(1) Método de eliminación.
Es decir, tomando determinadas medidas para eliminar diversas variables irrelevantes que afectan a los resultados de la investigación. Por ejemplo, para eliminar el "efecto experimental" y el "efecto Hawthorne", se puede utilizar un "procedimiento doble ciego" utilizando buenas instrucciones para eliminar el nerviosismo y la ansiedad de los sujetos, y también puede eliminar el estrés causado por; los sujetos no saben cómo hacerlo. Se producen varios errores aleatorios y sistemáticos.
(2) Método constante.
Es decir, se toman ciertas medidas para mantener sin cambios algunas variables irrelevantes durante todo el proceso de investigación. Por ejemplo, mantener el mismo entorno de investigación, herramientas de medición, instrucciones y tiempo de investigación para diferentes temas puede controlar el impacto manteniendo el efecto sin cambios.
(3) Método de balanceo.
Para algunas variables irrelevantes que no se pueden eliminar y que no pueden o no pueden ser constantes, podemos controlar y equilibrar su impacto adoptando algunos métodos de equilibrio integrales. Los métodos específicos del método de equilibrio incluyen el método de grupo contrastante y el método de circulación. El principio del método del grupo de control es establecer aleatoriamente dos grupos experimentales, excepto las variables de investigación, los efectos de otras variables irrelevantes son iguales, por lo que las diferencias entre los dos grupos pueden considerarse diferencias en las variables de investigación. El método del ciclo se utiliza principalmente para equilibrar los efectos secuenciales de la investigación y el tratamiento, como el método ABBA.
(4) Métodos estadísticos.
Cuando los efectos de variables irrelevantes no pueden eliminarse o controlarse, pero sus efectos han sido medidos y conocidos, se pueden utilizar correcciones o ajustes estadísticos para excluir estos efectos de los resultados del estudio.
(5) Incorporar variables irrelevantes.
El uso de variables irrelevantes como variables independientes en el diseño experimental puede compensar las deficiencias de excluir, mantener sin cambios, equilibrar y compensar variables irrelevantes, acercando así el experimento a la situación real. Sin embargo, el aumento de las variables independientes también trae dificultades estadísticas.