心理学常用效应量
心理学常用效应量的选用与分析
心理学常用效应量的选用与分析在心理学研究中，效应量是指某种干预或处理对研究对象产生的效果，通常以数量化的形式表示。
正确地选用和解析效应量对于心理学研究结论的可靠性具有重要意义。
本文将介绍一些常用的效应量及其选用方法，以期帮助读者更好地理解和应用心理学研究结果。
效应量定义：效应量是指某种干预或处理对研究对象产生的效果，通常以数量化的形式表示。
效应量特点：效应量具有客观性、量化性和可比较性。
客观性指效应量的值是真实存在的，不是主观臆断的；量化性指效应量以数值形式表示，可以进行数学运算；可比较性指不同研究中的效应量可以相互比较，从而评价研究之间的效果差异。
效应量应用：效应量在心理学研究中广泛应用于评估干预措施的效果、比较不同研究之间的效果差异、以及推断研究结果的可靠性和稳定性。
例如，在教育心理学中，效应量可以用来评估不同教学方法对学生学习成绩的影响；在临床心理学中，效应量可以用来评价不同心理疗法对抑郁症患者的疗效。
（1）研究问题：不同研究问题涉及的效应量可能不同。
例如，在探究情绪调节策略时，可能需要使用情绪调节效能感作为效应量；而在研究团队冲突解决策略时，可能需要使用团队冲突解决效能感作为效应量。
（2）研究设计：不同研究设计需要选用不同的效应量。
例如，实验研究和准实验研究通常选用平均差异、率等作为效应量；相关研究则通常选用相关系数、回归系数等作为效应量。
（3）数据特点：不同类型的数据特点需要选用不同的效应量。
例如，对于计数数据，通常选用平均数、率等作为效应量；对于等级数据，则可能需要选用秩和、等级相关系数等作为效应量。
选用优缺点评估（1）优点：选用正确的效应量可以有效评估研究效果，量化研究结果，方便不同研究之间的比较和分析。
同时，效应量的使用还可以提高研究的可靠性和稳定性，有利于推进心理学研究的进展。
（2）缺点：效应量的选用也可能存在一些缺点。
例如，不同研究者可能对效应量的选择存在主观性，从而导致研究结果之间的可比性降低。
值得学习：26个心理学中的效应
值得学习.26个心理学中的效应26个心理学中的效应1、序言在心理学领域中，有很多有趣而深入的研究，揭示了人类思维和行为背后的心理效应。
本文将介绍26个心理学中的效应，包括其定义、原理、实验研究和实际应用。
2、帕累托效应- 定义：帕累托效应指的是少数因素造成了大部分结果或贡献。
- 原理：在某些领域，20%的原因会导致80%的结果。
这是因为某些因素具有不平等的影响力。
- 实验研究：帕累托效应的实验研究主要使用统计数据来验证。
- 实际应用：在管理和决策过程中，了解帕累托效应可以帮助我们集中精力在最重要的因素上。
3、多巴胺效应- 定义：多巴胺效应是指当我们获得奖励或享受愉悦时，大脑释放多巴胺，从而加强与奖励相关的记忆和行为。
- 原理：多巴胺作为大脑内的一种神经递质，在奖励系统中起到重要作用，进一步增强我们与奖励相关的行为。
- 实验研究：实验研究使用脑部成像技术来观察多巴胺在奖励过程中的影响。
- 实际应用：了解多巴胺效应可以帮助我们设计更具吸引力的奖励机制，激励个人和组织的行为。
4、隐性协商效应- 定义：隐性协商效应指的是当我们提出一个较高要求之后，重新调整要求，对方仍然会认为我们的折衷方案是一个让步。
- 原理：隐性协商效应产生于人们对比较高要求的期望，导致更为合理的折衷方案看起来是一种让步。
- 实验研究：实验研究使用情境模拟和观察记录来探究隐性协商效应的影响。
- 实际应用：隐性协商效应可以帮助我们在谈判和合作中找到更好的解决方案。
5、原地踏步效应- 定义：原地踏步效应是指当我们陷入一种思维定势时，无法找到新的解决方案。
- 原理：原地踏步效应发生在我们过度依赖已有的经验和思维模式，导致无法看到创新的解决方法。
- 实验研究：实验研究使用认知任务和问题解决实验来探究原地踏步效应的影响。
- 实际应用：了解原地踏步效应可以帮助我们打破思维定势，找到创新的解决方案。
6、鲁智深效应- 定义：鲁智深效应是指当我们展示出一些错误或愚蠢的行为时，对方更容易接受我们的道歉和赔偿。
心理学常用效应量的选用与分析_郑昊敏
2 2 (n 1) s1 (n2 1) s2 1 n1 n2
1
2
(3)
就是 Cohen (1969)的 d 值。 Cohen 的 d 有两种解释。一是实验组均值位 于控制组的相对位置 ( 百分等级 ), 二是两组分布 不重叠的程度。 Cohen (1969)提出 , d=0.2、 d =0.5 和 d=0.8 分别对应于小、中、大的效应量 , 这三 个效应量对应的 “ 实验组均值在控制组的百分等 级 ”分别为 58%、69%和 79%, “两组分布不重叠的 比例 ”分别为 14.7%、 33.0%和 47.4%。 但是 , Cohen 也指出不可盲目使用这一标准 , 如果把它严格当 成像显著性的 0.05 临界值那样, 我们又愚蠢的使用 了另一套测量标准(参见 Thompson, 2001), 因为在 某些专业领域 ( 如医学 ), 有时即使是非常小的效应 量也是很重要的, 所以建议对效应量大小的解释最 好还是参照以往的研究成果或实际情况进行。 (2) Hedges 的 g 值 上面第二种方法对应的两组差异的效应量为
2
组样本方差的 “ 加权 ” 平均来估计 , “ 加权 ” 的方法 主要有下面三种 , 每一种都相应地产生一种效应 量计算公式： (1) 只 用 要 比 较 的 组 来 “ 加 权 ” 计 算 (Cohen, 1969)。 (2) 当方差同质假设成立时 , 实验设计条件下 所有的组都用来加权计算 (Hedges, 1981)。 (3) 当方差同质假设不成立时 , 只用所有组的
1
2
d
(7)
示 (a1)和误导提示 (a2); 因素 B—— 阅读速度 , 有 2 个水平：快速阅读 (b1), 常速阅读 (b2)。因变量 是阅读理解成绩 y。 有 4 个水平组合 , 即有 4 个实 验处理： a1b1, a1b 2, a 2b1, a 2b 2 。如果研究目的是 比较不同的提示类型的差异 ( 即对因素 A 的主效 应感兴趣 ), 用线性对比表示为：
心理学上的101个效应
凡勃伦效应，是指消费者对一种商品需求的程度因其标价较高而不是较低而增加。
商品价格定得越高，越能受到消费者的青睐，反而越愿意购买。
它反映了人们进行挥霍性消费的心理愿望。
最早由美国经济学家凡勃伦注意到，因此被命名为“凡勃伦效应”。
2.迟延满足效应（糖果效应）发展心理学研究中有一个经典的实验，称为“迟延满足”实验。
实验者发给4岁被试儿童每人一颗好吃的软糖，同时告诉孩子们：如果马上吃，只能吃一颗；如果等20分钟后再吃，就给吃两颗。
有的孩子急不可待，把糖马上吃掉了；而另一些孩子则耐住性子、闭上眼睛或头枕双臂做睡觉状，也有的孩子用自言自语或唱歌来转移注意消磨时光以克制自己的欲望，从而获得了更丰厚的报酬。
研究人员进行了跟踪观察，发现那些以坚韧的毅力获得两颗软糖的孩子，长到上中学时表现出较强的适应性、自信心和独立自主精神；而那些经不住软糖诱惑的孩子则往往屈服于压力而逃避挑战。
在后来几十年的跟踪观察中，也证明那些有耐心等待吃两块糖果的孩子，事业上更容易获得成功。
实验证明：自我控制能力是个体在没有外界监督的情况下，适当地控制、调节自己的行为，抑制冲动，抵制诱惑，延迟满足，坚持不懈地保证目标实现的一种综合能力。
南风效应(South Wind Law)也叫做“南风法则”或“温暖法则”，它来源于法国作家拉·封丹写寓言。
讲的是北风和南风比威力，看谁能把行人身上的大衣脱掉。
北风首先来一个冷风凛凛、寒冷刺骨，结果行人为了抵御北风的侵袭，便把大衣裹得紧紧的。
南风则徐徐吹动，顿时风和日丽，行人因为觉得很暖和，所以开始解开纽扣，继而脱掉大衣。
结果很明显，南风获得了胜利。
拉封丹这则寓意深刻的寓言后来成为社会心理学的一个概念，被称之为“南风效应”、“南风法则”或“温暖法则”等。
它告诉我们:温暖胜于严寒。
运用到管理实践中，南风法则要求管理者要尊重和关心下属，时刻以下属为本，多点"人情味"，多注意解决下属日常生活中的实际困难，使下属真正感受到管理者给予的温暖。
心理学的三十个效应
心理学的三十个效应1.瓦拉赫效应奥托·瓦拉赫是诺贝尔化学奖获得者，他的成功过程极富传奇色彩。
瓦拉赫在开始读中学时，父母为他选择了一条文学之路，不料一学期下来，教师为他写下了这样的评语：“瓦拉赫很用功。
但过分拘泥，难以造就文学之材。
”此后，父母又让他改学油画，可瓦拉赫既不善于构图，又不会润色，成绩全班倒数第一。
面对如此“笨拙”的学生，绝大部分老师认为他成才无望，只有化学老师认为做事一丝不苟，具备做好化学实验的素质，建议他学化学，这下瓦拉赫智慧的火花一下子被点燃了，终于获得了成功。
瓦拉赫的成功说明了这样一个道理：学生的智能发展是不均衡的，都有智慧的强点和弱点，他们一旦找到了发挥自己智慧的最佳点，使智能得到充分发挥，便可取得惊人的成绩。
后人称这种现象为“瓦拉赫效应”。
2.门坎效应所谓门坎效应，是指一个人接受了较低层次的要求后，适当引导，往往会逐步接受更高层次的要求。
该效应是美国社会心理学家弗里德曼与弗雷瑟于1966年在做无压力屈从：登门坎技术的现场实验中提出的。
3.共生效应自然界有这样一种现象：当一株植物单独生长时，显得矮小、单调，而与众多同类植物一起生长时，则根深叶茂，生机盎然。
人们把植物界中这种相互影响、相互促进的现象，称之为“共生效应”。
事实上，我们人类群体中也存在“共生效应”。
英国“卡迪文实验室”从1901年至1982年先后出现了25位诺贝尔获奖者，便是“共生效应”一个杰出的典型。
4.刻板效应社会心理学认为，那种用老眼光看人造成的影响称为“刻板效应”。
它是对人的一种固定而笼统的看法，从而产生一种刻板印象。
在学校经常可见到这种现象，教师对那些天资聪颖、学习成绩优秀的学生，脸上往往流露出喜爱的神色，并受到器重和青睐。
而天资愚笨、学习成绩较差的学生则往往受到歧视，教师表现出急躁、厌烦的情绪，令人沮丧的话常挂在嘴边。
实践证明，经常受到这种“待遇”的学生，会顿觉凉水浇身，丧失了学习信心，失掉了克服困难的勇气，以至产生颓废情绪。
50个经典心理学效应
50个经典心理学效应1. 巨人效应：人们倾向于崇拜和信服比自己高大、强壮的人，并将其视为领导者或权威人物。
2. 魅力效应：人们往往对外貌好看、有吸引力的人更加友善和喜欢。
3. 社会认同：人们倾向于追随和效仿与自己身份认同相符的人或群体。
4. 群体思维：在群体中，个体常常会放弃自己的独立思考，而随大流和顺从群体意见。
5. 权威效应：人们倾向于接受权威人物的意见和行为，并相信其具有高度的专业知识和经验。
6. 原因推断：人们倾向于试图寻找事件和行为背后的原因和动机，并做出推断。
7. 外貌影响：个体的外貌和形象对于社交和人际交往有重要影响。
8. 从众效应：人们在不确定的情况下，倾向于模仿其他人的行为和意见。
9. 锚定效应：人们受到先前接收到的信息或数字的影响，从而做出与之相关的决策。
10. 选择困难：当面临多个选择时，人们往往会感到困扰和纠结，难以做出决策。
11. 损失厌恶：人们对于损失感到更加敏感和厌恶，相比之下，他们更加倾向于追求避免损失而不是获得收益。
12. 社会比较：人们倾向于通过与他人进行比较来评估自己的价值和能力。
13. 罚恶效应：对于犯错或违法行为，人们对于该行为者的评价往往更加负面和严厉。
14. 心理附着：人们对于首次接触的人或物，往往会产生情感上的依恋和喜爱。
15. 非理性乐观：人们对于未来的预期和计划，往往存在一定程度的不现实和过度乐观。
16. 美好回忆：人们对于过去发生的事件，往往会产生积极的回忆和情感。
17. 认知失调：个体在面临与自己现有信念和态度不一致的信息时，会感到不愉快和不舒适。
18. 影响力：个体通过言语和行为对他人进行影响和操控，以达到自己的目标。
19. 可利用性偏见：人们往往会过度估计自己经历的事情，而低估他人的经历和情况。
20. 认知偏差：人们在理解和诠释信息时，会受到个人经验和偏好的影响。
21. 头号效应：对于首次了解到的信息或人物，人们往往更容易记住和关注。
22. 获取永久性效应：人们对于已经拥有的物品或资源，往往会高估其价值和重要性。
心理学36大效应
心理学36大效应心理学是一门探索人类思维与行为的科学，它研究的对象是人类思维、情感和行为的规律。
在心理学领域，有许多重要的实验和理论，探索了人类思维与行为的奥秘。
其中，心理学36大效应是来自实验的结果，它们揭示了人类思维与行为的一些有趣而又普遍的规律。
本文将介绍心理学36大效应，并分别对其进行简要的阐述和说明。
1. 上帝效应：人们对领导者或权威人物更容易产生信任和尊重的态度，甚至忽视一些不符合实际的行为。
2. 阿波菲斯效应：心理上的积极自我形象使人们消极地对待其他人。
3. 罗森塔尔效应：预期会影响一个人的行为，当我们期待某个人表现出特定的行为时，我们往往会以某种方式影响他们。
4. 贝尔曼效应：重要的事情会在我们的记忆中留下更深刻的印象，而无关紧要的事情则被遗忘。
5. 比佛利山效应：人们往往对自己了解得比实际情况更多，因为他们在日常生活中更容易注意到自己的行为。
6. 博纳效应：在原先不被注意到的环境中，添加任何新的、有趣的或者与众不同的对象，人们往往会产生强烈的兴趣。
7. 波恩乐效应：人们倾向于更喜欢与他们在童年时期接触的物品和享受相关联。
8. 保留性价格效应：人们对数字价格后面的额外数字更敏感，而忽略了整个数字价格。
9. 重新界定效应：一个消费品的价格，在一段时间过后重新界定，往往会影响人们对这个消费品的喜爱程度。
10. 柯勒拉多效应：人们偏向忘记负面的记忆，而更容易记住积极的经历。
11. 柯廷加效应：人们在做出购买决策时，更容易受到销售人员或其他影响因素的影响。
12. 迪克森效应：人们将自己未达到的目标归因为外部因素，而将成功归功于内部因素。
13. 豆子效应：人们往往不愿多花几分钟的时间，去寻找更好的交易，因为他们把这些花费的时间看作一个不愉快的过程。
14. 霍金斯效应：当人们遇到自己不能解决的问题时，他们往往会放弃努力，转而寻求外界的帮助。
15. 洛克斯利效应：人们对自己面临的选择越多，决策的难度就会越大。
心理学研究中的效应大小与统计功效的计算
心理学研究中的效应大小与统计功效的计算在心理学研究中，效应大小和统计功效是两个重要的概念。
效应大小是指研究中变量之间的差异程度，而统计功效则是指研究者能够检测到真实效应的概率。
正确计算和解释这两个概念对于心理学研究的可靠性和有效性至关重要。
一、效应大小在心理学研究中，效应大小是用来度量研究中的变量之间差异的指标。
常见的效应大小度量包括标准化效应大小（Cohen's d）、相关系数（r）和特征值（Eta-square）等。
1. 标准化效应大小（Cohen's d）标准化效应大小通常用于比较不同研究之间的结果。
标准化效应大小的计算需要知道两组数据的均值和标准差。
根据Cohen提出的分类标准，通常认为0.2为小效应、0.5为中等效应、0.8为大效应。
2. 相关系数（r）相关系数是用来衡量两个变量之间相关性强弱的度量。
相关系数的取值范围在-1到1之间，绝对值越接近1表示相关性越强。
3. 特征值（Eta-square）特征值是在方差分析（ANOVA）中用来度量组间变异与总变异之比例的指标。
特征值的取值范围在0到1之间，数值越大表示组间变异占总变异的比例越大，效应大小越大。
二、统计功效统计功效是指在给定样本大小和显著水平的条件下，可以检测到真实效应的概率。
统计功效与假阳性错误（Type I error）和假阴性错误（Type II error）相关。
统计功效的计算需要确定显著水平、样本大小、真实效应大小和统计方法。
一般来说，如果统计功效较高，表示研究中可以较容易地检测到真实效应。
通常认为统计功效大于0.80时为较好的功效，小于0.50时为较差的功效。
三、计算与解释要正确计算效应大小和统计功效，需要根据具体研究设计和所使用的统计方法选择合适的计算公式。
这些公式可以在心理学研究中的统计书籍、统计软件或在线统计工具中找到。
解释效应大小和统计功效时应注意，效应大小并不代表研究的现实意义，而只是一种数值度量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2
2.1
效应量的计算
差异类效应量 这类效应量一般用于实验研究 , 进行两组均
其中一组 , 一般是控制组 (Glass, 1976), 此时该组 的权重是 1。 特别地 , 假设要比较的是第 1 组和第 2 组的 差异。各组的样本容量分别为 n1 , n2 , L , nJ , 样本 均 值 分 别 为 y1 , y2 ,L , y J , 样 本 标 准 差 分 别 为
(6)
应和简单主效应 (Bird, 2004)。 例如 , 一个实验探讨小学生 “ 对文章内容的 不同预期对阅读理解的影响 ”, 有两个因素：因素 A—— 不同类型标题提示 , 有 2 个水平：正确提
不难看出 ,
⎡n + n − 2⎤ g=⎢ 1 2 ⎥ ⎣ n1 + n2 ⎦
(3) Glass 的 Δ 值
s1 , s2 , L , s J 。下面分别介绍上面三种方法对应的
效应量公式。 (1) Cohen 的 d 值 上面第一种方法对应的两组差异的效应量为 (2) d = ( y1 − y2 ) σ pooled
σ pooled
单因素实验设计时 , 均值的差异可以是两组比 较 , 也可以是多组比较 , 其一般形式为线性对比 (contrast, Keppel & Wickens, 2004; Kline, 2004; Bonett, 2008; 温忠麟, 2006)： ψ = c1μ1 + L + cJ μ J , 其中 J 是组数 , μi 表示第 i 组的均值 , i = 1, L, J , ci 是常数满足 c1 + L + cJ = 0 。均值差异是线性对比
值比较或多组均值比较。在两组均值比较的情况 下 , 最直观的是用两组的均值差值作为效应量。 但在心理学研究中 , 使用原始数据的均值差值作 为效应量会存在单位不统一、研究间效应量无法 比较的问题 , Cohen (1969)和 Glass (1976) 提出用 均值之差的标准化值替代原始均值差值 , 是差异 类效应量的基础。 2.1.1 单因素实验设计
2
组样本方差的 “ 加权 ” 平均来估计 , “ 加权 ” 的方法 主要有下面三种 , 每一种都相应地产生一种效应 量计算公式： (1) 只 用 要 比 较 的 组 来 “ 加 权 ” 计 算 (Cohen, 1969)。 (2) 当方差同质假设成立时 , 实验设计条件下 所有的组都用来加权计算 (Hedges, 1981)。 (3) 当方差同质假设不成立时 , 只用所有组的
针对零假设检验存在的不足 , 一些国际期刊 要求在报告检验结果的同时还要报告效应量 (effect size)。 效应量在心理学研究中受到重视 , 国 际上已经有许多关注效应量的研究(例如, Wilkinson & Task Force on Statistical Inference, 1999; APA, 2001; Rosnow & Rosenthal, 2003, 2009) 。 国内关于 效应量的研究还不多 , 但已有学者认识到了统计 检验力和效应量大小的计算方法问题的重要性。 胡竹菁 (2010) 以平均数差异显著性检验为例 , 具 体介绍了在对实验数据进行假设检验后 , 如何对 统计检验力和效应量大小进行估计。吴艳和温忠 麟 (2011) 给出了一个与零假设检验有关的统计分 析流程 , 其中涉及何时需要估计效应量。但如何 选用合适的效应量并作出估计 , 还是一个问题。 本文对效应量进行分类 , 针对不同的研究目的和 研究设计 , 介绍效应量的计算方法。
的特殊情形, 如实验组 a、b 和控制组 c 的均值差 异为
1 ( μa + μb ) − μc , 不同实验处理组的均值差 2 异 μ a − μb 。
线 性 对 比 的 效 应 量 定 义 为 ( 见 Olejnik & Algina, 2000)
δ =ψ σ
(1)
分母 σ 是混合标准差 (pooled standard deviation)。 用各组的样本均值代替各组的总体均值 , 就可以 估计 Ψ, 问题是如何估计 σ。混合方差 σ 通常用各
效应量在量化方面弥补了零假设检验的不足。除了报告检验结果外 , 许多期刊还要求在研究报告中
包括效应量。效应量可以分为三大类别：差异类、相关类和组重叠类 , 它们在不同的研究设计 (如单因素和多 因素被试间、被试内和混合实验设计 )或在不同的数据条件下 (如小样本、方差异质等 )可能有不同的计算方法 和用法 , 但许多效应量可以相互转换。我们梳理出一个表格有助应用工作者根据研究目的和研究类型选用合 适的效应量。 关键词 分类号 效应量 ; 差异 ; 相关 ; 组重叠 B841.2
g = ( y1 − y2 ) s pooled
(4)
就是 Hedges (1981)的 g 值 , 其中 spooled 是所有组的 混合标准差, 即单因素方差分析中的误差均方 (MSE)：
2 2⎤ ⎡ (n − 1) s1 + L + (nJ − 1) s J =⎢ 1 ⎥ ⎢ (n1 − 1) + L + (nJ − 1) ⎦ ⎥ ⎣ 1 2
1 1 ( ya1b1 + ya1b 2 ) − ( ya 2b1 + ya 2b 2 ) 2 2
(9)
其中 ya1b1 表示处理 a1b1 上的得分均值 , 其余符 号类推。如果研究目的是比较不同阅读速度的差 异 (即对因素 B 的主效应感兴趣 ), 用线性对比表 示为：
1 1 ( ya1b1 + ya 2b1 ) − ( ya1b 2 + ya 2b 2 ) 2 2
第 12 期
郑昊敏等 : 心理学常用效应量的选用与分析
1869
表1
类 别效应量分类子类差异类 相关类 组重叠
Cohen 的 d 值 , Glass 的 Δ值和 Hedge 的 g 值 r、 rpb、 rb 、 requivalent, ϕ及 Cramer 的 V 系数等基于 χ 2 统计量的相关系数等 ; 方差比 f2 , R2, η2 , ω2 , ε2 ; 以及 ralerting, reffectsize, rcontrast 等 Improvement-Over-Chance index, 简称 I 效应量
心理科学进展
2011, Vol. 19, No. 12, 1868–1878 DOI: 10.3724/SP.J.1042.2011.01868
Advances in Psychological Science
心理学常用效应量的选用与分析*
郑昊敏 1 温忠麟 1 吴 艳2
(1 华南师范大学心理应用研究中心 , 广州 510631) 摘 要 (2 广东外语外贸大学应用心理学系 , 广州 510420)
1
2
d
(7)
示 (a1)和误导提示 (a2); 因素 B—— 阅读速度 , 有 2 个水平：快速阅读 (b1), 常速阅读 (b2)。因变量 是阅读理解成绩 y。 有 4 个水平组合 , 即有 4 个实 验处理： a1b1, a1b 2, a 2b1, a 2b 2 。如果研究目的是 比较不同的提示类型的差异 ( 即对因素 A 的主效 应感兴趣 ), 用线性对比表示为：
1868
度的指标 (Snyder & Lawson, 1993), 它不受样本 容量大小的影响 (或者影响很小 )。 计算和报告效应
收稿日期 : 2010-11-10 * 国家自然科学基金项目 (30870784)和教育部人文社科 重点研究基地项目 (11JJD190005)资助。 通讯作者 : 温忠麟 , E-mail: wenzl@
由上面第三种方法可以得到两组差异的一个 效应量为
Δ = ( y1 − y2 ) s2
称为 Glass 的 Δ 值。
(8)
对于常见的实验组控制组两组比较 , 通常用 控制组的标准差作为 Δ 值的分母。一般在有明显 的控制组存在且控制组的样本容量比较大 , 以及 实验组与控制组的条件差异比较大时才会使用 Δ 值 (Rosenthal, 1991)。因为实验组的均值和标准差 会受到实验处理的影响 , 但控制组的标准差却不 会 , 因此它更能代表总体标准差 (Vacha-Haase & Thompson, 2004) 。不过 , 当方差不同质时 , 把控 制组的标准差作为分母并非唯一的选择 , 研究者 可以根据实际需要去选择一种认为最重要的组的 标 准 差 作 为 线 性 对 比 的 分 母 (Glass, McGaw, & Smith, 1981)。 上述三种效应量在大样本研究时一般相差很 小 (Rosnow & Rosenthal, 2003)。对于小样本 , d 会 严重高估 δ, Hedges 和 Olkin (1985)提出用 c(m)=
s pooled
(5)
1870
心 理 科 学 进 展
第 19 卷
应用中最常见的是实验组控制组两组比较 (即 J＝ 2), 此时
2 2⎤ ⎡ (n − 1) s1 + (n2 − 1) s2 s pooled = ⎢ 1 ⎥ n1 + n2 − 2 ⎢ ⎥ ⎣ ⎦ 1 2
各取一个水平得到的水平组合 , 有多少种组合就 有多少种实验处理。我们感兴趣的各种差异 , 都 可以用线性对比呈现出来 , 包括主效应 , 交互效
1
效应量的类型
效应量是衡量实验效应强度或者变量关联强
η2 、 ω2 、 ε2) 与相关大小有关 , 可以归为相关类。
以往的研究中较少提及组重叠类效应量 , 考虑到 一些数据条件的限制 ( 如总体非正态、方差不同质 等), 同时它具有差异类和相关类效应量所有和所没 有的优点, 所以把组重叠类效应量单独作为一类。 下面分类介绍不同研究对应的效应量及其 具体计算方法 , 同时考虑其中的自变量个数 ( 单 因素和多因素 ) 、实验设计类型 ( 被试内、被试间 和混合实验设计 ) 以及数据条件 ( 如是否同质及样 本大小等 ) 。