整合数据分析方法在心理学研究中的应用 |
|
|
的现状和应用的前景。2 IDA方法概述 2.1 什么是IDA方法 整合分析(Integrative Data Analysis,IDA),也叫同时数据分析(Simultaneous Analysis of Data)、合并数据分析(Pooling Data Analysis)、或大型数据分析(Maga-analysis),是一类对多个独立研究的原始数据的合并数据集(data set)进行综合统计分析的方法(Curran,2009;Curran & Hussong,2009;Hofer & Piccinin,2009)。这种方法的基本思路是,确定进行整合分析的主题,收集与该主题相关具有原始数据的研究,把这些研究的原始数据合并成一个数据集,然后采用一套系统的统计分析策略对数据集进行综合分析,对原始的研究结果进行比较或者整合,获得单个研究所不能得到的信息。 整合数据分析方法首先在医学领域有广泛的应用。由于在医学领域通常只能对小样本进行研究,而重复验证研究又面临诸多影响因素,因此,这种分析策略把同一主题的多个独立的小样本合并成一个数据集进行分析,对医学领域的小样本研究的整合有重要意义(Simmonds & Higgins,2007;Simmonds et al.,2005;Stewart & Tierney,2002)。在临床医学研究中,把这种方法看成是元分析的一种,命名为“被试层面数据(Individual Participant-Level Data,IPD)”的元分析,传统的元分析方法命名“汇总数据”的元分析(aggregated data,AD)的元分析,也叫“样本层面数据(Group Level Data)”的元分析(Stewart & Tierney,2002;Simmonds et al.,2005)。在心理学研究中,Cooper和Patall(2009)也采用上述定义和命名,认为元分析包含IPD元分析和AD元分析。就现有的心理学领域中相关的研究文献来看,大部分研究者倾向于用 “IDA(Integrative Data Analysis)”命名这种对多个独立原始数据合并成的数据集上一页 [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 |
|