心理学常用效应量选用与分析_郑昊敏.pdfVIP

心理科学进展 2011, Vol. 19, No. 12, 1868–1878 Advances in Psychological Science DOI: 10.3724/SP.J.1042.2011.01868 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) (2 广东外语外贸大学应用心理学系, 广州 510420) 摘 要 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 效应量; 差异; 相关; 组重叠 分类号 B841.2 针对零假设检验存在的不足, 一些国际期刊 量有以下几个好处(Ruscio, 2008) ：区分统计显著 要求在报告检验结果的同时还要报告效应量 性和实际显著性(Kirk, 1996); 通过元分析方法累 (effect size) 。效应量在心理学研究中受到重视, 国 计或比较以往研究结果(Hunter Schmidt, 2004); 际上已经有许多关注效应量的研究(例如, Wilkinson 估计统计检验力(Cohen, 1988) 。效应量与研究设 Task Force on Statistical Inference, 1999; APA, 计和研究目的有关, 它可以是任何我们感兴趣的 2001; Rosnow Rosenthal, 2003, 2009) 。国内关于 量的大小, 可以涉及单变量、双变量和多变量。 效应量的研究还不多, 但已有学者认识到了统计 如我们熟悉的均值、均值的差异、中位数、相关 检验力和效应量大小的计算方法问题的重要性。 系数、频率、回归的斜率以及方差的比例等(Lipsey 胡竹菁(2010) 以平均数差异显著性检验为例, 具 Wilson, 2000) 。 体介绍了在对实验数据进行假设检验后, 如何对 文献上出现过的效应量种类繁多, 本文按效 统计检验力和效应量大小进行估计。吴艳和温忠 应量的统计意义将其分成如下三类：(1) 差异类 麟(2011)给出了一个与零假设检验有关的统计分 (difference-type), (2)相关类(correlation-type ), (3) 析流程, 其中涉及何时需要估计效应量。但如何 组重叠(group-overlap), 详见表 1。 选用合适的效应量并作出估计, 还是一个问题。 文献上关于效应量的分类不尽一致, 大多数 本文对效应量进行分类, 针对不同的研究目的和 研究把差异类、相关类和方差比效应量归为三大 2 研究设计, 介绍效应量的计算方法。 类。但仔细分析可以发现, 方差比效应量(如 R 、 2 2 2  、 、 )与相关大小有关, 可以归为相关类。 1 效应量的类型