控制变量在进行科学实验的概念，是指那些除了实验因素（自变量）以外的所有影响实验结果的变量，这些变量不是本实验所要研究的变量，所以又称无关变量、无关因子、非实验因素或非实验因子。

变量的概念此前在相关研究法的介绍中提到过，在实验法中，各种需要操纵、控制和测量的因素或条件都是变量。

实验中主要涉及三种变量：自变量、因变量和控制变量，其中前二者又统称为实验变量。自变量就是在实验中由实验者操作和控制的变量。因变量是指实验中被试对自变量操作反应的实验反应值，即实验者观察和记录的随着自变量的变化而变化的被试行为。控制变量，亦称额外相关变量，指实验中除实验变量以外的影响实验变化和结果的潜在因素或条件。

一般来说，实验法要求实验变量必须是明确、客观的。自变量必须能够被操纵，而因变量必须能被客观地测量。例如，记忆材料的性质就是一个很好的自变量，因为我们能够很容易地区分出对文字、图片、无意义字符等材料的记忆任务；而记忆保持量是一个很好的因变量，因为它能够被精确地测量把握。

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（elimination method）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-blind experiment）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。

2. 恒定法

恒定法（constant method）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。

3. 匹配法

匹配法（matching method）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。

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（sequence effect），这种思想和抵消平衡法（counterbalancing method）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。

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（statiscal control）。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（analysis of covariance），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。

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。