用验证性因素分析法对控制源量表的分析研究

验证性因素分析方法克服了传统的探索性因素分析的不足,为心理学发展和研究的精细化、数学化提供了更可行的途径。本研究运用验证性因素分析方法对心理控制源量表进行了分析研究,研究发现L1SREL软件对SPSS不能分析出来的因素可以进一步地给予精确数据。     

情绪取向理论建构及实证

该研究尝试用一种新的视角一取向研究视角,对以往情绪理论进行整合研究,建构一种与社会情境结合更紧密,更具概括性的情绪取向理论.情绪取向理论的假设建构模型包括四个维度:理性取向、感性取向、积极取向和消极取向.根据理论模型编制情绪取向量表,以779名被试为研究对象,运用探索性因素分析和验证性因素分析方法对该理论模型进行实证研究.结果证明了该理论建构的存在,理论建构中各维度的因素负荷和拟合指数良好,情绪取向量表具有良好的信度和建构效度.     

概化理论方差分量及其变异量估计:跨分布的模拟研究

为考察概化理论中方差分量及其变异量估计的准确性,采用模拟研究的方法,探究Traditional法、Jackknife法、Bootstrap法和MCMC法在p×i×h和p×(i:h)2种双侧面设计和正态、二项、多项、偏态分布4种数据类型下的表现。结果显示:(1)4种方法均能准确估计方差分量;(2)估计方差分量的标准误时,若数据正态分布,Traditional法最优,非正态分布时Bootstrap法最优;(3)估计方差分量的90%置信区间时,Bootstrap法在不同分布的数据下表现稳定,但容易受到侧面水平数的影响。综合来说,若数据呈正态分布,建议选用Traditional法; 若数据呈非正态分布,建议选用Bootstrap法。     

幸福观取向理论建构及实证

摘 要 尝试用新的理论视角-取向研究视角,对幸福观进行整合研究,建构一种与社会情境结合更紧密,更具概括性的幸福观取向理论。幸福观取向理论的假设建构模型包括四种幸福观取向维度：社会取向,个人取向,积极取向和消极取向。根据理论模型编制幸福观取向量表,以907名被试为研究对象,运用探索性因素分析和验证性因素分析方法对该理论模型进行实证研究。结果证明了该理论建构中各维度的因素负荷和拟合指数良好,幸福观取向量表显示出良好的信度和建构效度,保证了实证研究的有效性。     

价值观取向理论结构及实证

尝试用新的视角——取向研究视角,对价值观进行整合研究,建构一种与社会情境结合更紧密、更具概括性的价值观取向理论。价值观取向理论的假设结构模型包括四种价值观取向维度：社会取向,个人取向,积极取向和消极取向。根据理论模型编制价值观取向量表,以974名被试为研究对象,运用探索性因素分析和验证性因素分析方法对该理论模型进行实证研究。结果证明了该理论结构的存在,理论结构中各维度的因素负荷和拟合指数良好,价值观取向量表具有良好的信度和结构效度。     

心理学中对假设检验一些批评的分析

根据假设检验原理的贝叶斯统计的表达方式分析和回应了心理学中对传统的假设检验方法的主要批评.认为:(1)确定假设的接受域不仅要考虑,同时也应该考虑以及这个假设的先验概率,而元分析方法的提出可看作对先验概率考虑的必然的逻辑结果;(2)零假设是可以接受的,但它的接受域只是备掸假设接受域余集的一个子集;(3)传统的假设检验方法需要其他方法的补充.     

使用Bootstrap方法计算认知诊断评估中的信度

测验信度是衡量测验质量的一个重要指标,认知诊断评估中同样需要重视信度问题。现有认知诊断中计算信度的方法均有一个前提假设:被试在前后两次测验的后验概率分布和边际概率完全相同。该假设过强,未考虑两次测验间存在的随机误差。基于Bootstrap抽样,提出了两类属性信度和模式信度的指标,分别是积差相关法和修正的一致性法。通过模拟研究比较了新方法和现有方法在不同属性个数、属性间相关性和题目数量下的表现,并基于英语能力认证考试ECPE和分数减法的实证数据验证了新方法的可行性。最后,对信度估计的影响因素进行了讨论。     

校正的Bootstrap方法对概化理论方差分量及其变异量估计的改善

Bootstrap方法是一种有放回的再抽样方法, 可用于概化理论的方差分量及其变异量估计。用Monte Carlo技术模拟四种分布数据, 分别是正态分布、二项分布、多项分布和偏态分布数据。基于p×i设计, 探讨校正的Bootstrap方法相对于未校正的Bootstrap方法, 是否改善了概化理论估计四种模拟分布数据的方差分量及其变异量。结果表明：跨越四种分布数据, 从整体到局部, 不论是“点估计”还是“变异量”估计, 校正的Bootstrap方法都要优于未校正的Bootstrap方法, 校正的Bootstrap方法改善了概化理论方差分量及其变异量估计。     

中介效应的点估计和区间估计:乘积分布法、非参数Bootstrap和MCMC法

针对中介效应ab的抽样分布往往不是正态分布的问题,学者近年提出了三类无需对ab的抽样分布进行任何限制且适用于中、小样本的方法,包括乘积分布法、非参数Bootstrap和马尔科夫链蒙特卡罗(MCMC)方法.采用模拟技术比较了三类方法在中介效应分析中的表现.结果发现:1)有先验信息的MCMC方法的ab点估计最准确;2)有先验信息的MCMC方法的统计功效最高,但付出了低估第Ⅰ类错误率的代价,偏差校正的非参数百分位Bootstrap方法的统计功效其次,但付出了高估第Ⅰ类错误率的代价;3)有先验信息的MCMC方法的中介效应区间估计最准确.结果表明,当有先验信息时,推荐使用有先验信息的MCMC方法;当先验信息不可得时,推荐使用偏差校正的非参数百分位Bootstrap方法.     

心理学研究中的可重复性问题:从危机到契机

可重复性问题是当前科学界面临的共同问题。最近,心理学研究领域的可重复性问题也受到广泛关注,引起了研究者的积极讨论与探索。通过对2008年发表的100项研究结果进行大规模重复实验,研究者发现,心理学研究的成功重复率约为39%,但该研究仍然存在着巨大的争议,不同的研究者对其结果的解读不尽相同。针对可重复性问题,研究者通过数据模拟、元分析以及调查等多种方法来分析和探索其原因,这些研究表明,可重复性问题本质上可能是发表的研究假阳性过高,可疑研究操作是假阳性过高的直接原因,而出版偏见和过度依赖虚无假设检验则是更加深层的原因。面对可重复性问题,研究者从统计方法和研究实践两个方面提出了相应的解决方案,这些方法与实践正在成为心理学研究的新标准。然而,要解决可重复性问题,还需要心理学研究领域的多方参与,尤其是在政策上鼓励公开、透明和开放的研究取向,避免出版偏见。心理学研究者为解决可重复性问题做出的努力,不仅会加强心理学研究的可靠性,也为其他学科解决可重复问题提供了借鉴,推动科学界可重复问题的解决。