数据分析方法

目录

如何做趋势分析，比如型图

社会科学研究中样本容量问题

关于均值比较

共同方法偏差研究的背景

避免共同方法偏差的措施

单因素检验

透视全新课题的窗口

如何做趋势分析，比如型图

看了一篇论文，对其中的数据处理匕戢感兴趣。网络成瘾问卷得分（）

将被试分为四种类型：无使用者（）、轻度使用（）、中度使用（）

和过度使用者（），因变量是分量表得分（躯体

化；强迫症状；人际关系敏感；抑郁；焦虑；敌对；恐恐

怖"扁执；精神病性；）以及总体指标得分（严性指标；阳性指标；阳性症状苦

恼指标）。首先用一元方差分析考察四组在所有指标上的差异，并使用

考察分量表在组别差异的变化趋势。结果发现了方差分析中，

除偏执分量表和阳性指标外，过度使用者显著高于至少使用者，而在无使用者、

少使用者和中度使用者之间均无显著差异。进一^§势分析发现，在;中动、人际

敏感、焦虑以及阳性指标上呈型，而抑郁、敌对、恐怖以及总体严重指标上

倒型，在阳性严重性苦恼指标上呈线型增长关系。

问题是：趋势分析是怎么做出来的？如何检验的？

今天在网上查了一些资料，大体知道了一点点，结合辛老师的讲解，好理

解有些.我用考察师生关系、学业压力、秩序与纪律、同伴关系和发

试才好。）认为的比例更重要,）建议

大于。这些说明，但被试量不大时，不要用太多的变量或者估计太多的参数。

有的学者为了减低模型的题目数量，将题数合并成小组（），用小组

的总分或者题项平均分构建指标，这样每T因子包含的指题项标就大为减

少。普通是要求各个小组内的构成或者内容保持同质。如学业自我概念普通由语

文自我概念、数学自我概念、普通自我学业能力等构成的个题目，要合并

成个小组新变量就要求每一个变量中均包含语文、数学、普通自我概念三种

内容和结构。又如，自尊的个题目，合并成两项，可以按照奇数和偶数随

机分配成个新变量。雌做的好处，可能会使模型的拟合程度提高，但也可

能是"虚高"的结果，这值得注意。

至于一个因子结构包含几个条目，普通应包含个条目。在探索性研究过程

中，尽量多设计一些条目，以备预测后删除。值得注意的是，统计结果的指标只

是提供了一些参考，是否真的需要删除条目，主要还是要看这个因子的内涵和特

性在不影响因子结构和内涵的前提下，可以结合条目的内容符合程度、语言表

达规范性等综合考虑。如学业自我概念的预测结果表明语文方面的题目质量不好,

也未必一定删除，否则就减少了学习自我概念的内涵了（只是普通自我概念和数

学自我概念了）！

关于均值比较

在研究设计阶段未预先考虑或者预料到，经假设检验得出多个总体均数不全

相等的提示后，才决定的多个均数的两两事后比较

,常用于探索性研究

,两两地交常用：法、检验

在设计阶段就根据研究目的或者专业知识而计划好的某些均数间的两两七啜

或者称事前比较，常用于

事先有明确假设的证实性研究，如多个处理组与对

照组的比较、某一对或者某几对在专业上有特殊意义的均数间的比较，用

检验、检验，也可用检验（该方法最保守）

或者检验。

共同方法偏差研究的背景

共同方法偏差（，）是指由于同样的数据来

源或者评分者、同样的测量环境、项目语境以及项目本身特征所造成的预测变量

与效标变量之间的人为的共变性。它是源于测量方法而不是研究构念的一种变

异，这里的方法包括不同的抽象水平，如特定条目内容、问卷类型、反应形式、

普通测访环境等。在最抽象水平上，方法效应可以解释为诸如光环效应（

）、社会赞许性、熟悉宽容效应或者是否一致性反应等。共同方法偏差在心理学、

行为科学研究特别是在问卷法中广泛存在。早在年前美国心理学家

（）就对进行探讨，近年来已成为一个新的热

点话题。国内学者对于这个问题的严重性已开始有所觉察，但无论在理论和实践

上都还缺乏有力的探讨。

共同方法偏差之所以值得关注，在于它是测量误差的主要来源之一，属于

系统误差的范畴。共同方法偏差效应可以独立于研究假设之外对研究变量之间的

关系提供此夕一种解释，但在经典心理测量中通常并未对此进行单独的分离和处

理。如果共同方法偏差比较严重的话可能会影响到研究结论的有效性甚至误解。

人们对于共同方法偏差的效应的关注，大多源于人们对多质多法

（,）研究文献的元分析。其中最有代表性的

是和（）对项采用方法进行的研究的共同方法

偏差的元分析。这些研究领域包括教育学、社会学、管理科学等,分析结果发现：

在通常的工作绩效测评中大约（）的变异是由等系统误差造成

的，在教育学领域中的变异比例最大，达到。此外，在工作成就测量中

的平均效应为%,而态度测量中的效应达到。

等（）对应用心理学文献的元研究中也发现同样的模式。

近年来，有人比较了控制或者未控制的条件下测评变量之间相关程度

的大小。平均而言，存在时，变异数达到；控制后变异数占

o这表明，对预测变量与结果变量之间关系的影响是比较严重的，特别

在一

些具有共同方法偏差高危（wei）险性的研究项目中，这一问题更值得关注。

避免共同方法偏差的措施

通过研究程序的设计来控制和减少共同方法偏差的关键是确定预测变量和

反应变量的测量从而减少和消除这种偏差。普通而言，预测变量与反应变量的

关联从三个方面体现出来：）反应者；）测量环境和问卷本身所提供的背景

线索；）问卷题目中的特定表述和形式。为此，研究者在研究设计与测量过程

中所采取的控制措施有：

）从不同来源测量预测与效标变量，

）对预测变量和反应变量在测量的时间上（测量间距）、空间上（不同环境）、

心理上（插入故事）与方法学上（纸笔、电脑、网络、访谈、量表形式的）适当

分离，

）保护反应者的匿名性、减小对测量目的的猜测度，

）平衡项目的顺序效应

）改进量表项目等。

单因素检验

基本假设是如果存在方法变异，那末对包含所有研究构念的全部条目进行

探索性因素分析时会析出一个未旋转因子，并且该公共因子解释了大部份变异。

目前匕眼普遍的做法是采用验证性因素分析，设定公因子数为，对〃单一因子

解释了所有变异”的假设进行精确的检验。

示例M对组织文化特征（个变量）

和工作结果特征（个变量）的CMB进行考察。采用软件分别对九因素模

型和一因素模型进行验证性因素分析，结果发现九因素模型拟合良好（C,

）,而一因素模型拟合不好（C,）。模型匕暇发现，

△,△,表明九因素模型对数据的拟合/尤于单因素模型。作者认

为，"CMB对研究结果的解释并不会有严重的威胁”。

评价就目前而言，的单因素方法并非最好的但却最常用的方

法.该方法的特点在于共同方法偏差来源不明确的情况下对，CMB的效应进行

检测.如果CMB效应显著则可以采取此外的方法进行统计控制正.如本例的结

论，模型卡方不显著，可以认为包括共同方法偏差在内的测量误差的效应并不显

著，对研究结论不会造成严重的影响.

值得注意的是，如果检测CMB效应显著且解释较大的变异量时，是否就意味

着共同方法偏差显著呢？回答是否定的.兴许研究变量本身就包含一个故意义的

共同结构.这需要研究者进行科学的判断。

透视全新课题的窗口