整合数据分析方法在心理学研究中的应用 |
|
|
rship)之间的交互作用,即允许不同研究下被试特征对结果的不同影响。另外,一旦研究成员变量纳入模型,研究层面的特征变量则无法再纳入模型,这就使研究层面的差异得到控制,排除了研究间过多的潜在变异的影响,固定效应的IDA把研究层面的变异排除于模型之外,这既是固定效应IDA的优点,也是它的限制(Curran & Husson,2009;Bauer & Curran,2005)。 随机效应IDA和固定效应IDA的主要区别在于:(1)随机效应IDA假设被试样本来自同一总体,可以基于一个无限样本总体进行推断;而固定效应IDA则假定被试样本是固定且可知的,因此推断只针对所研究的样本,这更符合心理学研究中的实际。(2)随机效应IDA可以分解出研究层面效应、被试层面效应和这两个水平之间的交互作用;而固定效应IDA排除了研究层面的效应,只估计了被试水平的差异。由于随机效应的条件常难以满足,因此固定效应IDA在实践中更常用(Hussong,Cai,et al.,2008;Hussong,Flora,et al.,2008;Hussong et al.,2007)。 3.2 IDA研究中主要异质性的具体分析策略 不同研究之间在抽样、时间和测量方法上的差异使IDA分析过程变得复杂,但也为对这些研究进行综合分析和比较研究提供机会。从综合分析目标出发,需要对这些研究间的异质性进行控制,提高研究的外在效度;从研究比较目标出发,需要对这些异质性进行操纵,分析研究间异质性对研究结果的影响(Curran & Husson,2009;Simmonds & Higgins,2007)。 3.2.1 抽样、地域异质性及分析策略 抽样问题在心理学研究的各个领域都很重要,而在IDA研究中尤其重要。IDA可对合并数据的抽样异质性进行直接的分析,考察和评估研究样本之间潜在的差异,然后尽量协调这些差异,分析这些差异对研究结果的影响程度。IDA中对抽样导致的差异问题的处理过程中,首先明确每个研究的抽样方法是概率抽样还是非概率抽样,然后将这些信息将直接进入特定的分析模型。地域差异和抽样变量通常难以区分,独立考 上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >> |
|
|
|
上一个论文: 心理学研究中潜变量空间的特性探讨 下一个论文: 计算机在心理学研究中的应用 |
|