这是实验里常用的一种方法，当一个量随多个量变化而变化时，想要研究这个量与其中一个量的关系时，就可以使用控制变量法，控制变量法是控制其他影响因素不变单改变这一个量来研究。
中文名控制变量
controlled variable
科学实验
无关变量、无关因子、非实验因素或非实验因子
1999年
《心理学名词》 科学出版社
实验控制方法
在心理学实验中，对额外变量的控制技术主要有：
1.排除法
排除法（eliminationmethod）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。在有效消除源自实验者效应和被试效应的额外变量的干扰方面，双盲实验（double-blindexperiment）就是一个很好的排除法。简单地说，双盲控制时让实验的操作者和实验被试都不知道实验的内容和目的，由于实验者和研究参加者都不知道哪些被试接受哪种实验条件，从而避免了主、被试双方因为主观期望所引发的额外变量。从控制变量的观点来看，排除法确实有效，但用排除法所得到的研究结果却常常难于推广。例如，如果顾虑主试与被试的彼此接触会影响实验结果，而采取用自动呈现刺激及自动记录实验结果的方法，那么所得结果通常很难推广到人们日常生活中的同类行为中。
控制变量2.恒定法
恒定法（constantmethod）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。例如，当实验时强度变化的噪音无法消除时，研究者通常采用噪音发生器发出恒定的噪音来加以掩蔽。另一方面，除上述实验条件保持恒定外，实验者和控制组被试的特性（如年龄、性别、自我强度、成就、动机）也是实验结果发生混淆的主要根源，也应保持恒定。只有这样，两个组在作业上的差异才可归于自变量的效果。用恒定法控制额外变量也有缺点：（1）实验结果不能推广到额外变量的其他水平上去。例如，如果只用男性成人作为被试进行实验，其结果不能推广到女性成人中。（2）操纵的自变量和保持恒定的额外变量可能产生交互作用。例如，如果被试是男性，实验者是富有魅力的女性，实验时，实验者可能会使被试分心。这时它是使交互作用发生的额外变量。
控制变量3.匹配法
匹配法（matchingmethod）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。例如，进行“练习对射击效果影响”的实验研究时，先预测一下被试打靶的成绩，然后把两个预测成绩相等（击中环数相等）的被试分别分到实验组和控制组，进而一一匹配成条件相等的两组被试。这种方法在理论上是可取的，但在实际操作上很难行得通。因为，如果须对一个以上的特性（或因素）进行匹配时，实验者常感到顾此失彼，甚至无法进行。例如，实验者要同时考虑年龄、性别、起始成绩、智力等因素，力图使所有因素均匹配成相等而编为两组就很困难了。即使能解决此困难，也将使很多被试不能参加这个实验。更何况，一些中介变量诸如动机、态度等，是无法找到可靠依据进行匹配的。因此，实际应用中，匹配法常常是配合其他技术共同使用的。
控制变量4.随机化和平衡法
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。随机化法不会导致系统性偏差，能够控制难以观察的中介变量（如动机、情感、疲劳、注意等）。随机法不仅能应用于被试，也能应用于刺激呈现和实验顺序的安排。例如，我国心理学家林仲贤等（1986）在研究深度距离判断时，每个被试都要经历单眼观察和双眼观察、正视和斜视两类实验条件，其中单眼又涉及到左右眼分别，斜视又涉及到左右侧斜视。研究者对每个被试的实验条件顺序安排采用了随机化法，做到了较完备的控制。在上例中，随机化法被用于平衡实验条件的序列效应（sequenceeffect），这种思想和抵消平衡法（counterbalancingmethod）又是相通的：采用某些综合平衡的方法，使额外变量的效果互相抵消，达到控制额外变量的目的。常见的抵消平衡法有ABBA法和拉丁方设计法。
控制变量5.统计控制法
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。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（statiscalcontrol）。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（analysisofcovariance），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。
全区上下要提高政治站位，切实增强推进科技创新、高质量发展的紧迫感，努力把科技创新这个“关键变量”转化为高质量发展的“最大增量”[1]
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。
贝莱尔的研究总结出了很多能影响啤酒气泡数量的因素。啤酒的种类、酒精浓度、罐装时的气压，啤酒杯的形状、材质、制作工艺，向啤酒杯中倒入啤酒的多少，甚至大气压和重力加速度都能影响气泡的多少，作为严谨的物理实验，控制变量必不可少。[2]
参考资料1.将“关键变量”转化为“最大增量”·人民网
2.一杯啤酒里有多少个泡泡？科学家真的算出来了·光明网
