第七部分 追研究.ppt

Retrospective longitudinal design 回溯追踪研究设计：实验从Tt时刻开始，要求对过去经历过的事情进行回顾。 存在的问题： 所抽取的样本可能不是随机抽样的结果。 由于被试对特征进行回顾，所以关于变量之间因果关系的假设变得比较困难。 回顾得来的数据往往信度较低。 思考 上述研究设计中，哪一种是“真正的追踪研究”（可以分析微观层面上个体的变化）？ （四）干预研究 年龄组 实验干预组 实验控制组 样本 时间 观测变量 A1 E1 C1 S1 T1 X1X2X3……XM A2 E1 C1 S1 T2 X1X2X3……XM . . . . . . . . . . . . . . . . . . AG E1 C1 s1 Tt X1X2X3……XM 首先将被试随机分为实验干预组和控制组，然后分别对两个组进行Tt次的测量，目的在于比较实验处理的效果。 Intervention VS Panel study 共同点：都是对相同的被试进行多次测量 区别： 干预研究中把被试按照实验特征（是否接受实验）分为不同组； 在研究问题上，干预研究不仅关心发展趋势，而且关心不同组的平均水平和发展趋势的差异。 （五）群组序列设计或加速设计 群体 测试时的年龄（岁） 12 13 14 15 16 17 12岁 ※ ※ ※ 13岁 ※ ※ ※ 14岁 ※ ※ ※ 15岁 ※ ※ ※ 把横断研究设计与追中研究设计结合，是一种对独立年龄群体进行有限重复测量，并要求相邻年龄群体的测量在时间上有重叠的设计方法。 基本特征：通过对不同年龄群体有效的追踪数据进行连接，从而对个体某一特征在较长时间内的发展趋势进行分析。 比较：聚合交叉设计 (六)纵向数据中的中介与调节 中介效应（mediation） 调节效应（moderation） 调节变量（moderator variable）: 如果变量Y与变量X的关系是变量M的函数,称M为调节变量。 Y与X的关系受到第三个变量M的影响 中介变量（mediator variable） 考虑自变量X对因变量Y的影响,如果X通过影响变量M来影响Y,则称M为中介变量。 1、纵向背景中的中介 中介分析的目的是确定效应是通过什么中间步骤展开的（或者效应是通过什么机制发生的） 第一，考虑到了建立因果模型所必须的时间间隔 第二，由于每个变量重复测量的内容都被包括进来，因而可以获得对关键路径系数的更为精确的估计 第三，专门小组模型可以很容易地将潜变量整合进来以校正测量误差 第四，通过控制先前的M与Y，只有M与Y的变异成分（即不随时间保持稳定的部分）对中介效应的估计做出了贡献 这有助于减少偏差，并描绘了一个更为现实的X通过M影响Y的间接过程。 格罗布和赖卡特（1991）主张并没有任何单一的中介效应来刻画一组变量X、M和Y。 相反，在评定X与M、M与Y的每个滞后的时间间隔内，可能存在不同的中介效应（也可见Cole Maxwell, 2003; Maxwell Cole, 2007）。 因而，注意力需放在选择合适的时间间隔上以分离中介效应所涉及的关键变量的测量。很重要的是，这一合适的时间间隔可能并不是效应最大的时间间隔。 要使用的最佳时间间隔取决于理论或背景。 2.纵向背景中的调节 “什么样的效应可假设为调节？”以及“凭什么？” （1）被调节的自回归模型 假设理论上认为存在调节，那么将调节效应整合入模型的一个方法是，假设自回归系数a1、b1和c1可能受自我监控（self-monitoring, SM）的调节，又假设自我监控是特质性特征，因此仅在时间1测量一次。 (2)MLM与LGM中斜率的预测因素 在LGM中，斜率因素代表了时间与结果变量间的关系（这一潜变量本身可能因人而异，也可能不会）。因而，将斜率因素的预测因素包含进模型相当于包含了时间效应的调节因素。 在MLM中纳入斜率水平2的预测因素就相当于调节（Bauer Curran, 2005）。在LGM与MLM背景下，如果包含了斜率的预测因素，同样的变量必须作为截距的预测因素。 潜增长曲线模型（Latent growth curve modeling, LGM） 多水平模型（multilevel modeling, MLM）或多层线性模型（hierarchical linear modeling, HLM） Affilij = β0j + β1jtimeij + β2jmoodij + εij β0j = γ00 + γ01IQj + u0j β1j = γ10 + γ11IQj + u1j 五、追踪研究的效度 统计结论效度 内部效度 外部效度 结构效度 统计结论效度 指研究设计检验出实际差异结果的敏感程度或检验力，用来解决观测样本之间的关系是否是随机变异