Research Designs研究设计

心理学家使用多种方法检验研究问题。大多数研究依靠相关研究或实验。进行相关研究时，研究者测量人们自然表现出来的变量，并计算两个变量共同变化的程度。进行实验时，研究者主动改变一个变量，并观察另一个变量的变化。实验使研究者能够进行因果推断。其他方法包括纵向设计和准实验设计。研究者使用哪种方法，取决于包括现实限制在内的多种因素。研究者常常采用调查，尽管对同一批人进行纵向追踪会更好，但也更费钱、更耗时。

学习目标

• 清楚说明相关设计与实验设计的区别。
• 理解如何解释相关关系。
• 理解实验如何帮助我们推断因果关系。
• 理解调查与相关研究、实验研究之间的关系。
• 解释什么是纵向研究。
• 列举不同研究设计的一项优点和一项缺点。

研究设计

20 世纪 70 年代初，一个名叫尤里·盖勒（Uri Geller）的人欺骗了世人：他让数十万人相信，他仅凭意念就能弯曲勺子、让手表走慢。实际上，如果你当时坐在观众席中，很可能也会相信他拥有超能力。一切看起来都很真实——这个人一定具有超自然能力！那么，你为什么可能从未听说过他？因为当尤里被要求按照科学实验的条件表演这些奇迹时，他却无法再做到。也就是说，虽然他看起来正在完成不可能的事，但科学检验表明，他不过是一位聪明的魔术师。

当我们观察恐龙骨骼，对已灭绝的生命作出有根据的推测；系统绘制天空图谱，了解恒星与行星之间的关系；或研究魔术师如何表演戏法时，我们都在进行观察——这是科学的基础。虽然人人都熟悉“眼见为实”，但开展科学研究并不只是相信眼睛所见。科学是对自然世界进行系统、有目的研究的结果，心理学也不例外。在电影《甜心先生》（Jerry Maguire）中，小库珀·古丁（Cuba Gooding, Jr.）因“让我看到钱！”这句台词而出名。在心理学以及所有科学中，我们可能会说：“让我看到数据！”

科学探究的重要步骤之一，是检验研究问题，也就是假设。然而，心理学研究有许多检验假设的方法。选择哪种方法，取决于你提出的问题类型，以及可以获得的资源。所有方法都有局限，因此最好的研究会使用多种方法。

大多数心理学研究可以分为两类：实验研究和相关研究。

实验研究

如果有人给你 20 美元，要求你必须今天花掉，你会怎么花？你会买一件惦记了好几个星期的东西，还是把钱捐给慈善机构？你认为哪种选择会带来最多的幸福？如果你和大多数人一样，就会选择把钱花在自己身上（这还用说，对吧？）。我们的直觉是，把钱花在自己身上会更幸福。

在 Corner Perk 咖啡馆，顾客经常为陌生人的饮品买单。这是否是从一杯咖啡中获得最多幸福的方式？伊丽莎白·邓恩（Elizabeth Dunn）的研究表明，把钱花在他人身上，对幸福感的影响可能不同于花在自己身上。[Image: The Island Packet, https://goo.gl/DMxA5n]

不列颠哥伦比亚大学的伊丽莎白·邓恩教授（2008）知道直觉有时会出错，于是开展了一项关于花钱与幸福的实验。她给每位参与者 20 美元，要求他们在当天结束前花完。一些参与者被告知必须把钱花在自己身上；另一些学生被告知必须把钱花在他人身上，例如捐给慈善机构或给别人买礼物。当天结束时，她使用自我报告问卷测量参与者的幸福水平。（等等，幸福这种看不见的东西该怎么测量？心理学家测量幸福和智力等抽象概念时，会先给出这些概念的操作性定义（operational definitions）。有关具体测量策略，可分别参阅 Noba 的“智力”模块 [http://noba.to/ncb2h79v] 和“幸福”模块 [http://noba.to/qnw7g32t]。）

在实验中，研究者操纵自变量（independent variable），也就是使其发生变化，再观察或测量这些变化对因变量（dependent variable）的影响。自变量是受实验者控制，或在组间被有意改变的变量。在邓恩的实验中，自变量是参与者把钱花在自己还是他人身上。因变量是不被操纵、而是呈现效果的变量。一种记忆方法是：因变量“依赖于”自变量发生的变化。在这个例子中，参与者的幸福感（因变量）取决于他们如何花钱（自变量）。因此，观察到的幸福感变化或组间差异，都可以归因于钱花在谁身上。邓恩及其同事发现，钱全部花完后，把钱花在他人身上的人比花在自己身上的人更幸福。换句话说，为他人花钱使我们比为自己花钱更幸福。你觉得意外吗？

但是等等！幸福不是取决于很多不同因素吗，比如一个人的成长经历或生活处境？如果有些人更幸福，是因为童年过得幸福呢？又或者，有些人那天早上掉了一片吐司，偏偏果酱面朝下，毁了一整天的心情呢？这些以及许多其他因素确实很容易影响一个人的幸福水平。那么，在邓恩这样的实验中，我们怎么能够准确地断定，为他人花钱会带来幸福呢？

实验中最重要的是随机分配（random assignment）。参与者不能自行选择所在条件，例如不能决定被要求把钱花在自己还是他人身上。实验者通过抛硬币、掷骰子或其他随机方法，将他们分配到特定条件中。研究者为什么要这样做？在邓恩的研究中，有一个明显理由：如果允许选择，你可以想象大多数人会选哪种条件。另一个同样重要的理由是，随机分配使各组平均而言，除了实验者操纵的因素之外，在其他特征上都相似。

把人随机分配到两种条件（为自己花钱或为他人花钱）后，每种条件中应该都会有一些童年幸福的人。同样，每种条件中也应该都会有一些早上掉了吐司或遭遇其他失望的人。这样，所有这些因素在两组中的分布通常会比较一致，也就是说，平均而言，两组在这些因素上相对等同。随机分配对实验至关重要，因为如果两组唯一的差别是自变量，我们便可以推断，自变量造成了任何可观察到的差异，例如当天结束时感受到的幸福程度。

再举一个说明随机分配重要性的例子：假设你们班要组建两支篮球队，你担任其中一队的队长，全班人数要平均分到两队。如果你可以先挑队员，你会选谁？你很可能会选班上最高或最擅长运动的人。除非别无选择，否则你大概不会选个子矮、动作不协调的人。结果就是，你的队伍比另一队更高，也更擅长运动。但如果我们希望两队公平呢？面对身高和能力不同的人，怎样才能做到？只需把队员随机分到两队。这样，很可能你的队里既有高个子也有矮个子，另一队也是如此，两队的平均身高会大致相同。这就是随机分配的力量！

其他注意事项

除了使用随机分配，还应避免在实验中引入混淆因素。混淆因素（confounds）是可能削弱因果推断能力的因素。例如，如果想检验一种新的“快乐药丸”是否让人更快乐，可以随机分配参与者服用或不服用这种药丸（自变量），再比较两组自我报告的幸福感（因变量）。然而，如果一些参与者知道自己服用了快乐药丸，他们可能产生期望，进而影响所报告的幸福感。这有时称为安慰剂效应（placebo effect）。有时，仅仅知道自己正在接受特殊治疗或某种新事物，就足以真正改变行为或知觉。换句话说，即使服用快乐药丸的参与者报告自己更快乐，我们也不知道是药丸确实有效，还是安慰剂效应在起作用——这就是一种混淆。与此相关的概念是参与者需求效应（participant demand），即参与者试图按照他们认为实验者希望的方式行事。安慰剂效应和参与者需求效应常常无意中发生。甚至实验者期望（experimenter expectations）也会影响研究结果。例如，如果实验者知道谁服用了快乐药丸、谁没有，而因变量又是实验者观察到的幸福感，那么实验者可能会认为服药组出现了实际上并不存在的改善。

防止这些混淆因素影响研究结果的一种方法，是采用双盲程序（double-blind procedure）。在双盲程序中，参与者和实验者都不知道参与者处于哪种条件。例如，参与者拿到快乐药丸或假药丸时，并不知道自己得到哪一种。这样，参与者就不容易受到研究者期望的影响，也就是不容易产生“参与者需求效应”。同样，研究者也不知道每位参与者服用哪种药丸，至少最初不知道；之后会为数据分析而获得相关结果。这意味着研究者的期望无法影响其观察。因此，由于双方都对实验条件“不知情”，便无法以引入混淆的方式行事。最终，两组唯一的差别就是参与者服用了哪种药丸，使研究者能够判断快乐药丸是否确实让人更快乐。

相关设计

科学家被动地观察和测量现象时，这种研究称为相关研究。在这里，我们不像实验那样进行干预和改变行为。相关研究识别关系模式，但通常无法推断谁导致了谁。需要注意，在相关研究中，一次只能考察两个变量，不能更多，也不能更少。

那么，如果你想检验为他人花钱是否与幸福有关，却没有足够的钱给每位参与者 20 美元，该怎么办？你可以采用相关设计——邓恩教授也确实这样做过。她询问人们把多少收入花在他人身上或捐给慈善机构，之后再询问他们有多幸福。你认为这两个变量有关吗？是的！人们报告为他人花的钱越多，就越幸福。

进一步理解相关关系

要了解两个变量对应得有多好，可以把两项分数的关系画在散点图（scatterplot）上（图 1）。散点图中的每个点代表一个数据点；这里代表个人，也可以代表其他单位。每个点提供两条信息：在本例中，分别是个人对过去一个月过得有多好的评价（x 轴），以及过去一个月感到多幸福（y 轴）。哪个变量放在哪条轴上并不重要。

图 1. 幸福感与对过去一个月评价之间关系的散点图，呈正相关（r = .81）。每个点代表一个人。

两个变量之间的联系，可以用相关系数（correlation coefficient，简称 r）进行统计概括。相关系数提供了两个变量关系的方向与强度信息。在上例中，关系方向为正。这意味着，认为过去一个月过得好的人，报告自己更幸福；认为过得不好的人，则报告自己较不幸福。

正相关意味着两个变量一起上升或下降。在散点图中，点形成从左下方向右上方延伸的图形，正如图 1 所示。正相关的 r 值为正数，不过正号通常省略。这里的 r 值为 .81。

负相关意味着两个变量朝相反方向变化：一个上升，另一个下降。图 2 展示了一个国家男性平均身高（y 轴）与该国病原体流行程度，即疾病常见程度（x 轴）之间的关系。图中每个点代表一个国家。注意这些点如何从左上方向右下方延伸。这在现实中意味着什么？意味着在世界上疾病更多的地区，人们身高较矮。负相关的 r 值为负数，即数值前有一个负号（–）。这里为 –.83。

图 2. 男性平均身高与病原体流行程度之间关系的散点图，呈负相关（r = –.83）。每个点代表一个国家。（Chiao, 2009）

相关强度取决于两个变量的一致程度。回想邓恩教授的相关研究，为他人花钱与幸福感呈正相关：人们报告为他人花的钱越多，就报告自己越幸福。此时你可能在想：“我认识一个非常慷慨的人，给了别人很多钱，却很痛苦！”或者，你认识一个非常吝啬却快乐极了的人。没错，可能存在例外。如果一种关系有很多例外，就认为是弱相关；如果例外很少或没有，就是强相关。强相关意味着两个变量总是或几乎总是共同变化。在幸福感与过去一个月过得有多好的例子中，关系很强。相关越强，散点图中的点就越紧密地沿一条斜线排列。

强相关的 r 值具有较大的绝对值。也就是说，忽略 r 值前是否有负号，只考虑数值本身的大小。绝对值大，就是强相关。弱相关意味着两个变量有时对应，但大多数时候并不对应。图 3 展示了重视幸福的程度与平均绩点（GPA）的关系。更重视幸福的人，成绩往往略低，但存在许多例外。弱相关的 r 值绝对值较小。如果两个变量的关系弱到近乎没有关系，我们就说它们不相关，r 值为零或非常接近零。在前一个例子中，身高与病原体流行程度的相关强吗？相比图 3，图 2 的点更紧密、更不分散。–.83 的绝对值较大，因此它是强负相关。

图 3. 重视幸福的程度与 GPA 之间关系的散点图，呈弱负相关（r = –.32）。每个点代表一个人。

你能猜出年龄与出生年份之间相关关系的强度和方向吗？如果你说是强负相关，就答对了！年长者的出生年份总是小于年轻者，例如 1950 年与 1995 年；与此同时，他们的年龄却更大，例如 65 岁与 20 岁。事实上，这是完全相关，因为这种模式没有例外。我挑战你找出一个出生于 2003 年之前的 10 岁孩子！你找不到。

相关关系的局限

如果慷慨与幸福呈正相关，我们是否应该断定慷慨导致幸福？同样，如果身高与病原体流行程度呈负相关，我们是否应该断定疾病导致矮小？仅凭相关关系，我们无法确定。例如，在第一个情形中，可能是幸福导致慷慨，也可能是慷慨导致幸福。还可能有第三个变量同时导致幸福和慷慨，使两者看起来像有直接联系。例如，财富可能就是同时带来更高幸福感和更多慷慨行为的第三变量。这就是为什么心理学家经常强调：相关不等于因果。

质性研究设计

正如相关研究能让我们研究无法通过实验操纵的主题，例如收入高低，其他类型的研究设计也能帮助我们调查这些较难研究的主题。质性研究设计（qualitative designs）就是其中一类，包括参与式观察、个案研究和叙事分析。虽然“观察”这样简单的做法似乎会出现在所有研究方法中，但参与式观察是一种独特的方法：研究者深入某个群体内部，研究其动态。例如，费斯廷格（Festinger）、里肯（Riecken）和沙赫特（Schachter）（1956）对某个邪教团体的心理非常感兴趣。然而，这个团体十分隐秘，不接受外来者访谈。于是，为了研究这些人，费斯廷格及同事假扮成员，从而得以接触该团体的行为和心理。尽管这个例子如此，但需要指出，参与式观察研究中的被观察者通常知道研究者是来研究他们的。

另一种质性研究方法是个案研究（case study），即对特定个人或特定情境进行深入考察。精神分析之父西格蒙德·弗洛伊德（Sigmund Freud）以使用这种方法而闻名，而较新的个案研究例子通常涉及脑损伤。比如，设想研究者想知道某种非常特定的脑损伤如何影响人的幸福体验。显然，他们不能为了实验研究而让人遭受这种损伤。同时，存在这种损伤的人又太少，无法进行相关研究。在这种情况下，研究者可能只考察一名患者，但会对其进行一系列非常广泛的测验。研究者希望，从这一个人身上学到的东西也适用于其他人；然而，即使测验非常全面，也仍可能是这个人除脑损伤之外的某种独特之处影响了其幸福感。不过，由于潜在参与者数量如此有限，个案研究实际上是适合研究这种脑损伤的唯一方法。

本节最后讨论的质性方法是叙事分析（narrative analysis）。叙事分析围绕个人、群体或文化的故事及亲身叙述展开研究。采用这种方法时，研究者不直接与参与者互动，也不量化其回答或行为，而是分析每个人叙事中的主题、结构和对话。也就是说，研究者通过考察人们的亲身讲述，更多地了解这些个人或群体的心理。故事可以以文字、录音或录像形式记录，让研究者既能研究参与者说了什么，也能研究其如何讲述。每个人都有独特的世界观，研究其讲故事的方式，有助于深入理解这一视角。

准实验设计

如果想研究婚姻对某个变量的影响，该怎么办？例如，婚姻会让人更幸福吗？你能随机分配一些人结婚、另一些人保持单身吗？当然不能。那么，怎样研究这些重要变量？可以采用准实验设计（quasi-experimental design）。

研究婚姻对幸福感的影响，有什么合理的方法？[Image: Nina Matthews Photography, https://goo.gl/IcmLqg, CC BY-NC-SA, https://goo.gl/HSisdg]

准实验设计与实验研究相似，区别在于不把参与者随机分配到不同条件，而是依靠已有的群体身份，例如已婚与单身。虽然我们不分配参与者，也不操纵变量，仍把这些条件视为自变量。因此，准实验设计中的因果推断更困难。例如，已婚者可能在多种特征上与未婚者不同。即使发现已婚参与者比单身参与者更幸福，也很难说婚姻导致了幸福，因为那些后来结婚的人，可能原本就比一直单身的人更幸福。

实验设计与准实验设计看起来可能很相似，因此再举一个例子来区分。假设你想知道史密斯博士（Dr. Smith）和汗博士（Dr. Khan）谁教得更好，于是用学生的期末成绩来判断。这里，自变量是教授人选，因变量是学生成绩。在实验设计中，你会把学生随机分配给两位教授，再比较期末成绩。然而在现实中，研究者不能随机强迫学生选某位教授的课，只能使用已经存在的班级，按其现状开展研究，这就是准实验设计。两者的关键区别仍然是：是否随机分配到自变量的不同条件中。虽然由学生自行选择教授的准实验设计可能看起来很随机，但很可能并非如此。例如，学生也许听说史密斯博士要求低，所以懒散的学生更喜欢这门课；而汗博士要求高，所以更聪明的学生更喜欢那门课。这就引入了一个混淆变量——学生智力。无论教授教学能力如何，这个变量几乎肯定都会影响期末成绩。因此，即使准实验设计与实验设计相似，都有自变量和因变量，但由于没有随机分配，也就不能合理地得出与实验设计相同的结论。

纵向研究

另一种有力的研究设计是纵向研究（longitudinal study），即随着时间推移追踪同一批人。有些持续几周，有些持续几个月，有些持续一年或更久。一些对心理学贡献很大的研究，对同一批人追踪了数十年。例如，一项研究对两万多名德国人追踪了二十年。根据这些纵向数据，心理学家里奇·卢卡斯（Rich Lucas）（2003）能够确定：后来结婚的人，在一开始确实比从未结婚的同龄人略幸福一些。这类纵向研究为检验许多心理学理论提供了宝贵证据，但成本可能相当高，尤其是在多年间追踪大量参与者时。

调查

调查在收集数据方面具有显著优势：它既能接触大量人群，又能使研究者的成本和参与者的时间投入保持在相对较低的水平。

调查是通过传统问卷或互联网收集信息的一种方式。相比在心理学实验室进行的研究，调查能以低得多的成本接触更多参与者。虽然调查通常用于相关研究，但并非总是如此，也可以通过调查开展实验。例如，金（King）和纳帕（Napa）（1998）向参与者呈现不同类型的纸面刺激材料：一份由幸福的人填写的问卷，或一份由不幸福的人填写的问卷。他们想知道，相比不幸福的人，幸福的人是否被认为更有可能进入天堂。你能找出这项研究的自变量和因变量吗？能猜出结果吗？相比不幸福的人，幸福的人（自变量）被认为更有可能进入天堂（因变量）！

同样，不使用调查也能开展相关研究。例如，心理学家莉安·哈克（LeeAnn Harker）和达彻·凯尔特纳（Dacher Keltner）（2001）考察了女性大学年鉴照片中的微笑程度。照片中的微笑竟然与十年后是否已婚相关！

研究中的取舍

尽管相关研究和准实验研究存在明显局限，但它们并不比实验和纵向设计低一等。除了选择适合研究问题的方法，许多现实考虑也会影响方法选择。其中一个因素就是资源是否充足：你能投入多少时间和资金？（提示：如果你正在写大四荣誉论文，除非准备推迟毕业，否则不要开始一项漫长的纵向研究！）我们经常采用调查，尽管纵向追踪会更精确，但也困难得多。尤其在探索性研究中，先选择更便宜、更快捷的方法可能很合理。之后，如果初步结果有希望，研究者可以用更深入的方法继续研究。

除了现实问题，选择研究设计时还要考虑研究伦理。例如，对于脑损伤或其他神经系统异常，研究者若让健康参与者遭受这些损害，就是不道德的。然而，研究已有这些损伤的人，能够帮助我们深入理解人类心理。例如，如果发现某个脑区的损伤会干扰情绪，就可能开发治疗情绪异常的方法。除了脑损伤，还有许多研究领域有助于理解人类心智，却难以采用真正的实验设计，例如战争经历、长期隔离、虐待式养育或长期使用药物。但从伦理上说，我们不能操纵这些条件，也不能把人随机分配到这些条件中。因此，伦理考量也是确定适当研究设计的关键因素。

为什么需要研究方法

看看任何一家主要新闻媒体，你都会发现它们经常报道研究。有时记者理解研究方法，有时却不理解，例如经常错误地把相关证据当作因果证据。媒体往往很快就替你下了结论。读完本模块后，你应当认识到，科学发现有多可靠，取决于其研究方法有多可靠。因此，要成为能够明辨研究信息的读者，就需要理解不同方法的优缺点及其区别。此外，理解心理学家如何系统地回答研究问题，也有助于你解决心理学之外的其他问题，无论是个人生活还是职业领域。

外部资源

Article: Harker and Keltner study of yearbook photographs and marriage

http://psycnet.apa.org/journals/psp/80/1/112/

Article: Rich Lucas’s longitudinal study on the effects of marriage on happiness

http://psycnet.apa.org/journals/psp/84/3/527/

Article: Spending money on others promotes happiness. Elizabeth Dunn’s research

https://www.sciencemag.org/content/319/5870/1687.abstract

Article: What makes a life good?

http://psycnet.apa.org/journals/psp/75/1/156/

讨论题

1. 实验研究与相关研究有哪些关键区别？
2. 研究者为什么有时会采用实验之外的方法？
3. 调查与相关设计、实验设计有什么关系？

术语表

Confounds 混淆因素

削弱从实验中作出因果推断能力的因素。

Correlation 相关

衡量两个变量之间的联系，或它们共同变化的程度。

Dependent variable 因变量

研究者在实验中测量但不操纵的变量。

Experimenter expectations 实验者期望

实验者的期望影响研究结果的情况。

Independent variable 自变量

研究者在实验中操纵和控制的变量。

Longitudinal study 纵向研究

随着时间推移追踪同一群个体的研究。

Operational definitions 操作性定义

研究者具体测量某个概念的方式。

Participant demand 参与者需求效应

参与者按照他们认为实验者希望的方式行事的情况。

Placebo effect 安慰剂效应

接受特殊治疗或某种新事物影响人类行为的情况。

Quasi-experimental design 准实验设计

不要求将参与者随机分配到不同条件的实验。

Random assignment 随机分配

以随机方式将参与者分配到实验的不同条件中。

References

• Chiao, J. (2009). Culture–gene coevolution of individualism – collectivism and the serotonin transporter gene. Proceedings of the Royal Society B, 277, 529-537. doi: 10.1098/rspb.2009.1650
• Dunn, E. W., Aknin, L. B., & Norton, M. I. (2008). Spending money on others promotes happiness. Science, 319(5870), 1687–1688. doi:10.1126/science.1150952
• Festinger, L., Riecken, H.W., & Schachter, S. (1956). When prophecy fails. Minneapolis, MN: University of Minnesota Press.
• Harker, L. A., & Keltner, D. (2001). Expressions of positive emotion in women's college yearbook pictures and their relationship to personality and life outcomes across adulthood. Journal of Personality and Social Psychology, 80, 112–124.
• King, L. A., & Napa, C. K. (1998). What makes a life good? Journal of Personality and Social Psychology, 75, 156–165.
• Lucas, R. E., Clark, A. E., Georgellis, Y., & Diener, E. (2003). Re-examining adaptation and the setpoint model of happiness: Reactions to changes in marital status. Journal of Personality and Social Psychology, 84, 527–539.

Authors

Creative Commons License

Research Designs by Christie Napa Scollon is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License. Permissions beyond the scope of this license may be available in our Licensing Agreement.

How to cite this Noba module using APA Style

Scollon, C. N. (2024). Research designs. In R. Biswas-Diener & E. Diener (Eds), Noba textbook series: Psychology. Champaign, IL: DEF publishers. Retrieved from http://noba.to/acxb2thy

Source: https://nobaproject.com/modules/research-designs