整合数据分析方法在心理学研究中的应用 |
|
|
。Bell(1953)最早提出的聚合设计(Convergence Design)研究中,就讨论到如何把不同年龄组的多个测量时间点连接和整合成一个连续的发展轨迹。但作为一种统计分析策略,IDA在心理学中的应用是近年才发展起来,目前处于探索和尝试应用阶段。相关的研究主要集中在对IDA方法在心理学中的应用原理、方法的优缺点、方法的应用前景、及一些争议性问题的讨论,特别是IDA过程中的测量问题、纵向研究数据的整合分析策略的探讨。 在关于IDA的原理和分析方法方面,Curran和Cooper等人(2009)对IDA的主要思想、基本原理进行阐述,分析了IDA在心理学研究中优越性和面临的挑战,并提出异质性分析的一般策略。其中Cooper和Patall(2009)对IDA方法与元分析方法进行系统比较分析,认为IDA不是对元分析的取代,而是对元分析的补充,相比之下,虽然IDA比元分析在人力和时间等方面的花费更大,但IDA可同时分析研究内(Within-study)和研究间(Between-study)的效应,并且,当条件满足IDA和元分析时,IDA的价值会更大。 IDA研究中,测量问题深受研究者关注,并提出多种方法来处理IDA过程中的测量异质性问题。根据测量变量的类型(连续变量或二分变量)提出采用比例分数模型(Proportion Score Model)、两参数的IRT模型、CFA模型、非线性因素分析模型(NLFA)对测量同一结构的不同测量进行“等值分析”,建立一致的度量标准(Curran et al.,2008;Bauer & Hussong,2009)。其中Curran和Hussong等人(2008)对IRT模型在IDA过程中的应用原理进行系统的阐述,并把IRT方法用于多个独立纵向研究数据的整合分析中。Bauer和Hussong等人(2009)对IDA研究中的测量的合并问题进行探讨,在综述传统的CFA、IRT方法的对测量异质性的分析的步骤、过程、优缺点的基础上,提出MNLFA模型,认为在IDA过程中,当多个研究中的测量的变量类型既有连续变量又有二分变量,MNLFA 模型可以有效地处理不同研究间测量的异质性问题。 在IDA的应用研究方面,主要表现在对多个纵向研究数据进行整合分析中的应用。如Curran等人(2008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 |
|