基思·斯坦诺维奇：这才是心理学（五）(5)

    这些较为复杂的相关统计方法能够排除第三变量的影响，但并不总是会削弱原有相关的强度。有时候，在排除第三变量之后，两个变量之间的原有相关仍然存在，这个结果本身就能提供一些信息。这样的结果说明，原有相关并不是由第三变量所导致的虚假相关。当然，并不排除其他变量也会导致虚假相关。
    另一个例子，有研究发现，高中生能否升入大学和这个学生的家庭社会经济地位有关。这是一个重要发现，足以动摇我们这个社会的核心价值——实现目标靠的是个人能力。它表明，一个人的成功取决于这个人的经济地位。但是在下这个结论之前，我们必须首先考虑一下其他假设。这就是升入大学和社会经济地位之间的相关可能是一种假象。其中一个非常明显的第三变量就是学业能力，它可能与升入大学和社会经济地位都有关系，如果这个变量被排除出去，这两个变量之间的相关就会消失。然而，从研究者运用正确的方法计算出的数据中发现，在学业能力被排除后，升入大学和社会经济水平的相关仍然显著（Baker & Velez, 1996；Long, 2007）。因此，高收入阶层的孩子更容易进入大学不能完全归因于学业能力的不同。
当然，这个发现不能排除这种可能性：其他一些变量导致了升入大学和社会经济水平之间的相关，但是能够用这样一种再分析来排除学业能力对两者相关的影响，这本身就在理论及实践方面具有很重大的意义。
    还有一个使用偏相关技术的例子。安德森等（Anderson & Anderson, 1996）描述了他们是如何来检验关于暴力的地区差异理论的，他们通过检验一系列不同的理论看其是否能够对所收集的数据作出解释。他们采用偏相关技术来进行此项研究。曾有研究表明美国南部地区的暴力犯罪高于北部地区，他们检验了“热假设”——令人不适的高温增强了侵犯性动机和攻击性行为（p. 740）。他们发现城市平均气温和暴力犯罪率之间存在相关，这并不令人奇怪。但是从统计上控制一些变量，如失业率、个人平均收入、贫困率、教育程度、人口规模及其他一些变量之后，气温和暴力犯罪之间的相关仍然显著。这就使得“热假设”理论的可信度大大提高了（又见Larrick, Timmerman, Carton, &
Abrevaya, 2011）。
    方向性问题