Lasso回归：从解释到预测

传统的最小二乘回归法关注于对当前数据集的准确估计, 容易导致模型的过拟合, 影响模型结论的可重复性。随着方法学领域的发展, 涌现出的新兴统计工具可以弥补传统方法的局限, 从过度关注回归系数值的解释转向提升研究结果的预测能力也愈加成为心理学领域重要的发展趋势。Lasso方法通过在模型估计中引入惩罚项的方式, 可以获得更高的预测准确度和模型概化能力, 同时也可以有效地处理过拟合和多重共线性问题, 有助于心理学理论的构建和完善。     

基于行动者-对象相互依赖模型探究牺牲动机对亲密关系满意度的影响

目的:探究牺牲动机对亲密关系满意度的影响以及知觉到对方牺牲动机的中介作用。方法:对168对情侣采用亲密关系满意度、牺牲动机和知觉到对方的牺牲动机量表来测量,并运用行动者-对象相互依赖模型进行分析。结果:行动者效应:知觉到对方的牺牲趋近动机是牺牲趋近动机和关系满意度的中介变量。对象效应:只发现女性的牺牲趋近动机通过正向影响男性知觉到的牺牲趋近动机从而正向影响男性的关系满意度。结论:本研究有助于理解恋人双方做出牺牲行为背后的动机对于双方关系满意度的影响。     

资质过剩感影响组织公民行为的情绪路径

本研究从员工情绪以及情绪调节的视角,考察了资质过剩感对员工组织公民行为的影响机制。通过对534名企事业员工的问卷调查数据进行分析,结果表明:员工的资质过剩感对其组织公民行为具有显著的消极作用;工作愤怒在资质过剩感与员工组织公民行为之间起部分中介作用;不同的情绪调节方式对员工资质过剩感与其工作愤怒的正向关系有不同的调节作用,认知重评方式有助于缓解资质过剩感对愤怒以及组织公民行为的消极影响,而表达抑制方式的调节作用恰恰相反。这一研究结果表明了情绪调节在工作领域中所发挥的作用,具有一定理论意义与实际价值。     

贝叶斯多组比较——渐近测量不变性

在行为科学研究领域中,检验测量工具的测量不变性是进行群体差异比较的前提。目前,多组验证性因子分析(多组CFA)方法被广泛用于检验测量不变性,但是它对跨组等值的限制过于严格,在实际应用中常常存在大量局限。贝叶斯渐近测量不变性方法基于贝叶斯思想的优良特性,放宽了传统多组CFA方法对跨组差异的严格限制,避免了传统方法的问题,具有较高的应用价值。文章详细介绍了贝叶斯渐近测量不变性方法的原理及优势,同时通过实例展示了渐近测量不变性方法在Mplus软件中的具体分析过程。     

密集追踪数据分析：模型及其应用

在心理学、教育学和临床医学等领域, 越来越多的研究者开始关注个体内部的行为、心理、临床效果等随时间而产生的动态变化, 重视针对个体的差异化建模。密集追踪是一种在短时间内对个体进行多个时间节点密集追踪测量的方法, 更适合用于研究个体内部心理过程等的动态变化及其作用机制。近年来, 密集追踪成为心理学研究的一大热点, 但许多密集追踪的研究分析仍停留在较为传统的方法。方法学领域已涌现出较多用于密集追踪数据分析的模型方法, 较为主流的模型包括以动态结构方程模型(Dynamic Structural Equation Model, DSEM)为代表的自上而下的建模方法, 以及以组迭代多模型估计(Group Iterative Multiple Model Estimation, GIMME)为代表的自下而上的建模方法。二者均可以方便地对密集追踪数据中的自回归及交叉滞后效应进行建模。     

基于正则化的探索性中介分析:原理与应用

探索性中介分析被定义为从变量集合中筛选潜在中介变量的方法,该方法能在缺乏理论基础的情况下帮助研究者从数据中挖掘潜在中介机制,提供模型构建上的指导。本文介绍了一种基于正则化的探索性中介分析方法XMed(exploratory mediation analysis via regularization)。相比于传统探索性中介分析方法,XMed具有检验力更高、所需样本量更小、能高效地处理高维数据等优点,在认知神经科学、临床心理学等心理学领域有较大的应用潜力。本文主要介绍XMed的原理和实现过程,并通过实例分析展示该方法的应用。     

贝叶斯结构方程模型及其研究现状

在心理学研究中结构方程模型(Structural Equation Modeling, SEM)被广泛用于检验潜变量间的因果效应, 其估计方法有频率学方法(如, 极大似然估计)和贝叶斯方法两类。近年来由于贝叶斯统计的流行及其在结构方程建模中易于处理小样本、缺失数据及复杂模型等方面的优势, 贝叶斯结构方程模型发展迅速, 但其在国内心理学领域的应用不足。主要介绍了贝叶斯结构方程模型的方法基础和优良特性, 及几类常用的贝叶斯结构方程模型及其应用现状, 旨在为应用研究者介绍新的研究工具。