心理学研究，一般都是通过样本来推断总体，据此做出结论的。大家都知道取样要有代表性。不过，在许多情况下，代表性是不易确定的。特别地，如果实验分组是基于被试的某个特征时，更是如此。被试的某个特征，从研究的角度讲，就是一个机体变量。由于机体变量不能操纵，即对于变量的不同水平，不能生成，只能选择，从而，以机体变量为自变量的实验，不是真实验，而是准实验。这样的研究，虽然可以为考察特定现象提供有益的启示，但是，研究的内部效度和外部效度都是难以保证的，稍不留意，就会得出错误结论。

假定有人要考察英语拼写困难问题，他认为那些母语为英语的小学生之所以存在拼写困难，原因是这些学生的视觉记忆较差。为了检验这个假设，他采用一种良好的视觉记忆任务，对一所小学鉴别出存在拼写困难的一组学生（拼写困难组）和该校不存在拼写困难的一组学生（对照组）进行测试。

为了便于叙述，给出两个组各10名被试的模拟数据。结果发现，t(18) = 3.586, p= .002, 95%CI: 1.864, 7.136，这两组学生的视觉记忆得分的确存在差异。

研究者似乎就可以得出结论：英语拼写困难的原因是个体的视觉记忆较差。实际上，不少心理学研究基本上就是遵循这样的思路。

然而，这个实验的自变量“有无拼写困难”是机体变量，两个水平分别是“有拼写困难”和“无拼写困难”。在实验时，研究者只能选择在这个变量上具有不同水平的被试，而不能操纵这个变量，相应地，因变量“视觉记忆”的得分差异，就不能肯定地归为自变量“有无拼写困难”。对于这样的准实验来说，与被试有关的其他机体变量都可能是因变量得分差异的原因。

倘若上述研究者获得两组被试的智力测验结果，他就会发现，拼写困难组学生的智商低于对照组学生的智商。从而，视觉记忆得分的差异，可能是智力因素造成的。

现在，考察这两组被试的智商与视觉记忆的关系。对两个组的全体被试来说，智商与视觉记忆之间具有显著的正相关，r= .454, p= .044, 95% CI: .167, .742，效应量R²= .207（见图1）。

图1 智商与视觉记忆的散点图及回归线（全部被试） 

此时，应当把智商作为协变量，以“有无拼写困难”为自变量、视觉记忆为因变量进行协方差分析。做协方差分析之前，需要对数据进行甄别，看看相应的数据是否适合进行这样的分析。

这里强调甄别的一个方面：回归齐性检查。检查的方法是分组查看智商与视觉记忆的散点图及回归线——可用相关系数来作为指标。

结果表明，对于拼写困难组来说，智商与视觉记忆之间的相关系数r= -.329, p= .353, 95% CI: -.894, .633，效应量R²= .108；对于对照组来说，智商与视觉记忆之间的相关系数r= -.039, p= .915, 95% CI: -.831, .711，效应量R²= .002。这显示，两组被试的智商与视觉记忆的关系均为负向的，即回归齐性（见图2）。

图2 智商与视觉记忆的散点图及回归线（分组显示） 

协方差分析结果表明，F(1,17) = 0.574, p= .459, η² = 0.033。这提示，英语拼写困难的原因可能不是个体的视觉记忆较差，而是个体的智商较低。

实际上，由图1和图2不难发现，两组被试的数据，当进行整体考察和分开考察时，显示的情形是不同的，前者表明，智商与视觉记忆是正相关，后者表明，智商与视觉记忆呈负相关的趋势。因此，本例更具有启发意义的是：其一，在心理学研究中，如果随意扩大被试范围，那么，原本没有的关系则可能被人为地制造出来；其二，如果将被试限定在某一范围，那么某种关系将无法考察出来。例如，心理学中有不少关于心理健康的研究，就可以出现这里其一或其二的情况，尤其是其二的情况。也就是说，研究者意欲考察的心理健康问题，在所测试的人群中，其实都是或大部分是处于较低水平，从而，基于相应问题存在各种水平而提出的研究假设，就很难得到有效检验。

同时，某些领域的研究结论莫衷一是，至少可能存在这里所说的原因——被试取样范围不同。问题是，究竟该取哪个范围内的被试，许多时候是难以确定的，毕竟，不同的研究问题，所应界定的总体是不同的，而一些研究显得并不明确界定总体。