管理研究方法：理论、前沿与操作（第2版）课件 第5、6章 问卷调查法与常见统计分析、实验研究法

第5章：问卷调查法与常见统计分析讲课人：****目录CONTENTS123问卷调查法概述问卷调查法的实施流程常见统计分析与软件示例问卷调查法概述01第1节问卷调查法概述一、什么是问卷调查法调研者采用设问的方式并通过一系列过程和手段向被调查者了解情况的一种调查方法二、问卷调查法的推断性原理在抽样调查的基础上得出推断性的结论三、应用问卷调查法的常见误区（一）忽视问卷开展前的研究设计与问卷优化（二）过高或过低认识问卷调查法的功能（三）在分析方法选取上盲目求新或不注意与时俱进问卷调查法的实施流程02第2节问卷调查法的实施流程一、研究与问卷设计（一）调研对象的选择适当性、代表性、可行性（二）抽样方法的选择简单随机抽样、系统抽样、分层抽样、整群抽样、便利抽样、配额抽样、判断抽样、滚雪球抽样第2节问卷调查法的实施流程二、问卷编制（一）问卷样本量通常为所包含题项数的5~10倍（二）问卷结构问卷编码、问卷标题、指导语、主要题项(包括开放式题项与封闭式题项两大类)、人口统计学指标(例如性别、年龄、受教育水平、所在行业与公司类型、职级、工作年限等)、致谢信息等主要内容第2节问卷调查法的实施流程二、问卷编制（三）选择成熟量表1、认真研读备选量表的题项表述与原始表达，选择与自身研究问题最契合的量表2、当研究主题与中国文化情境关系密切且已有相关中文量表时,尽量选择本土量表3、选用西方文化背景下的成熟量表时,需要遵循严格的翻译—回译程序,或者采纳已有的高质量翻译版本;对于翻译得来的量表,建议进行专家评价或预测试,斟酌量表的文字表达4、在同等条件下，尽量选择发表在高质量期刊上、得到更多学术同人认可与使用的量表第2节问卷调查法的实施流程二、问卷编制（三）选择成熟量表5、当研究问题与时代背景关联密切时,尽量选用能够反映新时代背景的量表6、在保证同样或相似的信效度与量表质量的前提下,优先选择精练的量表7、原则上应该与原始量表保持一致而不要随意删改;当需要对量表进行修订与调整时,需要从理论和实证上给出充分的说明与证据8、注意量表的内容表述是否适用于所研究的样本对象9、硕博士学位论文所附的量表质量往往良莠不齐，需要谨慎甄别使用第2节问卷调查法的实施流程二、问卷编制（四）新编量表1、题项生成2、初步问卷发放3、初步题项缩减，主要采用探索性因子分析（EFA）的方法4、验证性因子分析（CFA）5、聚合/区分效度检验6、复制研究第2节问卷调查法的实施流程三、问卷发放与调查实施（一）预调研小样本的预调研可以帮助修订完善量表预调研获得的小样本数据可以初步检验量表信效度（二）问卷调查的实施纸质问卷和电子问卷横截面研究和纵向研究单一来源的调查和不同来源的调查第2节问卷调查法的实施流程四、数据清洗与整理样本特征不符合研究目的问卷中存在明显的错填与大量的缺失反应时间反常答案选择呈现出明显的规律性未能通过甄选题(或称为陷阱题)的测试填答违反问卷内容基本逻辑五、数据分析与结果报告对结论的理解要结合研究情境和理论基础进行根据研究问题需要和数据特征选择合适的分析方法常见统计分析与软件示例03第3节常见统计分析与软件示例一、量表信效度分析（一）信度的内涵与检验信度反映测量值与真实值之间的偏离程度复本信度、重测信度、内部一致性信度、组合信度第3节常见统计分析与软件示例一、量表信效度分析（二）效度的内涵与检验效度体现的是量表是否真正地度量了所对应的构念效度类型内涵常见检验方法内容效度测量题项的内容与表述是否和对应构念的内涵界定保持一致专家评分一致性法、逻辑分析法、专家判断法等内部结构效度测量工具所得到的数据因子结构是否与对应构念的预期结构相一致探索性与验证性因子分析聚合/收敛效度测量相同潜在构念的测验指标落在同一共同因素上验证性因子分析,且通常需要因子载荷大于0.7区分/判别效度某一测量与代表不同构念的测量的相关性不会很大与已经验证过的量表之间的相关系数;多质多法矩阵检验效标效度某个测量构念与另一个在理论上有明确关系的测量构念之间的实际关系是否符合预期为测量A寻找一个理论上强烈正/负相关的成熟测量B,检验A与B的关系是否真的正相关或负相关第3节常见统计分析与软件示例二、共同方法偏差及检验共同方法偏差指的是由共同方法变异导致的偏差，会影响测量的效度共同方法变异是指使用同种测量工具会导致变量产生虚假的共同变异1、程序控制采取不同时点、不同测量主体、自评与他评等多种测量方式、题项随机排列等2、统计控制Harman单因子法控制未测量的潜在方法因子（ULMC）法验证性因子分析标签变量法第3节常见统计分析与软件示例三、描述性统计与相关性分析均值、标准差、相关系数矩阵第3节常见统计分析与软件示例四、探索性因子分析（一）基本内涵与作用通过探索变量之间的内在关系以及背后的结构关系,将数量较多的变量简化为数量相对较少的另一些变量(“因子”)（二）基本步骤1、设计探索性因子分析2、检验探索性因子分析的前提假设3、抽取因子4、解释因子5、探索性因子分析的效度验证6、探索性因子分析的结果处理第3节常见统计分析与软件示例四、探索性因子分析（三）操作演示1、实现EFA的操作设置第3节常见统计分析与软件示例四、探索性因子分析（三）操作演示2、EFA的结果输出与分析相关性矩阵KMO和巴特利特球形度检验第3节常见统计分析与软件示例四、探索性因子分析（三）操作演示2、EFA的结果输出与分析总方差解释第3节常见统计分析与软件示例四、探索性因子分析（三）操作演示2、EFA的结果输出与分析成分矩阵第3节常见统计分析与软件示例五、线性回归分析（一）线性回归分析的基本内涵自变量与因变量之间存在着线性关系一元回归和多元回归（根据自变量数量的多少划分）多元回归包括三种类型标准多元回归分层回归统计回归第3节常见统计分析与软件示例五、线性回归分析（二）多元线性回归的操作与结果解读1、操作演示第3节常见统计分析与软件示例五、线性回归分析（二）多元线性回归的操作与结果解读2、结果解读与呈现模型摘要第3节常见统计分析与软件示例五、线性回归分析（二）多元线性回归的操作与结果解读2、结果解读与呈现方差分析(ANOVA)第3节常见统计分析与软件示例五、线性回归分析（二）多元线性回归的操作与结果解读2、结果解读与呈现回归系数第3节常见统计分析与软件示例六、结构方程模型与验证性因子分析（一）结构方程模型的特点1、可以同时考虑和处理多个因变量。2、允许自变量和因变量包含测量误差3、可以同时估计因子结构(潜变量与观测变量之间的关系)与因子关系(潜变量之间的关系)4、允许更大弹性的测量模型5、可以估计整个模型与数据的拟合程度第3节常见统计分析与软件示例六、结构方程模型与验证性因子分析（一）结构方程模型的特点第3节常见统计分析与软件示例六、结构方程模型与验证性因子分析（二）验证性因子分析的作用与操作解决的是观测变量和潜变量之间的对应关系检验量表信效度区分变量检验共同方法偏差第3节常见统计分析与软件示例TITLE:exampleof5-factorCFA;!此句可以没有,用于提醒语法的内容与主题。DATA:FILE=ex5-1.dat;!告知软件数据文件是什么、在哪里。注意dat文件要和语法inp文件保存在同一个子文件夹下。VARIABLE:NAMES=A1-A3B1-B3C1-C3D1-D6E1-E4;!严格按照顺序列出数据文件中的变量。usevariablesareA1-A3B1-B3C1-C3D1-D6E1-E4;!如本次分析使用的变量少于文件中的变量,需要写明使用变量(usevariables)这一句语法,在本例中因为都要使用,故二者一致,可以不写。ANALYSIS:ESTIMATOR=ML;!明确分析语法。如采用默认的极大似然法ML,可以不写。MODEL:!界定研究人员确定的理论模型。ABYA1-A3;!用BY来表示潜变量(在前)与观测变量(在后)的对应关系。BBYB1-B3;CBYC1-C3;DBYD1-D6;EBYE1-E4;OUTPUT:Standardized;MOD;!输出结果,Standardized表示标准化解,MOD表示修正指数。六、结构方程模型与验证性因子分析（二）验证性因子分析的作用与操作（基于Mplus）第3节常见统计分析与软件示例六、结构方程模型与验证性因子分析（三）结构方程模型的操作TITLE:exampleofSEM;DATA:FILE=ex5-1.dat;VARIABLE:NAMES=A1-A3B1-B3C1-C3D1-D6E1-E4;usevariablesareA1-A3B1-B3C1-C3E1-E4;!此次进行分析时不需要D1-D6的观测值。ANALYSIS:ESTIMATOR=ML;MODEL:!以下部分为测量模型,与之前的CFA一样。ABYA1-A3;BBYB1-B3;CBYC1-C3;EBYE1-E4;!以下部分为结构模型。CONA;!ON表示影响路径分析,ON之后的潜变量影响之前的潜变量。CONB;EONA;EONB;!上述四句也可以简写为CEONAB;OUTPUT:Standardized;MOD;第3节常见统计分析与软件示例七、中介与调节效应检验（一）中介效应的内涵与检验方法如果X可以通过变量M来影响Y,则称M为中介变量逐步回归法、Boostrap置信区间法第3节常见统计分析与软件示例七、中介与调节效应检验（二）中介效应检验操作1、不考虑测量模型的中介效应分析:基于PROCESS插件第3节常见统计分析与软件示例2、考虑测量模型的中介效应分析:基于MplusTITLE:exampleofSEMmediation;DATA:FILE=ex5-1.dat;VARIABLE:NAMES=A1-A3B1-B3C1-C3D1-D6E1-E4;usevariablesareA1-A3B1-B3C1-C3E1-E4;ANALYSIS:ESTIMATOR=ML;bootstrap=5000;!需要在此设置5000次Bootstrap。MODEL:!以下部分为测量模型。ABYA1-A3;BBYB1-B3;CBYC1-C3;EBYE1-E4;!以下部分为结构模型。CONA(a1);!在相应路径后用括号表明对此路径系数的命名,这里表明将A对C的路径系数设为a1;CONB(a2);EONC(b);EONA(c1)B(c2);MODELCONSTRAINT:NEW(ME1,ME2);!形成2个新的参数并进行估计,ME1和ME2分别表示2个中介效应。ME1=a1*b;!中介效应等于ab之积。ME2=a2*b;OUTPUT:Standardized;cinterval(bcbootstrap);!输出参数估计的置信区间。第3节常见统计分析与软件示例七、中介与调节效应检验（三）调节效应的内涵与检验方法如果变量X与变量Y的关系受第三个变量W的影响(即X与Y的关系是包含W的函数),那么变量W就是调节变量方差分析、多元回归分析、结构方程模型第3节常见统计分析与软件示例七、中介与调节效应检验（四）调节效应检验操作1、基于多元回归分析的调节效应检验操作第一层：加入控制变量第二层：加入中心化之后的自变量与调节变量第三层：加入交互项如果交互项的偏回归系数显著,或者加入交互项后ΔR²显著大于0,意味着调节效应得到支持。调节效应模式图、简单斜率检验也可以采用PROCESS插件进行,得到的结果是完全一致的第3节常见统计分析与软件示例2、基于结构方程模型的调节效应检验操作TITLE:exampleofSEM;DATA:FILE=ex5-1.dat;VARIABLE:NAMES=A1-A3B1-B3C1-C3D1-D6E1-E4;usevariablesareB1-B3C1-C3D1-D6;ANALYSIS:TYPE=GENERALRANDOM;ESTIMATOR=ML;ALGORITHM=INTEGRATION;!分析算法设置。MODEL:BBYB1-B3;CBYC1-C3;DBYD1*D2D3D4D5D6;D@1;!对于调节变量采取固定方差法设置,固定其方差为1。BD|BXWITHD;!构建交互项的潜变量。CONB;COND;CONBD;!计算交互项对因变量的影响路径系数。OUTPUT:tech1;本章关键术语信度(reliability):量表测量结果的一致性、稳定性以及可靠性,反映出测量值与真实值之间的偏离程度,包括复本信度、重测信度、内部一致性信度、组合信度等。效度(validity):量表测量结果是否真正地度量了所对应的构念,主要包括内容效度、内部结构效度、聚合/收敛效度、区分/判别效度、效标效度等。共同方法偏差(commonmethodbias):由共同方法变异导致的测量偏差,即使用同种测量工具导致变量产生虚假的共同变异,常见于自我报告量表测量的数据。探索性因子分析(exploratoryfactoranalysis,EFA):从一组复杂繁多的变量中提取出少数几个有意义的共同因子,能够表明这一组变量背后的潜在结构,并能够保留和反映原有变量的绝大部分信息。验证性因子分析(confirmatoryfactoranalysis,CFA):结构方程模型中的测量模型,基于样本数据对预先给定的变量结构模型进行检验,主要关注潜变量因子与观测变量指标之间的对应关系以及理论模型和样本数据的拟合程度。结构方程模型(structuralequationmodeling,SEM):基于变量的协方差矩阵来分析变量之间的关系。包括测量模型和结构模型两部分,可以同时估计潜变量和观测变量之间的关系以及潜变量之间的关系。潜变量(latentvariable):研究中抽象的、不可直接观测的变量,需要由一系列的观测变量来间接体现。中介效应(mediator/mediatingeffect):如果变量X通过变量M影响Y,M就是中介变量。中介效应常用于揭示变量之间影响关系的内在机制和过程。调节效应(moderator/moderatingeffect):如果变量X与变量Y关系的强度或方向受到第三个变量W的影响,W在X与Y关系中起到的效应即为调节效应,常用于揭示变量关系的边界条件。本章思考题1、从问卷调查过程来看,如何才能提高问卷调查研究的质量?2、研究人员在什么情况下应该选择开发新量表?量表开发的收益与风险可能是什么?3、多元线性回归与结构方程模型的区别和联系是什么?4、探索性因子分析与验证性因子分析的区别和联系是什么?5、在管理研究中,中介变量和调节变量各自能帮助研究人员回答哪些问题?延伸阅读[1]侯杰泰,温忠麟,成子娟.结构方程模型及其应用.重印版.北京:教育科学出版社,2021.[2]王孟成.潜变量建模与Mplus应用·基础篇.重庆:重庆大学出版社,2014.[3]谢家琳.实地研究中的问卷调查法//陈晓萍,沈伟.组织管理研究中的实证方法.3版.北京:北京大学出版社,2018.[4]梁建,刘芳舟,樊景立.中国管理研究中的量表使用取向(2006—2015):关键问题与改进建议.管理学季刊,2017(2):41-63.[5]江艇.因果推断经验研究中的中介效应与调节效应.中国工业经济,2022(5):120-140.[6]石贵成,王永贵,邢金刚,等.对服务销售中关系强度的研究:概念界定、量表开发与效度检验.南开管理评论,2005,8(3):74-82.[7]汤丹丹,温忠麟.共同方法偏差检验:问题与建议.心理科学,2020,43(1):215-223.[8]王永贵.服务质量、顾客满意与顾客价值的关系剖析:基于电信产业的整合框架.武汉理工大学学报(社会科学版),2002,15(6):579-587.[9]温忠麟,方杰,谢晋艳,等.国内中介效应的方法学研究回顾.心理科学进展,2022,30(8):1692-1702.[10]熊红星,张璟,叶宝娟,等.共同方法变异的影响及其统计控制途径的模型分析.心理科学进展,2012,20(5):757-769.[11]BaronRM,KennyD.Themoderator-mediatorvariabledistinctioninsocial

psychologicalresearch:Conceptual,strategic,andstatisticalconsiderations.Journal

ofPersonalityandSocialPsychology,1986,51:1173-1182.[12]CampbellDT,FiskeDW.Convergentanddiscriminantvalidationbythe

multitrait-multimethodmatrix.PsychologicalBulletin,1959,56(2):81-105.[13]HinkinTR.Areviewofscaledevelopmentpracticesinthestudyof

organizations.JournalofManagement,1995,21(5):967-988.延伸阅读[14]MacKinnonDP,LockwoodCM,WilliamsJ.Confidencelimitsfortheindirect

effect:Distributionoftheproductandresamplingmethods.MultivariateBehavioral

Research,2004,39(1):99-128.[15]PloyhartRE,VandenbergRJ.Longitudinalresearch:Thetheory,design,andanalysis

ofchange.JournalofManagement,2010,36(1):94-120.[16]PodsakoffPM,MacKenzieSB,LeeJY,etal.Commonmethodbiasesinbehavioral

research:Acriticalreviewoftheliteratureand

recommendedremedies.Journalof

AppliedPsychology,2003,88(5):879-903.[17]PodsakoffPM,OrganDW.Self-reportsinorganizationalresearch:Problemsand

prospects.JournalofManagement,1986,12(4):69-82.[18]PreacherKJ,HayesAF.Asymptoticandresamplingstrategiesforassessingand

comparingindirecteffectsinmultiplemediatormodels.BehaviorResearch

Methods,2008,40:879-891.[19]PreacherKJ,RuckerDD,HayesAF.Addressingmoderatedmediation

hypotheses:Theory,methods,andprescriptions.MultivariateBehavioralResearch,2007,42:185-227.[20]RichardsonHA,SimmeringMJ,SturmanMC.Ataleofthreeperspectives:Examining

posthocstatisticaltechniquesfordetectionandcorrectionofcommonmethod

variance.OrganizationalResearchMethods,2009,12(4):762-800.[21]SchriesheimCA,PowersKJ,ScanduraTA,etal.Improvingconstructmeasurement

inmanagementresearch:Commentsandaquantitativeapproachforassessingthe

theoreticalcontentadequacyofpaper-and-pencilsurvey-typeinstruments.Journal

ofManagement,1993,19(2):385-417.[22]WangYG,FengH.Customerrelationshipmanagement

capabilities:Measurement,antecedentsandconsequences.Management

Decision,2012,50(1):115-129.谢谢实验研究探索管理研究中的因果关系LearningFocus·了解因果性概念·学习实验研究法的定义、特征与分类·掌握实验研究法的基本流程及其要点·掌握自变量操纵和因变量测量技术·掌握探测中介变量的三种方法·掌握效应量、统计效力与预估样本量的概念及其应用引言

课程聚焦管理研究中的因果关系，阐述如何运用实验研究方法来解决因果关系问题。在厘清实验研究的基本流程的基础上，我们将重点阐述实验研究的操作步骤，并对每个步骤中需要注意的细节给予特别关注，同时我们将学习针对每个步骤的注意事项制定的检查目录表；最后，我们会展示一个具体的研究案例，来呈现实验研究背后的故事，深入体会实验研究的简单与优雅。实验研究是一门科学，更是一门艺术。它要求我们在严谨的科学精神指导下，不断练习和实践，以达到科学性与艺术性的完美融合。正如“庖丁解牛”般游刃有余，我们在掌握实验研究方法的过程中也能逐渐达到这种境界。课程引入：场景与思维场景1：视觉与颜色某在线拍卖平台：用户界面背景的颜色（红色或蓝色）是否会对用户拍卖行为产生影响？A/B测试思维企业通过A/B测试寻求答案，随机将参与者导入不同背景界面，观察行为反应的系统性差异。这是一种典型的实验思维场景2：文案与心理某连锁酒店：两套标语："节约水电，保护地球""85%的前期入住顾客响应了节约水电号召"因果关系与排他性哪种标语效果更好？如何排除其他干扰因素？→引出确立因果关系的排他性难题实验研究是一门科学，更是一门艺术。追求"庖丁解牛"般的游刃有余—课程寄语实验研究法概述01Simplebutelegant因果关系的确立标准科学理论的关键在于它揭示了事物之间的因果关系。以原因A影响结果B为例，三大"金标准"：1时间性A发生变化的时间先于B发生变化的时间2共变性A的变化与B的变化有关系（A变B也变）3排他性除A影响B外，找不到可以影响B的其他因素（最难达到）互动思考农夫听见鸡叫而起床劳作属于因果关系吗？哪个标准最难达到？怎样能更好实现"排他性"？实验研究法的定义与核心特征定义系统性操纵自变量，控制额外因素，观察因变量的变化关键特征对比（实验法vs.其他方法）核心特征实验法其他方法操纵主动改变自变量被动观测变量随机分配尽力实现排他性难以控制混淆变量操纵→保证时间先后与共变随机分配→尽力实现排他性小结实验是因果推断的黄金标准通过"操纵"和"控制"两大关键操作，实验法能够最有效地满足因果推断的三个标准。实验研究的分类维度维度一：随机分配的可能性真实验可随机分配参与者因果推断力强准实验无法随机分配因果推断需谨慎维度二：实验发生的场地实验室实验内部效度高外部效度低环境可控，排除干扰实地实验外部效度高内部效度低自然环境下进行一般原则：先内后外先验证机制，再检验实效1.实验室实验验证机制（内部效度）2.实地实验检验实效（外部效度）3.形成证据链条互补实验研究法的流程02围绕研究问题，通过高质量的材料开发、流程设计、数据收集来对研究问题进行回答Step1：确定研究问题——能否"操纵"与"控制"？核心自问：研究对象能否被随机分配？自变量能否被操纵？反例企业市场导向→绩效宏观战略变量，难以在实验中直接操纵企业层面的变量通常不适合实验研究→转变思路：转为个体层面的"顾客感知市场导向"正例居家办公政策评估可以将员工随机分配到不同办公条件注意：需考虑团队层面的随机化避免同一团队成员接受不同处理判断checklist1.自变量是否可以被操纵？2.参与者是否可以被随机分配？3.研究问题能否从宏观层面转换为微观层面？4.是否存在团队/组织层面的干扰需要考虑？提示：当变量难以操纵时，思考其感知层面或替代操作化的可能性。Step2：自变量的操作化与操纵—核心概念因子（Factor）=自变量|因子水平（Level）=自变量的取值实验设计类型被试间设计Between-subjectdesign·每人只接受一种处理·更保守，需求效应低·组间差异更大被试内设计Within-subjectdesign·每人接受所有处理·更高效，误差控制好·节省一半参与者混合设计Mixeddesign·同时包含被试间与被试内变量·至少有一个被试间变量·至少有一个被试内变量逻辑基石：F=组间变异/组内变异设计的目的是最大化分子（系统变异），最小化分母（误差变异）Step2：操作化的"质"与"量"质的评估（干净度）核心链条：构念→操作化定义→操纵应对策略改进材料|统计控制|文化适用性|多方法操纵量的评估（强度）核心原则：因子水平差异要足够大需预防两种效应：天花板效应参与者反应集中在高分段案例：耐克鞋--所有人都想买地板效应参与者反应集中在低分段案例：丑闻品牌

--没人想买建议：使用虚拟品牌（fictionalbrand）可有效避免天花板/地板效应!!

警惕混淆变量混淆变量同时与自变量和因变量有关系，使得二者关系可能是虚假的相关关系。Step2：操纵检验与额外变量控制1效度准确性（测量真实构念）+灵敏性（捕捉水平差异）2位置前测/后测/独立测试，各有优劣需权衡3长度测项不宜过多，避免参与者疲劳或分心4必要性并非所有实验都需要操纵检验额外变量（ExtraneousVariables）依赖大样本随机化平衡当样本量足够大时，随机分配可以均衡额外变量的影响小样本或准实验需特别警惕！随机分配≠随机抽样（二者概念不同）操纵检验关键因素自变量检查表序号检查项1自变量的理论定义是清晰无误的吗？2自变量的操作化定义清晰吗？与理论定义是否吻合？3具体的操纵设计真的实现了对概念内涵的操纵吗？4对自变量不同水平的操纵是否产生足够大的变异？5实验材料会引入其他混淆因素吗？6是否需要纯控制组？7实验材料对自己的实验情境适用吗？需要修订吗？8有操纵检验测项吗？位置合理吗？需要进行独立前测吗？9不同实验可以采用不同的操纵方法吗？10实验材料的设计会导致天花板效应和地板效应吗？Step3：结果变量的测量测量原则准确且灵敏指标能精准反映构念，且能捕捉到自变量的变化第一时间施测自变量的影响会随时间递减，最重要的结果变量优先测量多方法聚合结合态度测量与行为数据，如眼动仪+量表+销售量信息接触→信息加工→情感反应→态度评价→行为意向→最终行为注意：自变量对结果变量的影响可能止步于某个阶段。如果将真实行为作为结果变量但自变量只影响态度，会错失发现"真相"的机会。结果变量检查表序号检查项1结果变量的理论定义是清晰的吗？测量符合效度要求吗？2是否选取了最灵敏的结果变量指标？3结果变量的施测位置恰当吗？最重要的结果变量优先了吗？4在不同实验中需要用不同方法测量结果变量吗？需要设计获得行为数据的实验吗？5同自变量一样，结果变量的设置需要评估天花板与地板效应出现的可能性。Step3：中介变量的三种验证方法蓄水池模型：X（源头）→中介（渠道）→Y（水位）方法名称核心操作优缺点测量-中介设计量表测量中介，回归分析检验简单易行，但无法确认M→Y的因果关系实验-因果链设计实验一验证X→M，实验二验证M→Y因果推断强，但要求M既能测又能操纵调节-过程设计直接操纵M，使其与X交互影响Y适用于M易操纵难测量的情况补充概念并行中介：多个中介同时起作用|序列中介：中介变量形成链条|抵消中介：两个相反方向的中介相互抵消中介变量检查表序号检查项1中介变量的理论定义清晰吗？2中介变量会过于靠近自变量或因变量吗？3中介过程会不会过于复杂？4中介变量是易于被量表直接测量还是易于直接操纵？它们决定了中介效应的验证方法。5在直接测量中介变量且用回归分析验证中介效应的方法中，需对M→Y的因果推断持谨慎态度。6如果测量中介变量，题项位置合适吗？7如果操纵中介变量，该操纵确实是预期要验证的中介效应的反映吗？Step4：实验环境的设定—真实性与封面故事真实性分析框架（二维矩阵）

实验室实地想象行为左下角右下角真实行为左上角右上角（最佳）误解澄清·实验室实验不一定不可取（强在内部效度）·实地实验不一定最优（弱在过程数据获取）封面故事设计原则核心目的：隐藏真实实验目的，避免需求效应三大原则：1.隐藏真实目的：不让参与者猜到研究假设2.串联实验要素：将自变量操纵和因变量测量自然衔接3.简洁自然：不能过于复杂导致参与者疲劳示例：以"4G网络调研"为封面故事，隐藏真实的捐赠实验目的实验环境设置检查表序号检查项1封面故事合理设置了吗？2实验材料够真实吗？3实验引导语与衔接过程顺畅吗？是否可以删除内容？4需要特别让参与者注意到的内容多次重复出现了吗？需要专门凸显吗？5实验材料预测试了吗？参与者是否如预期理解材料？6整个实验环境的设置遵循了参与者导向吗？有站在参与者的角度理解材料吗？Step5：参与者、样本量与预测试—参与者管理甄别参与者认真度设置隐蔽性甄别题（Attentioncheck）·嵌入问卷中，表面与普通问题无异·用于筛选不认真作答的参与者·例如："请选非常同意"学生样本的"罪与罚"优点：同质化高，有利于内部效度缺点：外部效度受限（年龄、教育背景单一）对策：多实验、多样本验证LLMs模拟参与者AI技术的新应用·利用大语言模型模拟人类参与者进行预测试·快速生成假设性数据，检验实验流程·低成本探索性研究工具谨慎对待：LLM不能替代真实人类参与者，仅作辅助工具样本量确定—基于统计效力的科学推算I类/II类错误示意表

H₀为真H₁为真不拒绝H₀正确（1-α）II类错误（β）拒绝H₀I类错误（α）效力（1-β）操作工具：G*Power输入参数即可计算所需样本量：·效应量大小（小/中/大）·显著性水平α（通常0.05）·统计效力1-β（通常0.80）效应量（EffectSize）定义：现象在总体中存在的程度核心特点：不受样本量影响反映了自变量对因变量的实际影响大小统计效力（Power）定义：正确侦测到真实效应的能力通常设为1-β=0.80即80%的概率能发现真实存在的效应预测试的必要性预测试的三大目的1检验材料验证自变量操纵材料是否有效，参与者是否按预期理解材料2熟悉流程检查实验流程是否顺畅，时间安排是否合理，技术问题是否排除3预估效应量获取效应量的初步估计，为正式实验的样本量计算提供依据重要提示预测试的参与者应该与正式实验的参与者特征一致，这样从预测试中获得的启示才可以推广到正式实验。实验参与者、样本量与预测试检查表序号检查项1学生样本是合适的吗？是否考虑用经理人或其他人群样本？2实验材料符合所研究样本的人群特征吗？3本研究的预期效应量大小估算过吗？从中得到哪些启示？4样本量是预先估算后得到的吗？5开展必要的预测试了吗？实验研究法应用示例03以一个完整的研究案例呈现实验研究的全流程，深入体会实验研究的简单与优雅研究背景与假设推演现象观察公益捐赠广告中，"悲惨"与"坚强"两种情绪描述常常并存问题是：哪种情绪更能促进捐赠？假设推演主假设："悲伤+坚强"的混合情绪比单一情绪更能提升捐赠效果中介机制：通过"励志"机制起作用理论贡献首次提出“励志假说”营销领域中首次实证探讨"励志"（Inspiration）这一构念在捐赠行为中的作用。拓展了情绪与亲社会行为的研究边界。实验设计与关键操作（以实验二为例）单因子三水平被试间设计自变量情绪类型·悲伤组·坚强组·混合组因变量真实捐赠行为参与者向广告中受助者的实际捐赠金额中介变量励志感受