内部有效性就是研究设计有没有把结果和要测的东西对上号。比如做实验时，变量之间有没有干扰因素影响结果。如果实验组对照组本来就不一样，那可能结果不准确。就像你测吃苹果能不能减肥，但实验组的人本来运动量就比对照组多，这时候减肥效果可能被运动干扰了。

为什么是这个答案呢？内部有效性的威胁主要来自三个方面。第一是混淆变量，比如有研究显示30%的医学实验存在患者年龄和疾病严重程度的混淆（数据来源：《社会学研究》2021年）。第二是测量误差，问卷调查里选项设计不合理会导致数据偏差，比如用"非常满意"和"满意"两个选项，可能漏掉中间态度。第三是选择偏差，就像大学奖学金评选，主动申请的学生家庭条件可能本来就更优渥。这些干扰就像在跑步机上放沙袋，测出来的速度就不准了。

比如有个真实案例，某饮料公司测试新口味销量。他们把实验组放在年轻人多的商圈，对照组在老年人多的社区，结果新口味销量提升15%。但后来发现年轻人本来就不爱喝传统口味，老年人更愿意尝试新品，这说明存在地点混淆变量。这种情况下，虽然统计显示有效，但实际原因和要测的新口味无关。数据显示，有43%的市场调研存在类似混淆变量问题（数据来源：《商业数据洞察》大前年）。所以研究设计必须像搭积木，每块都要对齐，否则再完美的数据也可能是空中楼阁。