效度概化预测效度元分析30年成果述评.docVIP

效度概化预测效度元分析30年成果述评 　　摘　要：效度概化是通过元分析技术对普遍化的预测效度的估计。元分析是研究效度概化问题的技术，是对具有“预测因子一效标”特征的相关数据进行定量综合的方法。效度概化促进了预测因子与效标之间关系的理论研究和应用研究，是应用心理学领域近30年(1977～2007)来最重要的进展之一。30年来的效度概化研究表明，认知能力测验、知识和技能测验、人格测验、结构化面试和评价中心技术等的预测效度具有鲁棒性、对应性和联合增值性。 　　关键词：效度概化；元分析；预测因子：预测效度 　　 　　1　前言 　　 　　预测因子和效标之间的关系是应用心理学的理论基础。预测因子就是预测工作绩效的个体特征和环境特征。效标是工作绩效的操作性评价标准。效度概化(validity generalization)是基于前人的研究数据对普遍化的预测效度的估计。效度概化关注的问题是个体或环境特征因素(预测因子)与工作绩效(效标)之间的普遍化的、稳定的关系强度。效度概化是元分析技术与心理测验相结合的产物。美国教育学家Glass在综述心理疗法的效度时正式将定量综合的方法命名为元分析(meta-analysis)，并创造了效应值(effect size)概念，普遍化的预测效度就是效应值。在1977年Schmidt和Hunter在元分析的基础上首先提出了效度概化概念，用元分析技术寻找效应值的过程就是效度概化。在这30年间(1977～2007)，Schmidt和Hunter始终是研究效度概化问题的技术和理论核心，他们的贡献在于创立、发展和繁荣了元分析和效度概化研究。这30年是元分析和效度概化研究的黄金时期，在应用心理学领域涌现了一大批研究效度概化的研究文献，仅由1977到2003年就有500多项效度概化研究。Rosenthal等在效度概化和元分析方面也有很大贡献。 　　元分析是对同一主题下多个独立研究结果进行数量综合，从而概括其总体效应值的研究方法。Hunter等认为，元分析不是仅对原始研究结果进行数据平均处理的统计方法，而是一种研究范式。元分析包含一般研究的共同特征，例如，问题选择、定义变量、确定虚无假设和备择假设、抽样、数据处理和结论。元分析的基本原理是把每个原始样本的研究数据看作元分析研究的一个样本事件，这些样本事件组成一个新的样本分布，依据概率原理和误差校正原理可以求出相应的集中趋势和离中趋势指标，其集中趋势指标就是效应值。常见的效应值有均数差、标准化均数差、相关系数等。针对平均数差异显著性检验的元分析研究的效应值是均数差或标准化均数差(d)，而针对变量间相关的元分析研究的效应值是效度系数(p)。与其他测量数据的元分析相比，Hunter-Schmidt元分析范式所处理的数据是具有“预测因子，效标”特征的心理测验数据，更适宜研究心理测验的结构和效度。 　　在寻找预测因子与效标之间的稳定关系的30年里，效度概化对应用心理学的理论、方法和实践都有深厚影响。在理论上，效度概化研究促进了心理学家对工作绩效与其影响因素之间关系的研究，使得预测因子与效标之间的真实关系更清晰了。在方法上，Hunter-Schmidt元分析范式被认为是研究预测因子效度概化问题的最准确和最流行的方法，元分析有助于整合矛盾复杂的研究数据，可以校正效应值的抽样误差、测量误差和全距限制误差。在实践上，效度概化研究促进了人力资源管理、心理咨询、教学培训等领域的发展。效度概化研究澄清了一些人事决策的迷雾，提供了关于个体认知能力、人格维度、工作知识、专业技能、管理风格、面试和评价中心技术的预测效度的清晰数据。本文所列的文献都是近30年来基于Htmter-Schmidt元分析范式的效度概化研究成果，这些研究成果内容丰富，而且具有很高的实用价值和理论价值。 　　 　　2　知识、能力与技能(KAS)测验的效度概化研究 　　 　　知识(knowledge)、能力(abilty)和技能(skill)是个体职业智能因素的三项核心内容。知识包括个体所拥有专业、人文、科学和管理等方面的知识。技能包括岗位技能、组织管理技能等。能力主要包括一般认知能力(general cognitive ability)和特殊能力。关于知识、能力与技能测验的预测效度元分析研究很多，下面列举主要的效度概化的研究成果。 　　 　　预测因子既可以是测验(如，结构化面试)，也可以是心理特征的维度结构(如，一般认知能力)。应用心理学非常关注测验，常把测验成绩作为决策依据。效度概化的目的是确认预测因子和效标之间的关系强度，代表着普遍化的预测因子与效标之间的关系强度的数字指标是效应值(p)。一般说来，p在0.5以上表明预测因子和效标之间的关系强度很强，其预测效度很好；p在0.3-0.49之间表明预测因子