一旦提出了研究的问题并获得了需要的被试，我们就需要安排一种观察方法来解答我们的问题。这部分内容要介绍关系科学研究中经常用到的几种不同的研究设计。
相关设计
相关 (correlation) 能回答这样的问题，“X和Y这两个事件在一起变化吗？也就是说变量X和Y有某种关联吗?”。表示相关程度的数值即相关系数在-1.00和 +1.00之间。相关值越大 (绝对值) ，两个事件联系就越紧密。如果X和Y完全正相关 (这意味着他们一起上升或降低——即X上升时Y也上升，Y下降时X也下降) ，相关系数就等于+ 1.00。如果X和Y完全负相关 (也即他们按相反的方向变化—— X上升时Y下降，X下降时Y上升) ，相关系数就等于如果X和Y没有任何关系，它们之间的相关系数就是0。这些相关模式的例子见图2. 2。
两个事件是否一起变化，这个问题很重要也很普遍。考虑下面这个问题 (第3 章会解答) ：具有类似的态度和价值观的人们是否倾向于喜欢彼此呢？对于偶尔遇到的人，感觉到的不一致是否和低吸引力有关？此类问题的相关研究一般会评价伙伴们在自然条件下知觉到的相似性和吸引力，并不会对配对伙伴的行为进行任何形式的干预或影响。研究者会仔细地测量被试的情感，从而发现相似性和吸引力之间的可靠关联，帮助我们理解新建立的人际关系中伙伴感到满意的原因。
另一方面，即使在吸引力和知觉到的类似性之间存在相关，仍有很多信息我们并不知道。的确，很多读者经常错误地理解相关设计得出的研究结果。相关只告诉我们两个事物之间存在联系，但是它并没有告诉我们为什么它们会相关。相关并不能表明事件之间存在因果联系。当你得出相关结论时，当心不要推导出其他无根据的结果，相关只是相关；相关的存在意味着可能有很多不同的似是而非的因果关联。这里给出三条简单明了的可能性：
图2.2相关模式
•X可能引起Y——在相似性和吸引力的例子中，知觉到的相似性可能引起了更多的喜欢。
•Y可能引起X——可能是喜欢上某个人让我们认为自己与他有许多共同点。
•其他影响因素，第三方变量可能同时引起X和Y, X和Y之所以相关的唯一原因是因为他们存在共同的影响因素。两个事件X和Y可能对彼此没有一点影响，而是某个其他影响因素，如他人的俊美长相，致使我们喜欢他们，并且认为他们和我们非常相像。
当X和Y存在相关，上述三种可能性以及许多其他更复杂的结果都有可能是正确的。如果我们得到的只有相关，我们所知道的也只是这两个事件存在关联。我们并不知道其中的因果联系涉及哪些因素。
然而，如果有很多个变量存在许多相关，或者测量是在某段时间里多个不同的场合下得出的，那么复杂的统计分析通常能排除或揭示出某些相关研究中可能的因果联系。尽管我们要小心不要把简单的相关关系错误理解成因果关系，但是运用高级统计技术却有可能在相关设计的结果上得出一些因果联系的可靠结论。
实验设计
如果有可能，考察因果关系更简单的方法是采用实验设计。实验 (experiment) 提供了原因和结果的最直截了当的信息，因为实验者创造并控制了他们研究的条件。在真实验中，研究者有意操作一个或多个变量，并把被试随机分配到这些事先创造的不同条件下，从而观察这些条件变化怎样影响人们的行为。因而，实验时不会问“X和Y是否一起变化”，而是问“如果我们改变X, Y会发生什么变化”。
让我们重新看看唐·伯恩 (Donnbyme) 对态度相似性和吸引力的经典研究 (Byrne & Nelson, 1965) ,以阐明实验研究和相关研究的差别。假如伯恩只是测量同伴的态度和他们喜欢彼此的程度，他会得出相似性和喜欢程度存在正相关，但他不能确定它们之间的因果关系。
伯恩于是做了一个实验。一旦被试来到实验室，伯恩会以投掷硬币的方式来随机确定被试遇到的是一个与自己类似的人，还是一个和自己完全不同的人。他控制了伙伴的相似程度，这也是这两种条件下被试的唯一差别。利用这种实验程序，如果伯恩观察到被试对相似的陌生人表现出更高程度的喜欢，就可以合理地推导出：更高的一致性引起更高程度的喜欢。为什么能得出这个结论？因为被试是随机分配到这两种实验条件下，所以喜欢程度的差别不能归之于每种条件下个体的差异；平均而言，两组被试是一样的。而且，被试除了和陌生人在相似性上有明显差別外，他们在实验中的程序全部是一样的。伯恩观察到的行为差别唯一合理的解释就是：相似性引起人们的喜欢。他的实验清晰地展示了被操纵的原因 (态度相似性) 对结果 (喜欢程度) 的显著影响。
实验比其他设计能更清晰、更精确地测定因果联系。如果实验控制得好，就能清晰地描述原因和结果 (Haslam & Mcgarty, 2004)。那么，为什么研究者还要进行其他设计？答案在于这样一个事实：实验者必须能够控制和操纵他们要研究的事件。伯恩能够控制被试所接收到的关于从未谋面的陌生人的信息，但他操纵不了亲密关系中的其他重要因素。我们也做不到。 (你怎么去创造一段在实验室发生的浪漫爱情体验?) 在一些无法控制的事件上不能采用实验设计。
所以，相关设计和实验设计各有自己的优势 (Mark & Reichardt, 2004)。采用相关设计，我们能研究现实世界中引人注目的事件——亲密关系的忠诚、火热的爱情、不安全的性行为——并考察它们之间的关联。采用实验设计，我们能考察因果联系，但我们研究的事件范围有限。再次强调，没有完美的研究设计——这也是用不同的研究设计、从不同方面研究同一个课题的又一原因。
发展性研究设计
发展性研究设计研究行为或事件随时间而改变的方式。发展性研究设计主要有三种类型。
横断研究设计
最常见的发展性研究设计是横断研究设计 (cross-sectional design) ,即比较处在不同人生阶段或者不同年龄者的发展过程。例如，如果我们要考察在婚姻的不同阶段导致离异的危险因素，我们可以询问那些有着不同婚龄长度的离异夫妇的主要抱怨。我们或许会发现婚姻持续的时间和离婚原因之间的关系。
正如在这个例子中看到的，横断研究设计是相关设计，所以我们要当心从中推导出的结论。如果我们比较那些婚龄25年的夫妇和婚龄只有5年的夫妇，我们比较的就不仅是婚龄不同的人，我们还比较了成长在不同社会环境下的人，两者相差20 年。我们所知道的仅仅是他们对婚姻的抱怨不会随着年岁而变化，他们关注的主要问题也许只是反映了他们结婚时的时代差异。
正如你所看到的，从横断设计得到的相关总会受到某些不确定性的影响：被试所经历的不同社会、文化和政治事件。只要人际关系研究的结果涉及年龄，我们就得质问其原因究竟真的是年龄差异还是不同年龄组的人所成长的背景差异。
在横断研究设计中，研究者从不同年龄组的人获取信息。例如考察不同年龄的人对音乐偏好的差异，我们可以请20岁和60岁年龄的人来评价不同的艺人。
纵向研究设计
横断研究设计混淆了年龄和历史的相对影响。然而，如果我们招募的被试年龄一样，并长时期跟踪研究，那么我们研究中的特点就是被试历史相同但年龄在变化。这就是纵向研究设计 (longitudinal design) ,即对同一群人在一段时间内反复进行测量。如果我们既监测参加研究时还是新婚夫妇的抱怨，又监测年龄变大仍继续参加研究的已婚夫妇的抱怨-正如特瑞·奥布琪 (Orbuch & Brown, 2006) 的婚姻早期岁月 (Eym) 研究项目所进行的——我们采用的就是纵向设计。
这种设计与横断研究设计相比，在分离历史和年龄的影响方面做得非常好，但它们仍不完美。社会文化的巨大变化仍然会混淆年龄和经验的影响。如果我们发现，随着时间的推移，家庭夫妻为金钱发生的争执越来越频繁，又能说明什么呢？如果我们在经济萧条时期收集数据，研究中看似关注婚姻的正常发展变化，却可能反映出暂时性的文化变动所带来的影响，而且这种文化影响对大多数未处于经济萧条时期的婚姻根本没有影响！
如果我们能够坚持也足够聪明，就可以把纵向研究设计和横向研究设计结合起来以排除历史的影响。我们可以选择两组被试，平均年龄分别是20岁和40岁，然后对这两组人都追踪到55岁。如果在55岁时，两组被试都表现出对婚姻类似的抱怨，那么我们才能真正地相信找到了婚姻发展的基本趋势。
当然，做这样一个研究并不轻松。实际上，要做这样一个耗时30年的研究存在巨大的困难。纵向研究设计面临的最大问题之一就是被试流失 (participant attrition),即随着时间推移被试变得越来越少 (West etd., 2004)。人们会搬家或失去联系方式，或变得很忙，或对研究感到厌倦不愿意再继续参加研究。研究持续的时间越长，这些问题就越严重。有些长期的纵向研究结束时，那些自始至终参与研究的人少之又少。的确，即使纵向研究开始时采用的是代表性样本，但当研究结束时就不再是了。
回溯研究设计
由于在纵向研究中与被试保持联络比较困难，或许我们可以在时间上往回走而不是往前走。为什么我们不可以问问人们过去的经历，而要费力地跟踪他们到未来？当然可以，很多亲密关系的研究使用的就是回溯设计 (retrospective design)。有时，回溯的时间很长 (“你们结婚前最主要的争议是什么?”)；有时回溯的时间相当短暂 (“在过去的24小时内，你和配偶的交往有多愉快?”)。
回溯设计非常灵活。如果我们担心历史事件对人们的影响，我们可以请不同年龄的人回想他们在某个相同年龄是否有类似的体验。的确，如果人们的记忆力完美，回溯研究会非常有用。不幸的是，询问人们过去生活的体验也存在困难，并且如果询问的是很久以前发生的事件，回忆的难度就会大大地增加 (Fiye & Kamey, 2004)。无论何时我们看到回溯研究报告，我们都无法确切知道得到的是过去的清晰图像，还是受到近期事件影响的印象。
总之，对发展性设计的回顾支持了我们早先提到的观点：没有一种研究设计是完美的，但每种设计都有它的应用价值。发展性研究设计对时间推移的关注对于亲密关系的研究特别有价值。我们和他人的主要人际关系常常也是长期事件，我们需要理解它们是怎样随着时间而变化的。
场景的选择
现在我们已经提出了要研究的问题，招募了被试，选择好了实验设计，我们还需选择一个场景来实施我们的研究。通常的选择包括： (1) 实验室；或 (2) 自然的日常生活环境，如一对夫妻的家里。每一种选择都有它的优点和缺点。 (你现在正在习惯这些，不是吗？) 实验室的优点是能有效地控制外在的、无关变量的影响。研究者能精确控制被试要经历的体验，还能安排符合研究目的物质环境。自然场景的优点是被试在日常的环境中感到舒适和放松，从而使实验者能获得更多的典型行为。
这两种研究场景的优缺点恰好互补。实验室场景可能引发被试的虚假行为，使我们对他们通常的行为认识不足。另一方面，自然场景可能遍地都是与研究问题无关的干扰变量，并对被试的行为产生重要影响。人们在不同的环境下的确会表现出不同的行为，所以我们必须聱惕研究场景对结果可能造成的影响 (Shoda, 2004)。
不论研究的场景在哪里，某些行为因为很少发生，或让人痛苦，又或者太过紧密 (或三者兼而有之) ，很难进行研究。克服这些困难的方法是让被试进行角色扮演 (role-play) ,以便研究者了解某些行为——例如，被试装作“好像”产生妒忌心，或者发生争吵，或者试图诱惑他人上床。角色扮演的研究往往与真实场景相差很大。在一种极端情况下，请被试阅读与要研究的行为有关的故事，并想象这些事情发生在自己身上。这种戏剧脚本研究往往没有生活中的真实事件逼真生动，允许被试以一种冷淡、从容的方式来演绎，这和真实发生的事件中人们所表现出的冲动性和情感反应大不相同。在另一种极端情况下，模拟研究要求被试扮演虚构情境中的特定人物。例如，研究者可能要求一对夫妇假装双方都感到很生气，然后观察他们的行为反应。这种研究方法被试较投人，但他们仍然知道自己只不过是在假装。角色扮演
专栏2.2 角色扮演中的高科技
人际关系科学中一项有趣的新方法是采用浸入式虚拟现实 (immersive virtual enviroments, Ives ) 来研究人际交往 (Persky & Blascovich, 2007 )。 IVE研究中，被试和计算机中三维呈现的人物互动；他们戴着头盔以控制视线，当通过空房间时，他们接受到的视觉反馈和现实中的移动是一致的。被试真的就像生活在精彩的视频游戏中。
当然，被试知道他们看到的现象在现实中并没有发生。尽管如此，Ive 也是引人入胜的体验，其中产生的行为也和真实生活中人们的行为很相似 (Bailenson et al., 2005 )。这种技术能让研究者精确控制与被试互动的虚拟伙伴的长相、动作和反应。研究者能不断重复地创造同一个情境，也能对实验情境做细微的改变，这种改变在真实生活中很难做到。真实对控制：又是一个既有优点又有缺点的重要研究工具，将来会有更广阔应用前景。
研究在考察一些牵涉感情太多的问题时，不会违背社会的道德伦理规范。但人们可能是按自己所认为的、在这些情境中应该实施的方式来行动，而不是事件的确发生时他们将会实施的行动方式。再一次看到，这种方法既有优点也有缺点。