципе может быть реализована и в рамках парадигмы обычного экспериментального исследования. Для этого, очевидно, необходимо подобрать две однородные группы родителей и убедить их использовать правильные или неправильные методы воспитания. Однако эксперимент такого плана потребует больших затрат времени. Кроме того, он представляется не вполне этичным. Вторая и третья гипотезы, по-видимому, требуют каких-то других подходов уже в силу своей специфичности по отношению к тем гипотезам, с которыми мы уже знакомы. Ведь очевидно, что исследователь никак не может повлиять ни на то, каким по счету ребенком в семье был и остается испытуемый, ни на его уже сформированные способности.

Итак, основная причина, побуждающая исследователя использовать квазиэкспериментальные схемы организации исследования, — это необходимость использования неуправляемых независимых переменных. Другие возможные причины, побуждающие исследователя выбирать именно квазиэкспериментальные и корреляционные планы, тоже могут проявляться. Однако они не обязательно ограничиваются стремлением исследователя:

• — понять сложные зависимости в естественных условиях;
• — снять такую угрозу валидности, как знание испытуемого о самом факте эксперимента;
• — замаскировать участие испытуемого в эксперименте ввиду угрозы актуализации особых видов мотивации участников эксперимента.

Несмотря на то, что очень часто корреляционные и квазиэкспериментальные исследования отождествляются друг с другом, существует также традиция теоретически разводить эти два понятия. Таким образом, оказывается возможным более узкое толкование указанных терминов.

Квазиэксперимент в более узком значении этого слова представляет собой исследование, в котором аналог независимой переменной оказывается заданным в неметрической шкале. Например, в таких исследованиях испытуемые так же, как и истинном эксперименте, могут делиться на группы.

Проверяя первую из приведенных выше в качестве примера гипотез, исследователь может разделить группу испытуемых на две подгруппы в зависимости от тех методов воспитания, которым следовали их родители. В качестве зависимой переменной, предположим, исследователь будет использовать различные показатели психологической адаптации испытуемых этих групп. Таким образом, заданная схема исследования оказывается в значительной степени похожей на обычный межгрупповой эксперимент.

Отличие такого исследования от межгруппового экспериментального плана в точном смысле этого слова заключается в том, что исследуемые группы испытуемых оказываются уже сложившимися помимо воли исследователя. Испытуемые, участвующие в исследовании, могут различаться по полу, уровню образования, роду занятий, месту жительства и т. п. Поскольку исследователь не может управлять такими переменными, используя уже известные нам средства прямого контроля, в этих исследованиях изначально уже присутствует неконтролируемая угроза внутренней валидности. Она может быть устроена лишь post factum, на этапе обработки экспериментальных данных с помощью специальных процедур статистического анализа.

Если в широком смысле слово «корреляция» означает связь двух и более явлений, то в более узком смысле оно указывает на способ оценки этой связи. Общая идея корреляционного исследования состоит в том, чтобы устанавливать взаимосвязи между событиями, не выявляя причины этих взаимосвязей. На основании надежно установленных взаимосвязей между процессами исследователь может предсказывать состояние или изменение одного процесса по состоянию или изменению другого. Например, если исследователь знает, что высота интеллекта связана со скоростью речи, то он, но скорости речи может оценить, насколько высоким интеллектом обладает человек^[1]. Для этого ему не нужно искать причины связи интеллекта и скорости речи, достаточно лишь знать, что они каким-то образом связаны. Именно так в корреляционном исследовании решается, по крайней мере, одна из задач научного исследования в психологии, связанная с построением прогноза поведения.

Вторую задачу — объяснение причин поведения — корреляционное исследование решить не позволяет, так как связи, которые измеряются в корреляционном исследовании, не обязательно являются причинно-следственными. Соответственно, из результатов корреляционного исследования нельзя делать непосредственные выводы о том, что один процесс влияет на другой, ведет к изменению другого и т. п. Реализация такого вывода предполагает использование особых статистических процедур.

Поскольку в корреляционном исследовании вопрос поиска причин явлений напрямую не стоит, отпадает необходимость в разделении переменных на независимую и зависимую, ведь никакие зависимости такого плана в корреляционном исследовании не выявляются. Также отпадает необходимость контроля побочных и дополнительных переменных.

Побочные и дополнительные переменные в экспериментальном исследовании наряду с независимой переменной влияют на зависимую и создают затруднение для выявления причинно-следственной связи, поскольку ставят исследователя перед вопросом: по какой причине изменилась зависимая переменная — под влиянием независимой, побочной или дополнительной переменной, или же под совместным влиянием и независимой, и побочной, и дополнительной переменной. Таким образом, в корреляционном исследовании нет независимых, зависимых, побочных и дополнительных переменных, все переменные обладают одинаковым статусом.

Корреляционный подход в таком более узком понимании предполагает использование приемов статистического анализа данных на основе использования коэффициентов корреляции и ковариации. При этом, в отличие от квазиэксперимента, значения независимых переменных заранее не определяются и деление испытуемых на группы не производится. Как правило, хотя это и необязательно, независимые переменные здесь оказываются представлены в метрической шкале.

Например, в случае приведенных выше гипотез нет смысла делить испытуемых на группы в зависимости от того, первым, вторым или пятым ребенком в семье был каждый из них. Такое деление будет непрактичным. Тем более, в ряде случаев у нас вообще может не быть возможности при проверке такой гипотезы сформировать более или менее репрезентативные группы.

^[2]. Тем более непрактичным будет деление на группы в ситуации, когда мы хотим соотнести успешность работы контролера деталей машин с уровнем развития способностей. Именно в таких случаях вычисление коэффициента корреляции и может продемонстрировать искомую связь.

Коэффициент корреляции представляет собой нормированное значение ковариации, которая понимается как общая дисперсия двух переменных х и и

где n — объем исследуемой выборки.

В отличие от ковариации, которая рассчитывается для любых переменных, корреляция предполагает их нормализацию, устанавливая связь между величинами, поведение которых соответствует стандартному нормальному распределению, т. е. между z-величинами:

Коэффициент корреляции впервые был предложен английским математиком К. Пирсоном в конце XIX в. Данный коэффициент является количественной мерой, отражающей величину линейной и монотонной статистической связи между двумя переменными. Коэффициент корреляции, в отличие от коэффициента ковариации, может изменяться в строго определенных пределах: от -1 до +1.

Оценка корреляции предполагает, что если две переменные связаны, то они изменяются пропорционально друг другу. Это значит, что у тех людей, у кого выше развито одно качество, будет выше развито и другое. Например, те, у кого лучше развиты математические способности, лучше обучаются играть на музыкальных инструментах, чем те, у кого эти способности хуже.

В этом примере отражена прямая корреляционная связь между математическими способностями и обучаемостью игре на музыкальных инструментах, при которой чем сильнее выражено одно качество (математические способности), тем сильнее выражено и другое (обучаемость игре на музыкальных инструментах), и, наоборот, чем слабее выражено одно качество, тем слабее выражено и второе.

Корреляционная связь может быть обратной. В этом случае чем сильнее выражена одна способность, тем слабее развита другая. Например, чем больший страх человек испытывает, тем меньше он склонен обдумывать и осмыслять пугающий его предмет или ситуацию.

Тип связи отражает знак корреляции. Положительное значение r означает, что при возрастании х соответственно увеличивается значение у, отрицательное значение r означает, что при увеличении х происходит соответствующее уменьшение у.

Для того чтобы установить присутствие прямой или обратной корреляционной связи, необходимо набрать такую выборку испытуемых, в которой представлены все возможные значения каждой переменной — высокие, низкие и средние. Только на множестве данных исследователь может установить, действительно ли при увеличении/уменьшении значений по одной переменной на определенную величину значения другой переменной увеличиваются/уменьшаются в той же пропорции (для прямой связи) или же при увеличении значений одной переменной на определенную величину значения другой переменной уменьшаются на ту же величину (для обратной связи).

Таким образом, можно сформулировать два существенных допущения, которые должны быть обязательно проконтролированы и соблюдены при измерении коррелляци.

Первое допущение — допущение линейности — предполагает, что связь между переменными линейная, т. е. изменение одной переменной ведет к пропорциональному изменению другой переменной. Проще говоря, при изменении одной переменной на одну и ту же величину вторая переменная также изменяется на одну и ту же величину.

Совершенно очевидно, что для соблюдения допущения линейности при измерении переменных необходимо использовать шкалу, на которой присутствует единица измерения, т. е. шкалу равных интервалов или отношений. Только присутствие единицы измерения позволяет исследователю быть уверенным в том, что переменные изменяются пропорционально. Бывает так, что исследователи подсчитывают корреляции между переменными, измеренными в шкале порядка. В этом случае допущение линейности превращается именно в допущение: исследователь не может быть уверен в том, что на его данных отношение линейности соблюдено. И если окажется, что па самом деле эти данные распределены не линейно, то все полученные в таком исследовании результаты можно будет смело признать случайными и непригодными для использования в психологической практике.

Нарушение допущения линейности ведет к тому, что исследователь пропустит или неверно оценит выявленную в исследовании связь. Если данные распределены нелинейно, а исследователь подсчитывает корреляцию, то по результатам такого подсчета он сделает вывод, что связи между переменными нет, хотя на самом деле она есть, но ее невозможно выявить и обосновать с помощью подсчета коэффициента корреляции. В этом случае требуется осуществить нелинейную трансформацию данных, подлежащих анализу, или использовать способы оценки нелинейной связи.

Нелинейная связь, в частности, может быть оценена на основе кросстабуляций. При данном способе построения исследования экспериментатор отвечает на вопрос о том, случайно или неслучайно сочетание определенных психологических признаков. В качестве примеров можно привести следующие вопросы.

• • Действительно ли люди, которые в детстве подвергались насилию, реже вступают в брак?
• • Действительно ли до физической нагрузки люди могут решить больше задач, чем после?
• • Действительно ли дети с крайней низкой и очень высокой школьной успеваемостью обладают более низкой самооценкой, чем троечники?

Преимущество такого способа корреляционного исследования перед подсчетом коэффициентов корреляции состоит в том, что он позволяет устанавливать связи между переменными даже в том случае, когда эти связи нелинейны.

Исследование при этом, как правило, строится по следующей схеме. Исследователь измеряет все уровни интересующих его переменных, при этом хотя бы одна из них представлена в номинативной шкале. Далее оценивается разница в частоте или выраженности показателей одной переменной при разных уровнях другой переменной. Если при определенном уровне одной переменной другая переменная оказывается существенно более выраженной или частотной, чем при других, то можно сделать вывод, что их совместное появление не случайно, что переменные связаны. Например, люди, которые подвергались насилию в детстве, действительно реже регистрируют брак, чем те, кто насилию не подвергался; после физической нагрузки люди решают не больше задач, а наоборот, меньше чем до нагрузки; троечники действительно обладают самой высокой самооценкой по сравнению с детьми, получающими более низкие или более высокие оценки.

Второе допущение, лежащее в основе подсчета коэффициента корреляции, — это допущение о том, что переменные в исследовании измерены на всем диапазоне. Такие переменные называются фиксированными. Иными словами, предполагается, что в той выборке, в которой проводилось исследование, присутствуют испытуемые, у которых измеряемая психологическая функция или особенность представлена во всем диапазоне — в минимальной, слабой, средней, сильной и максимальной степени.

Ограничение диапазона переменной ведет к искажению оценки связи. Например, исследователь предполагает, что самооценка младшего школьника связана с его школьной успеваемостью. Если такая связь неслучайна, то при низких оценках самооценка будет самой низкой, при высоких оценках — самой высокой, при средних — умеренной. Если же связи нет, то и у отличников, и у двоечников, и у школьников с промежуточными оценками самооценка будет примерно одинаковой.

Если огранить диапазон переменной «оценка», например, если исследовать только хорошистов и отличников, то и диапазон переменной «самооценка» тоже уменьшится. Исследователь увидит, что школьники, которые получают высокие оценки (четыре и пять), обладают определенным уровнем самооценки. Но поскольку из-за ограничения диапазона из выборки исключены двоечники и троечники, исследователь не знает, какая самооценка у школьников с низкой успеваемостью — такая же, как у школьников с высокой успеваемостью, или другая. Поэтому при ограничении диапазона переменной «оценка» он не может прийти к однозначному выводу о том, есть ли связь между самооценкой и школьной оценкой, у него для этого недостаточно информации.

В исследовании, оценивающем коэффициенты корреляции, должны быть соблюдены оба допущения. В противном случае полученные в нем результаты могут быть обоснованно подвергнуты критике.

Тем не менее, корреляционное исследование не следует путать с лишь подсчетом коэффициентов корреляции. На самом деле, это лишь один из способов статистической обработки результатов корреляционного исследования, который предъявляет определенные требования к собранным данным и, как следствие, — к процедуре исследования.

Общая структура, объединяющая разные тины корреляционных исследований и отличающая их от эксперимента, состоит в том, чтобы установить закономерность в частоте встречаемости и степени выраженности двух и более переменных. Если исследователь может доказать, что два события очень часто случаются вместе (например, алкоголизм и нарушение памяти) или что при сильном алкоголизме человек может запомнить меньше, чем при несильном алкоголизме, то этого достаточно для того, чтобы сделать вывод, что между явлениями есть связь.

На основе таких связей можно строить прогноз и, например, оценивать сроки существенного снижения продуктивности памяти по алкогольному поведению или продолжительность и особенности алкогольного поведения по нарушениям памяти. Этого зачастую вполне достаточно для эффективной психологической практики, и вовсе не обязательно выяснять, как именно связаны алкогольное поведение и нарушения памяти — причинноследственным образом или как-то еще.

Таким образом, важно помнить, что обнаружение корреляции между двумя переменными не позволяет сделать вывод, что одна переменная является причиной появления другой. Так, если между двумя переменными А и В установлено ненулевое значение корреляции, то может случиться так, что изменения А вызывают изменения В (А —> В), равно как и изменения В вызывают изменения, А (В —" А).

Действие причинно-следственной связи в двух направлениях называется проблемой направленности. Иными словами, существование корреляции само по себе еще ничего не говорит о направлении этой связи. Более того, вполне возможно, что А не является причиной В, равно как и В не является причиной А, и некоторая неизвестная третья переменная С вызывает изменения как А, так и В. Отметим, что в рассмотренном случае С — это некая неконтролируемая третья переменная (или переменные, ведь часто бывает, что за корреляцией стоит более одной неконтролируемой переменной).

Проблема направленности состоит в том, что результаты корреляционного исследования не несут никакой информации о том, какая из переменных является источником изменений, а какая меняется вслед за ней. Например, из результатов корреляционного исследования следует, что чем выше пассивность ребенка, тем выше доминантность матери. Эти результаты не несут никакой информации о том, какая из переменных является источником — пассивность ребенка или доминантность матери. Ведь как доминантная мать может подавлять инициативу ребенка и делать его пассивным, так и пассивный ребенок может провоцировать мать на проявления доминантности.

Обе альтернативы равновероятны, корреляционное исследование не дает никакой информации для предпочтения одной из них. Поэтому корректная интерпретация результатов корреляционного исследования обязательно включает в себя обсуждение всех возможных альтернатив — когда источником изменений является каждая из коррелируемых переменных.

В приведенном примере корреляции между доминантностью матери и пассивностью ребенка корректная интерпретация может быть сформулирована несколькими способами:

чем пассивнее ребенок, тем выше доминантность матери и чем более доминантна мать, тем пассивнее ребенок;

• — чем активнее ребенок, тем ниже доминантность матери и чем ниже доминантность матери, тем активнее ребенок;
• — чем пассивнее ребенок, тем выше доминантность матери и чем ниже доминантность матери, тем активнее ребенок.

Все три варианта описания результатов равноправны. Важно, что каждый раз это описание формулируется двояко: сначала идет утверждение, в котором источником изменений является одна переменная, а за этим следует утверждение об изменении второй переменной, затем в той же формулировке в качестве источника изменений называется вторая переменная, а изменение первой переменной формулируется вслед за ней.

После формулировки интерпретации, в ее обсуждении равное внимание должно уделяться обоим направлениям связи. Необходимо прояснить два вопроса: о том, как пассивность ребенка может стать источником повышенной доминантности матери, и о том, как, наоборот, доминантность матери может стать источником пассивности ребенка. Распространенной ошибкой начинающих исследователей является обсуждение в результатах только той направленности связи, которая больше соответствует их теоретической позиции, и игнорирование второй направленности. Между тем обе альтернативы одинаково справедливы, и у исследователя нет никаких оснований уделять одной из них больше внимания, чем другой.

Таким образом, в корреляционных исследованиях так же, как и в обычных экспериментальных исследованиях, возникает проблема третьей, или побочной, переменной, которая должна быть проконтролирована для того, чтобы экспериментальный вывод оказался валидным. Этот контроль может осуществляться на основе теоретического моделирования, получившего название структурных линейных моделей. Такое моделирование может быть реализовано путем применения статистических методов мультивариативного регрессионного анализа и уже известного нам метода конфирматорного факторного анализа.

Получается, что высокая степень контроля в корреляционных исследованиях возможна только при наличии теоретической модели, описывающей связи между переменными, в том числе причинно-следственные. Но в любом случае угроза валидному выводу в корреляционных исследованиях остается всегда.

Таким образом, мы видим, что, несмотря на некоторые внешние различия, квазиэкспериментальный и корреляционный методы имеют некоторые общие признаки. Прежде всего, общность этих методов заключается в невозможности использования управляемых независимых переменных. Вместо них используются лишь их аналоги. Они не могут изменяться по воле экспериментатора. Экспериментатор не устанавливает их уровней, а лишь измеряет эти значения. Следовательно, по своему статусу независимые переменные в квазиэкспериментальных и корреляционных планах оказываются ближе к зависимым переменным, значения которых исследователь не меняет, а лишь устанавливает.

Другим важным отличием рассматриваемых нами методов от истинно экспериментальных процедур является частичный или полный отказ экспериментатора от приемов первичного контроля побочных переменных. Этот отказ является следствием невозможности управлять экспериментальным воздействием. Однако это не означает, что в такого рода исследованиях экспериментальный контроль не используется или просто ослабляется. На самом деле он присутствует, но только на этапе статистического анализа уже полученных данных.

Из этого с очевидностью следует, что назначение статистического анализа данных в таких исследованиях несколько отличается от того, что нам известно применительно к истинным экспериментальных планам. Помимо оценки статистической связи между предполагаемыми независимыми и зависимыми переменными, исследователь еще должен оценить возможное влияние на зависимую переменную третьих переменных, образующих систематическое смешение с той неуправляемой переменной, которая рассматривается исследователем в качестве независимой.

• [1] Конечно, он не сделает этого с точностью до балла, для такой точной оценки необходимо использовать тесты интеллекта.
• [2] Представим себе, что мы нашли испытуемого, который был десятым ребенком в семье.