Ричард Нисбетт - Мозгоускорители. Как научиться эффективно мыслить, используя приемы из разных наук

Общество дорого платит за непроведенные эксперименты. Из-за того, что мы не поставили соответствующий рандомизированный эксперимент, мы не знаем, напрасно или нет были потрачены $200 млрд на программу Head Start, направленную на улучшение когнитивных способностей детей.

Благодаря рандомизированным экспериментам мы знаем, что некоторые качественные программы дошкольного образования действительно производят значительный эффект, приводя к тому, что дети вырастают более здоровыми и живут более качественной жизнью. Подлинные экспериментальные исследования программ дошкольного образования могут сэкономить огромные средства и принести неоценимую пользу как обществу, так и отдельным людям. Программы просвещения против наркотиков D.A.R.E. не снижают уровень употребления наркотиков и алкоголя среди подростков; телепередача «Напуганы, точно!» повысила, а не снизила уровень преступности, а специалисты по психологической поддержке могут усугублять чужое горе, а не облегчать его. К сожалению, во многих сферах общество просто не способно контролировать все используемые людьми методы с помощью научных экспериментов. И тем более нельзя гарантировать, что общество будет принимать во внимание результаты всех проводимых учеными экспериментов.

Запрашивают ли продавцы автосалонов большую цену с покупательниц-женщин, чем с мужчин?

Влияет ли размер аудитории на качество обучения?

Полезны ли мультивитамины?

Объективен ли работодатель к кандидатам, которые долгое время были безработными, или предубежден потому, что они длительное время не были ничем заняты?

Надо ли женщинам постклимактерического возраста принимать гормональные препараты, чтобы снизить риск заболеваний сердечно-сосудистой системы?

На эти вопросы давали множество ответов. Некоторые из них опирались на исследования, результаты которых были неверны из-за ошибочной методики. Некоторые были в общем-то правильными, потому что использованные научные методы были верны.

Эта глава объясняет три главных пункта, которые исключительно важны для понимания научных открытий и ответа на вопрос, стоит ли им доверять.

1. Исследования, которые для доказательства научного факта опираются на корреляции, могут оказаться безнадежно ошибочными — даже когда эти корреляции предстают в упаковке «анализа множественной регрессии», который «контролирует» множество переменных.

2. Эксперименты, в которых людей (или любые другие объекты) в случайном порядке распределяют по группам, на которых сравнивают разные способы воздействия (или воздействие и его отсутствие), в целом намного точнее исследований, основанные на анализе множественной регрессии.

3. Наши предположения, касающиеся человеческого поведения, так часто ошибочны, что если вообще возможно проверить какую-нибудь важную гипотезу о поведении, то нужно в обязательном порядке проводить эксперимент.

Все вопросы, которые прозвучали в начале этой главы, спрашивали об одном: может ли некая независимая переменная (она же предиктор — представляющая собой исходные данные или предполагаемую причину) влиять на зависимую или результирующую переменную — то есть на конечный результат или достигнутый эффект. Эксперименты задают разные значения независимым переменным; корреляционный анализ же просто измеряет их.

Один из методов, использующий корреляционный анализ, это анализ множественной регрессии (АМР), в котором некоторое количество независимых переменных коррелирует одновременно (иногда последовательно, но мы не будем обсуждать этот вариант АМР) с некоторым количеством зависимых переменных [147] Термин «регрессия» может слегка сбить с толку, поскольку кажется, что выражение «регрессия к среднему значению» — это совсем не то, что исследование соотношения между набором независимых переменных и зависимой переменной. Одно и то же слово используется для таких разных целей потому, что Карл Пирсон, изобретатель корреляционного метода, названного его именем, впервые использовал его для изучения корреляции внутри популяции связанных между собой индивидов. Корреляция роста отцов и детей всегда показывает регрессию к среднему значению. У необычайно высоких отцов сыновья, как правило, ниже их, у отцов очень маленького роста сыновья обычно повыше. Корреляция здесь — это простой анализ регрессии, связывающей одну переменную с другой. Множественная регрессия изучает связь каждой отдельной переменной из целого набора с каждой другой переменной из другого набора. . Интересующая нас независимая переменная (предиктор) изучается наряду с другими независимыми переменными, которые называются контрольными переменными. Цель — показать, что переменная А влияет на переменную Б, за вычетом суммарного влияния других переменных. Другими словами, взаимосвязь остается, даже когда принимается во внимание влияние контрольных переменных на зависимые переменные.