New User Special Price Expires in

Let's log you in.

Sign in with Facebook


Don't have a StudySoup account? Create one here!


Create a StudySoup account

Be part of our community, it's free to join!

Sign up with Facebook


Create your account
By creating an account you agree to StudySoup's terms and conditions and privacy policy

Already have a StudySoup account? Login here

3100 Test Two Study Guide

by: Grace Gibson

3100 Test Two Study Guide 3100

Marketplace > Clemson University > Psychlogy > 3100 > 3100 Test Two Study Guide
Grace Gibson
GPA 3.88

Preview These Notes for FREE

Get a free preview of these Notes, just enter your email below.

Unlock Preview
Unlock Preview

Preview these materials now for free

Why put in your email? Get access to more of this material and other relevant free materials for your school

View Preview

About this Document

This is the study guide for test two. These are based entirely on lecture and not on the book.
Advanced Experimental Psychology
Dr. Thomas Britt
Study Guide
50 ?




Popular in Advanced Experimental Psychology

Popular in Psychlogy

This 10 page Study Guide was uploaded by Grace Gibson on Thursday March 3, 2016. The Study Guide belongs to 3100 at Clemson University taught by Dr. Thomas Britt in Winter 2016. Since its upload, it has received 66 views. For similar materials see Advanced Experimental Psychology in Psychlogy at Clemson University.


Reviews for 3100 Test Two Study Guide


Report this Material


What is Karma?


Karma is the currency of StudySoup.

You can buy or earn more Karma at anytime and redeem it for class notes, study guides, flashcards, and more!

Date Created: 03/03/16
3100 Test Two    Assumptions Participants Make in Research  ● Maxim of Relations  ○ participants want to make sure they are contributing to the research  ○ participants take into account the context of the questions  ● Maxim of Quantity: participants will give information researchers are interested in, and  no more  ● Maxim of Manner  ○ participants will assume the researcher has a purpose in designing the questions  ○ contributions will be clear  ● Demand Characteristics: they say what you want to hear    Ethical Concerns in Research  ● Milgram’s obedience study  ● Zimbardo’s prison study  ● Micturation Delay study  ● Humphrey’s study of gay men  ● Research using deception is prevalent in research  ○ there’s a lot of standpoints on whether or not deception is okay  ○ deontological position: any deception is unethical  ● an interesting finding is that people enjoyed the study more when they were deceived  ● utilitarianism: comparing the benefits of the research with the cost  ● cost/benefit analysis is the position adopted by the APA  ○ a joint commitment to protecting the rights of the participants while advancing  knowledge  ● Debriefing: after the study, educate the participants on the study  ○ tell them about any deception and why it occurred  ○ ask them about their response to the study  ○ address any concerns the participants have  ● Process Debriefing: more exact (ask them about their logical process)  ○ often necessary when there is major deception or when the participant engages  in unexpected behavior  ○ necessary for the receipt of performance or interpersonal feedback  ○ may need to be an interactive process rather than a survey    Conducting Your Research  ● treat participants with respect  ● be professional at all points in the study  ● make sure directions are clear and easy to follow  ● maintain consistency across all participants  ● make sure you are completely “blind” to the experimental condition  ● following a script helps you accomplish all of these  ● IRB  ○ identify the purpose of your research, potential benefits and costs to the  participants, and how you will address these costs  ○ how will participants be recruited? (no coercion is allowed)  ○ participants have to complete an informed consent form    Correlational Research    Correlational Research  ● correlational research defines features of interest  ● how is change in one variable associated with another variable?  ● measured variables can be continuous (e.g. intelligence)  ● measured variables can be discrete (e.g. gender, ethnicity, religion, etc…)  ● correlational coefficients do not have to be the statistic you use  ○ both variables are continuous: correlational coefficient  ○ one variable is continuous, one is discrete: t­test of ANOVA  ○ both variables are discrete: chi­squared  ● one variable is assumed to be the cause of the variation in the other  ○ predictor: causal variable (IV)  ○ criteria: outcome variable (DV)  ● Causal Inference Problem: a correlation does not mean one causes the other  ● Third Variable Problem: concern that another variable might account for the statistical  association between two variables of interest  ○ Americans noticed that cases of polio increased when people were eating more  ice cream and soda  ○ polio cases were actually increasing because it was hot (and therefore people  were eating more ice cream and soda)  ● correlational research is the most common form of research in psychology  ● try to follow up with experimental research when possible    Issues in Correlational Research  ● correlational research only examines linear relationships so if you’re looking for a  nonlinear one, you’ve got to do something else  ● your theory may posit another idea that is not linear  ● there are formulas you can use to test for other relationships  ● e.g. Arousal/Performance Relationship: a median amount of stress produces the best  performance  ● Leary was interested in self­esteem as a function of interpersonal feedback  ○ he predicted an “ogive” relationship  ○ (example just to see the shape of this relationship)   ○ if he had done a linear test, he wouldn’t have found this relationship    Interpreting Correlational Findings  ● r = 0.10   r^2 = 0.01  ○ small correlation  ● r = 0.30   r^2 = 0.09  ○ medium correlation  ● r = 0.50   r^2 = 0.25  ○ large correlation  ● r^2 is the percentage of the variation in one variable that is accounted for in another  variable (proportion of shared variance)  ● when interpreting the size of the correlation, consider:   ○ the size predicted by a given theory  ○ whether variables are assessed with different methods  ○ size of the sample (p value is based on sample size)  ○ even small correlations can be meaningful (aspirin and heart attacks)  ● Restriction of Range: due to the sample, one or both of the variables fail to show  variation  ○ similar to ceiling and floor effects  ○ e.g. SAT scores vs. freshmen GPA  ■ people who get into clemson have pretty high SAT scores  ■ freshmen will have better GPAs because classes are easier  ■ so there won’t be much variation because of the sample    Mediation and Moderation  ● mediator: transmits causality  ○ indicates the cause of the relationship  ○ so two things are correlated, why are they correlated?  ○ e.g. research has shown that people who are highly conscientious have higher  job performance (mediator: they set specific goals)  ○ e.g. research has shown that people of higher economic class do better in school  than people of lower economic class (mediator: presence of academic role  models)  ○ if you control the mediator and the correlation stays the same, the mediator has  no effect  ● mediation: examining what accounts for the relationship between two variables  ● moderation: the relationship between two variables depends on the level of a third  variable  ● moderator: changes the relationship between variables  ○ moderation indicates the strength of the relationship  ○ e.g. what buffers individuals from the negative effects of stress? (moderator:  coping abilities)  ○ e.g. research has shown a relationship between combat exposure and PTSD  (moderator: morale)    Advanced Correlational Methods  ● longitudinal studies (prospective designs): measure the same variables at multiple points  in time and look at the pattern of correlations  ● multiple regression: use of more than one variable to predict another variable  ○ predictor variables vs. criterion variables  ○ e.g. SAT scores vs. freshmen GPA  ○ you get better prediction with predictors that account for unique variance  ○ R = correlation between set of predictors and criterion  ○ R^2 = percentage of variance accounted for in outcome by predictors  ○ a lot of people say you can’t say a variable predicts another variable unless there  is a high correlation  ○ standard multiple regression: all variables go in at one time to predict variance  ■ do all variables predict the independent variability of the outcome?  ■ this probably won’t happen if the two variables overlap (e.g. SAT scores  and intelligence when predicting GPA)  ■ usually for small numbers of variables (four or less)  ○ stepwise multiple regression: variable with the highest correlation goes in first  followed by all the other variables that account for unique variation  ■ lots of variables  ■ tackles one variable at a time  ○ hierarchical multiple regression: order of the variables is based on theoretical  reasons  ■ usually used if you have a set of controlled variables you want to put in  first and then you put in a set of your theoretically related variables  ○ logistic multiple regression: used if you have a categorical (binary) outcome  ■ e.g. received treatment or not, graduated or not, etc…  ■ focuses on accuracy of predicting two groups  ● Factor analysis: how many dimensions underlie a large number of variables?  ○ helpful in a theory that posits an underlying structure of a construct  ○ maybe you’re doing a study on stress and you see that the factors are underlied  by four dimensions (academic, physical, social, and emotional stress)  ○ factor analysis was used to determine the Big Five Personality Traits  ○ used to determine factor underlying our evaluation of things (we evaluate things  as good/bad, fast/slow, weak/strong)  ○ uses a scree plot to determine the number of factors    ■ then you rotate the factors to see which items load on factors (this  number is basically the correlation between item and the factor)  ■ simple structure: item loads 0.40 or higher on only one factor  ■ if there are items that load 0.40 or higher on more than one factor or that  don’t load on any factors, get rid of them  ■ Eigenvalue:     Experimental Research Design    Experimental Research  ● you manipulate your IV and assign random people to random conditions  ● control/baseline groups are important  ● control group: gets exactly the same treatment as the experimental group, but no touch  of the IV  ● McCord studied the effect of positive or negative feedback on people’s self­esteem and  found that the control group had better self­esteem    Placebo Effect  ● only 10% of people on antidepressants are getting the true drug benefits  ● if you want to see if a drug isn’t just effective because of a placebo effect, you would  have to do a blind study (experimental group, control group, and group of people who do  no drugs)  ● maybe include a group that’s told their taking the fake drug (sugar pills) but they’re  actually taking the Prozac  ● this shows the importance of a control group  ○ it refers to the tendency for people to report a treatment has benefitted them,  regardless of whether the therapeutic agent is actually present)  ● spontaneous remission: participants go through no treatment and are aware that they  are not receiving any treatment but still get better  ● there was an experiment that looked at drug treatment and how it affected public  speaking  ○ one group didn’t do anything, one group had a placebo, and one group actually  got the treatment  ○ 22% had spontaneous remission, 28% had the placebo effect, and 35%  benefitted from the therapy  ● Hawthorne Effect: researchers investigated the impact of higher or lower lighting on job  performance  ○ both raising and lowering the lights improved performance  ○ concluded that if people believe they are being intervened with, performance will  improve  ○ this also proves that the control group is important    Manipulation Checks: Testing Validity of IV  ● just because you think you are manipulating your IV, doesn’t mean you are  ● you need to insure that your manipulation was effective  ● manipulation check: questions completed at the end of the experiment to assess the  effectiveness of the manipulation of IV  ● e.g. if you gave positive feedback to one group and negative feedback to another group,  ask they at the end of the study how they feel they did on the test  ● we want significant and large differences between conditions on the manipulation check  ● Britt did an experiment where they told some people they might get a shock to the eye to  study anxiety  ○ there appeared to be no difference in anxiety levels between the group who  thought they might be shocked and the group who didn’t think they’d be shocked  ○ they did not actually manipulate the IV  ○ if they hadn’t done this manipulation check, they would have falsely made a  conclusion  ● if you haven’t really manipulated the IV, you aren’t really measuring its effect on the DV  ● you can do a pilot study where you insure that your IV can be manipulated     Designing the Experiment  ● you want to manipulate and control one key variable  ● it is critical that only your variable of interest is manipulated  ● this does not mean you can’t have multiple IVs  ● error variance cannot be avoided completely since there are many factors that will affect  your DV that have nothing to do with your manipulation of your IV (personality, mood,  time of day, etc…)  ● it is important to understand that the IV accounts for part of the variability of the DV and  this is fine as long as the error variance is spread equally among conditions  ○ random assignment ensures this  ● confound: a factor that is unintentionally manipulated along with your IV that may be  responsible for the relationship between the DV and IV  ○ e.g. he assigns the first 3100 lab to get time management training and the  second 3100 lab as the control group  ○ he compares their end of semester GPA in the course  ○ he has manipulated the lab time by not gathering each group from each lab  ○ this was not random assignment    Internal Validity (basically the opposite of a confound)  ● when the internal validity is high, we are confident the differences in the DV are due  solely to our manipulated IV  ● threats to internal validity include biased assignment, differential treatment, differential  attrition, historical influences, and demand characteristics  ● biased assignment of subjects means there isn’t random assignment  ○ there is a possibility the groups differ on attributes other than the IV  ○ Langer and Rodin study: they assigned one floor of the nursing home to have  active control of their schedule and another floor was the control group  ○ they were trying to see if patients would live longer if they had more control over  their schedule  ○ they didn’t account for the differences that could occur between floors  ● differential treatment of subjects in different conditions is the most frequent problem if  there is true random assignment  ○ subjects are treated different in addition to the IV  ○ e.g. if you’re delivering positive or negative feedback or looking at self esteem,  you might try to cushion the blow of the negative feedback or act more excited  when delivering positive feedback  ● differential attrition in conditions usually happens if you have a long and strenuous study  ○ if you have different numbers of people who leave your study, the ultimate  concern is that you have a personality difference between groups  ○ e.g. if one group is more demanding than the other, more people might leave this  group and the people left might be more hardy or something  ● historical influences on the IV  ○ there could be a historical event that influences the effect of the IV on the DV  ○ e.g. Magic Johnson coming out about his AIDs and how that affects public  opinion  ● Demand characteristics may be magnified in within­subject designs  ○ you need to make sure your participants aren’t figuring out what your hypothesis  is   ○ they may try to help or hurt your hypothesis  ○ you can ask questions at the end of the study to avoid this    Questions when Designing an Experiment  ● Are you interested in the effects of one variable or more?  ○ one IV is a one way design  ○ more than one IV is a factorial design  ○ levels in the first IV times levels in the second IV equals the number of conditions  ○ you can draw out your design (3x2, 4x3, etc…)  ○ how many levels your IV has depends on your hypothesis  ● Do you want different people in different conditions or the same people in all conditions?  ○ between groups: different people  ○ within groups: same people (also called repeated measures  ○ split plot design: one or more variables between and one or more variables within  ■ e.g. soldiers go through either stress or mindfulness training and are  questioned before and after  ○ Advantages of within group  ■ this removes the error that results from individual differences in  personality  ■ you need less people  ■ because of these advantages, if you can do within group you should  ○ Disadvantages of repeated measures  ■ carryover effect: exposure to one level of the IV can affect their response  to another level  ■ fatigue might set in  ■ participants might figure out the purpose of the experiment  ■ people will eventually habituate to the DV  ○ counterbalancing is a way to partially control for carryover effects (e.g. you can  vary the order of levels of the IV for different people)  ● Do you want to measure the DV before you manipulate the IV?  ○ this is called pretest/posttest design and it is necessary when you are examining  change  ○ however, the pretest may sensitize participants to the purpose of the study  ○ the pretest should not immediately precede the manipulation of the IV  ● Do you want to be sure the subjects are equal on variables related to the DV?  ○ this is called matched random assignment: divide the subjects on an attribute,  then randomly assign them to conditions  ○ this is often not done because researchers just trust random assignment  ● Do you want to measure one variable and manipulate another?  ○ this is a mixed model design (expericorr)  ○ this is useful if you’re interested in how individual differences interest with the  manipulation to influence the DV  ○ how to create groups from a continuous variable: you can use the median to  divide into low and high groups (median split)  ■ however that means people around the middle will be in different groups  even though they are similar  ■ you can take the top 25% and the bottom 25% and make extreme groups  (however, this means you lose 50% of your people)  ● Do you want to test for the significance of the IV after controlling for another variable?  ○ Analysis of Covariance  ○ this can be used to test why an IV is causing variation in a DV  ○ e.g. do nature sounds or silence improve math performance?  ■ you may think nature sounds relax people so they do better  ■ you can measure relaxation and control that   ■ this tells you that if you removed this variable, the IV would still have the  same effect on the DV  ■ you could include relaxation as a covariate  ○ if your IV is not longer significant, you have support for mediation  ○ someone might do an analysis of covariance to decrease error in the study   ○ you want your covariance to be related to your DV but not your manipulation    External Validity of an Experiment  ● Will the relationship between the IV and DV be found in the real world?  ● some people say we shouldn’t worry about this and just control variables the best they  can and really study the IV and DV  ○ this is done in biology and physiology  ○ you have to have a strong IV  ● it is possible to test effect size in a laboratory vs. field  ○ there was an analysis conducted with findings from social psychology  ○ the correlation between effect size in the field and the laboratory is 0.75  ○ a bigger effect in the lab leads to a bigger effect in the field (at least for social  psychology)  ● don’t feel guilty if you feel like your study is artificial     Programmatic Research  ● you rarely have important findings through one experiment  ● programmatic research: conducting multiple studies involving different styles and  techniques  ● this can help you identify underlying processes responsible for the effects  ● optimistic bias: tendency to believe we are less likely than the average person to  experience medical illnesses  ○ we also bias the interpretation of feedback  ○ it has been found that part of the prefrontal cortex is responsible for this bias  ● programmatic research is very time consuming    Quasi­Experimental Design  ● the IV is naturally experimented (not by you)  ● the experimenter doesn’t have control of the IV  ● there’s non­random assignment  ● this creates the possibility for confounds  ● there are three types: nonequivalent control group design, natural experiments, and time  series design  ● in a nonequivalent control group design, the manipulation is a program of some kind  ○ the researcher has control over the active manipulated group, but not the control  group  ○ the non­random assignment is basically what makes this a quasi­experimental  design  ○ e.g. a school psychologist that is testing the effect of a drug intervention program  on drug use might use their school as the manipulated one that goes through the  program and another school as the control school  ○ the control group might be the same on some key demographics, but you can  never really be sure this control group is the same on all dimensions  ■ is possible these differences between groups can be confounds  ○ pre/post design: looking at drug use before and after the intervention (just looking  at the manipulated group; there’s no control group)  ○ one time study: measuring both groups after the program   ■ you’re not taking into account what the schools were like before the  program  ○ if you have both groups and do pre/post test for each, you’re controlling for all  these factors  ● natural experiments are the results of events like terrorist attacks, hurricanes, etc…  ● time series design 


Buy Material

Are you sure you want to buy this material for

50 Karma

Buy Material

BOOM! Enjoy Your Free Notes!

We've added these Notes to your profile, click here to view them now.


You're already Subscribed!

Looks like you've already subscribed to StudySoup, you won't need to purchase another subscription to get this material. To access this material simply click 'View Full Document'

Why people love StudySoup

Jim McGreen Ohio University

"Knowing I can count on the Elite Notetaker in my class allows me to focus on what the professor is saying instead of just scribbling notes the whole time and falling behind."

Allison Fischer University of Alabama

"I signed up to be an Elite Notetaker with 2 of my sorority sisters this semester. We just posted our notes weekly and were each making over $600 per month. I LOVE StudySoup!"

Steve Martinelli UC Los Angeles

"There's no way I would have passed my Organic Chemistry class this semester without the notes and study guides I got from StudySoup."

Parker Thompson 500 Startups

"It's a great way for students to improve their educational experience and it seemed like a product that everybody wants, so all the people participating are winning."

Become an Elite Notetaker and start selling your notes online!

Refund Policy


All subscriptions to StudySoup are paid in full at the time of subscribing. To change your credit card information or to cancel your subscription, go to "Edit Settings". All credit card information will be available there. If you should decide to cancel your subscription, it will continue to be valid until the next payment period, as all payments for the current period were made in advance. For special circumstances, please email


StudySoup has more than 1 million course-specific study resources to help students study smarter. If you’re having trouble finding what you’re looking for, our customer support team can help you find what you need! Feel free to contact them here:

Recurring Subscriptions: If you have canceled your recurring subscription on the day of renewal and have not downloaded any documents, you may request a refund by submitting an email to

Satisfaction Guarantee: If you’re not satisfied with your subscription, you can contact us for further help. Contact must be made within 3 business days of your subscription purchase and your refund request will be subject for review.

Please Note: Refunds can never be provided more than 30 days after the initial purchase date regardless of your activity on the site.