Преимущества, особенности и выбор сложных( многофакторных) экспериментальных схем

В психологии хорошо известен закон «оптимума мотивации», так называемый закон Йеркса-Додсона.
В начале нашего века Р. Йеркс изучал, как влияет негативное подкрепление в форме удара электрическим током на выработку элементарных навыков у животных. В частности, в опытах с «танцующими мышами» (разновидность домашней мыши, имеющая генетический дефект, который заставляет ее двигаться по кругу или по восьмерке) он использовал три уровня силы тока — «сильный» (500 усл. ед.), «средний» (300 усл. ед.) и «слабый» (125 усл. ед.). Мышь должна была научиться выбирать один из двух туннелей. В конце туннеля ее в любом случае ожидало «вознаграждение» — мышь противоположного пола. При ошибочном выборе мышь испытывала удар током, при правильном выборе негативное подкрепление отсутствовало. Местоположение туннелей менялось случайным образом от пробы к пробе. Выяснилось, что быстрее всего обучение происходит при «средней» величине стимуляции.
Обнаруженный в этом эксперименте нелинейный характер связи между величиной стимула к решению определенной задачи и успешностью решения был затем неоднократно подтвержден и во многих других экспериментах, в том числе с испытуемыми-людьми и с позитивной стимуляцией. Чрезмерная мотивация и чрезмерная величина подкрепления, как и слабая мотивация, всякий раз оказывали меньшее воздействие на успешность выполнения различных задач.
Многофакторное экспериментирование развивалось по двум главным направлениям. Первое связано с упоминавшимся уже английским ученым Р. Фишером, разработчиком дисперсионного анализа. В основе этого подхода лежат идеи статистических закономерностей. Второе направление связано с идеями кибернетики. По-видимому, этим обстоятельством обусловлено обозначение многофакторного эксперимента термином «кибернетический эксперимент». К настоящему времени, пожалуй, оба направления слились
...

Многофакторные схемы - это экспериментальные схемы, включающие более одной независимой переменной. Каждая переменная может иметь несколько значений. Слово «многофакторный» показывает, что в эксперименте все возможные комбинации уровней всех независимых переменных использованы.
Преимущества использования нескольких независимых переменных:
• Эксперимент с k-мя независимыми переменными эффективнее (дешевле, быстрее), чем k отдельных эксперимента.
• Экспериментальный контроль обычно лучше в таких случаях, так как в одном эксперименте больше фиксированных переменных - время дня, влажность, температура,.... - чем в k разных экспериментах.
• Результаты такого эксперимента можно обобщить на условия с k независимыми переменными, то есть показать, что результаты верны в нескольких ситуациях
• Использование нескольких независимых переменных помогает определить, являются ли результаты валидными при всех уровнях независимой переменной.