跳转到内容

相关设计

来自VeritasWiki 真理百科

相关设计(correlational design)是不对变量进行操纵,而在自然状态下同时测量两个或多个变量,并用统计指标描述它们共同变化的方向与强度的研究方案。它的产物是相关系数,一个介于负一与正一之间的数值,告诉研究者当一个变量偏高时另一个变量倾向于偏高还是偏低,以及这种倾向有多稳定。相关设计是心理学使用最广的研究形式之一,心理测验的效度检验、人格与智力的个体差异研究、健康与行为的流行病学调查,大多以它为基础。它回答的是“事物是否一起变化”,而不是“改变一个会不会引起另一个改变”,这一区分构成了理解它的全部关键。

历史渊源

相关分析的数学工具在19世纪末逐渐成形。英国学者高尔顿(Francis Galton)在研究身高、智力等特征的代际传递时,注意到子代往往会向群体的平均值靠拢,他把这一现象称为向均值的回归,并开始用统计方式刻画两个变量之间的关联。稍后,皮尔逊(Karl Pearson)在此基础上发展出积矩相关系数的计算公式,使“关联的强弱”第一次有了统一的量化表达。这两个名字后来分别留在“回归”与“皮尔逊相关”之中,标志着相关从直观观察变成了可计算的方法。

这一工具进入心理学后迅速普及。智力测验的编制者需要用题目得分与总分的相关来筛选项目,人格研究者需要用它检验量表内部的一致性,发展研究者需要用它追踪不同特质之间的关系。相关设计之所以被广泛采用,一个现实原因是它对条件的要求很低:不必随机分配,不必设置控制组,只要能够对同一批对象同时测量若干变量,就可以计算相关。这种便利既是它的长处,也是它容易被误用的根源。[1]

相关系数的含义

相关系数同时包含两个信息:方向与强度。符号为正表示两个变量同向变化,一个偏高时另一个也倾向于偏高;符号为负表示反向变化,一个偏高时另一个倾向于偏低。绝对值越接近一,说明两个变量的线性关系越紧密,散点越接近一条直线;越接近零,说明线性关联越弱。需要强调的是,相关所刻画的是线性关系,两个变量可能存在明显的非线性联系,其相关系数却接近于零,因此单看数值而不看散点图,很容易漏掉真实的规律。

另一个常被忽视的量是决定系数,即相关系数的平方。它表示一个变量的变异中能被另一个变量解释的比例,例如相关系数为零点五时,决定系数约为零点二五,意味着还有大约四分之三的变异来自其它来源。把中等强度的相关当作“高度一致”,是解读中常见的夸大。相关系数也对取值的范围敏感:如果样本只在很窄的区间内取值,相关会被系统性地压低,这称为全距限制,它在选拔性样本中尤为常见。

与实验设计的根本区别

相关设计与实验设计的分野,在于是否操纵自变量。实验由研究者主动改变某个因素,因而能够把因变量的变化归因于这一改变;相关设计只是观察变量在自然状态下的共变,无法排除第三变量的作用。两个变量相关,可能是一个引起另一个,也可能是另一个引起这一个,还可能是第三个变量同时影响了二者。这三条路径在数据上往往无法分辨,这就是“相关不等于因果”的确切含义。

第三变量问题在实际研究中随处可见。冰淇淋销量与溺水人数正相关,真正的推手是气温;儿童看电视的时长与攻击行为相关,可能共同源于家庭教养方式。反向因果同样难以排除,例如焦虑与失眠相关,究竟是焦虑导致失眠,还是失眠加重了焦虑,横断的相关数据给不出答案。要在相关的基础上逼近因果,需要额外的设计,例如纵向追踪确立时间顺序、统计上控制候选的混淆变量,或借助自然实验,而这些都已超出单纯相关设计的范围。

相关设计的类型

最基础的是同时测量若干变量的横断相关,它给出某一时点上变量之间的关联,成本低、见效快,但无法确定时间顺序。纵向研究则在不同时间点重复测量,能够考察先前的变量是否预示后来的变量,从而为方向性提供线索,不过仍不足以完全排除第三变量。偏相关在计算两个变量的关联时扣除第三个变量的影响,是控制混淆的一种常用手段,但它只能扣除已被测量的变量。

更复杂的形态把相关扩展为模型。多元回归用一个或多个预测变量去解释一个结果变量,路径分析与结构方程模型则同时估计多个变量之间的直接与间接关系,试图把一张相关网络整理成有方向的因果假设。这些方法威力很大,但也容易被滥用:模型拟合良好并不证明因果方向正确,等价模型可能拟合得一样好,方向的确立最终仍要依靠理论、时间顺序或实验干预。相关设计因此常被视为提出假设的工具,而非确证结论的终点。

误读与局限

相关设计最常遭遇的误读,是把关联直接翻译成因果,进而据此提出干预建议。另一种误读是生态谬误,即用群体层面的相关去推断个体层面的关系,群体平均值的关联可能与个体内部的关系方向相反。样本的选择同样会扭曲结论,如果一个研究只招募志愿者,而志愿者在某些特质上系统性偏离总体,所得的相关就未必能推广。

相关研究还受测量质量的制约。若两个变量都用信度不高的工具测量,观测到的相关会被衰减,真实关系被低估;反之,若测量中混入了共同的方法偏差,例如都依赖自我报告,相关又可能被人为抬高。这些技术细节说明,相关系数不是从数据中自动浮现的事实,它的含义依赖于测量方式与抽样方式,脱离这些背景去引用一个数字,往往会误导读者。[2]

应用与评价

相关设计的应用几乎覆盖心理学的每个分支。在心理测量中,它是检验信度与效度的基本手段;在人格与智力研究中,它用来刻画特质的关联网络;在临床与健康心理学中,它揭示风险因素与症状的共变;在组织行为学中,它帮助识别与绩效相关的特征。它也是公众最常接触到的心理学证据形式,媒体上“某项研究发现某习惯与某结果有关”的报道,背后多半是一项相关研究。正因如此,公众对相关证据的解读能力,直接关系到心理学知识在社会中的传播质量。

评价相关设计,应当既承认它的基础地位,也警惕它的解释边界。它的价值在于以较低的成本发现变量之间的联系、生成可检验的假设,并为后续的实验与追踪研究指明方向;它的局限在于无法单独确立因果,任何超出共变的因果主张都需要额外的证据支撑。把相关看作研究的起点而非终点,是使用这一设计时最应有的分寸。[3]

参考资料

  1. ↑ Psychological Testing,Encyclopaedia Britannica,2024年访问
  2. ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
  3. ↑ 中国心理学会,中国心理学会,2024年访问