心理统计学
心理统计学(psychological statistics)是运用统计学原理与方法,对心理学研究中的数据进行收集、整理、分析与推断的分支学科。它既是心理学研究的方法论基础,也是把观察到的行为数据转化为可检验结论的桥梁:一项实验能否支持假设,一份测验是否可靠有效,往往都要借统计指标来判断。在学科建制上,它通常与心理测量并列,被视为心理学专业学生必修的方法课程,其内容横跨描述统计、概率推断与多元分析三大块。
学科由来与形成
心理学从哲学中独立,与它接受定量方法几乎同步。19世纪后期,古斯塔夫·费希纳用心理物理学方法把感觉强度与刺激强度的关系写成数学函数,率先表明心理现象可以被测量,这一思路为后来的量表与统计分析铺平了道路。此后,英国的高尔顿在研究个体差异时引入相关与回归的思想,皮尔逊把它发展为相关系数,斯皮尔曼则用因素分析处理智力测验中彼此相关的题目。到20世纪上半叶,费希尔系统建立了实验设计与假设检验的框架,随机化、方差分析与显著性检验逐渐成为心理学实验的标准程式,心理统计学的基本面貌由此定型。
早期的统计工具多借自农学与生物学,心理学家在使用中不断改造。测验信度、项目分析、因素旋转等方法,都是因应心理数据的特殊性而生。二战后计算机的普及使复杂计算成为可能,多元回归、结构方程与多层模型相继进入心理学,统计学的重心也从“是否显著”逐步转向“效应有多大、结论稳不稳”。这一转向至今仍在塑造这门学科的问题意识。[1]
描述与推断的两条腿
心理统计学大致分为描述统计与推断统计两部分。描述统计处理手头这一批数据,用集中量数(平均数、中位数、众数)刻画典型水平,用差异量数(方差、标准差、全距)刻画离散程度,用相关系数刻画两个变量的关联强弱。它的任务是把杂乱的原始分数压缩成少数几个有意义的指标,使人一眼看出分布的大致形状与异常之处。
推断统计则要从样本推及总体。研究者关心的总体参数通常无法直接测得,只能抽取样本,用样本统计量去估计,并判断观测到的差异究竟是真实效应还是抽样波动。这一判断依赖抽样分布:在总体无差异的假设下,统计量会呈现某种已知分布,若实际观测值落在分布的极端区域,就有理由怀疑原假设。t检验、方差分析、卡方检验与各类非参数方法,都是这套逻辑在不同数据条件下的具体形式。
相关、回归与多元分析
在推断统计的家族里,相关与回归占据特殊位置。相关描述两个变量共同变化的程度,取值从负一到正一,绝对值越大关联越紧,但它本身不说明谁因谁果。回归则在一个变量的取值上预测另一个变量,把相关转化为可用的方程,并给出预测的误差范围。心理学中大量研究无法随机分配被试,只能观察变量在自然状态下的共变,相关与回归因此成为最常用的工具,也最容易滑向“相关当因果”的误读。
当变量不止两个,方法便走向多元。多元回归同时控制多个预测变量,估计各自独立的贡献;因素分析假定观测指标背后有少数潜在特质,试图从相关矩阵中还原这些潜在维度,智力与人格研究长期依赖这一思路;结构方程模型进一步把测量误差与因果路径纳入同一框架,允许研究者检验较为复杂的理论模型。这些方法提高了分析的容量,也抬高了误用的风险:模型拟合良好并不等于理论正确,路径方向往往由研究者的假设而非数据决定。
测量水平对方法选择的约束
统计方法的选择受制于数据的测量水平。史蒂文斯提出的四种量表——称名、顺序、等距与比率——至今仍是教科书的标准划分。称名量表只标类别,如性别、血型;顺序量表能排序但不能说明间距相等,如名次;等距量表间距相等但零点任意,如摄氏温度与多数测验分数;比率量表则有绝对零点,如反应时。测量水平决定了哪些运算有意义:对顺序变量求平均严格来说并不恰当,尽管实践中常被默许。
这一区分提醒人们,统计不是中立的工具,它把关于测量性质的假设悄悄带入分析。把只能排序的评分当作等距数据处理,会夸大精度;把不同量表的分数直接相加,可能得出无意义的合成分。心理学大量变量,如态度、焦虑、智力,都没有公认的绝对零点,其分数本质上属于等距甚至顺序层面,这使心理统计在使用参数方法时始终带有近似色彩。研究者若忽略这一点,就容易把统计的精确误当成测量的精确。
显著性检验的争议
长期以来,零假设显著性检验是心理学论文的通行门槛,p值小于某一阈值即判为“显著”。这一做法近年遭到集中批评。批评者指出,p值只回答“若原假设为真,观测到如此极端数据的概率”,并不回答研究者真正想问的“假设为真的概率”;它受样本量强烈影响,样本足够大时几乎任何微小差异都会显著,而样本太小时真实效应又可能被漏掉。更严重的是,围绕显著性划线的做法诱发了选择性报告、p值操纵等问题,被认为是可重复性危机的方法根源之一。
回应之道是转向效应量与区间估计。效应量刻画差异的实际大小,置信区间给出参数的可能范围,二者比一个孤立的p值提供更多信息。越来越多的期刊要求作者报告效应量与置信区间,并提倡预注册研究设计与数据。这场方法论变革并未否定显著性检验,而是把它从“判决”降格为众多证据中的一项,让研究者更谨慎地解释结果。[2]
在心理学中的位置
心理统计学的应用贯穿研究全程。在实验设计中,它帮助估算所需样本量、安排随机化与平衡;在测验编制中,项目难度、区分度与信度系数都靠统计指标筛选题目;在结果解释中,相关与回归揭示变量关系,因素分析把众多观测指标归结为少数潜在维度。临床与教育领域常用的常模参照,也以统计分布为基础,把个体分数放到人群中的相对位置来理解。[3]
评价这门学科,要看到它的双重角色。作为工具,它让心理学的主张可被检验、可被重复,是这门学科区别于思辨传统的关键;作为语言,它也可能遮蔽问题,当一个复杂的心理过程被压缩成几个系数,被省略的往往正是最需要解释的部分。统计分析总是以简化的模型去逼近复杂的行为,模型越精致,越要警惕它对现实的裁剪。信度与效度的判断、样本代表性的评估、因果与相关的区分,归根结底都要回到统计思维的训练上来。熟练的研究者既懂得如何计算,也懂得何时不该迷信计算,这种分寸感才是统计训练真正想教的东西。[4]
参考资料
- ↑ Psychological Testing,Encyclopaedia Britannica,2024年访问
- ↑ PubMed Central,National Library of Medicine,2024年访问
- ↑ Reliability,Simply Psychology,2024年访问
- ↑ 中国心理学会,中国心理学会,2024年访问