方法 II · 研究方法与测量

心理学的一切结论都取决于两件事：怎么问（研究设计）与怎么量（测量）。本页给这两套规则，以及一张"这个设计能回答什么问题"的对照表——它是你读任何心理学报道时的第一道过滤器。

1. 三类设计与它们的天花板

随机分配是因果推断的心脏（🔗 数学站统计线）：它让两组在一切已知与未知变量上期望相等，于是组间差异只能归因于操纵。没有随机分配的"实验"（如按自愿分组）叫准实验，结论要打折。

相关不是因果的三个经典陷阱：第三变量（冰淇淋销量与溺水率——夏天）、反向因果（自尊与成绩谁导致谁）、选择效应（读研的人收入高，多少是学历的功劳、多少是本来就会读研的人的特质）。报道里最常见的偷换："X 与 Y 有关" 写成 "X 会导致 Y"——看到就退回一步查设计。

2. 实验的三个杀手与解药

• 安慰剂与期望：受试者知道自己在被治疗就会好转 ⇒ 双盲 + 安慰剂对照（心理治疗研究里"双盲"往往做不到——治疗师知道自己在做什么，这是临床线证据强度天然低于药物试验的结构性原因，第 17 页展开）；
• 实验者效应：主试的期望泄漏给被试（"聪明汉斯"的马会读主人微表情）⇒ 盲法主试、标准化脚本、预注册分析方案；
• 需求特征：被试猜到假设并配合 ⇒ 掩饰任务、事后询问怀疑度。

3. 测量：心理学最难的一关

物理学量长度，心理学量"焦虑""智力""外向"——构念（construct）不能直接观察，只能靠操作化定义（"焦虑 = 这份 21 题量表的得分"）。两项质量指标必须同时满足：

信度（reliability）= 稳不稳：重测信度、内部一致性（Cronbach's \(\alpha\)，>0.7 可用）、评分者间信度。 效度（validity）= 准不准：内容效度、效标效度（能否预测真实结果）、构念效度。

关键关系：信度是效度的必要非充分条件——一把总是量出同一个错数的尺子（高信度低效度）比随机乱跳的尺子更危险，因为它看起来很专业。心理学史上大量争议（智力测验、内隐联想测验 IAT、多数人格测评）都发生在"信度尚可、效度存疑"这个区间。

4. 样本：WEIRD 问题

行为科学的经典发现绝大多数来自 WEIRD 样本——Western, Educated, Industrialized, Rich, Democratic（尤其是美国大学本科生）。Henrich 等人的分析指出：这个群体在视错觉敏感度、公平分配行为、自我概念、道德判断等多个维度上恰恰是全人类中的离群值，把他们的结果当"人性"是系统性外推错误。

读文献时的一问：这个结论在什么人群上测的？跨文化复现过吗？——这是本站在多个页面反复出现的追问（第 12、13、15 页尤其）。

5. 统计：够用的一小把

描述：集中趋势、离散度、分布形状（🔗 数学站概率 II）。 推断：\(p\) 值 = 在零假设为真的前提下，观察到这么极端数据的概率——它不是"结论为真的概率"（🔗 数学站统计 IV 完整讲这个误读）。

效应量（本站的主刻度）：Cohen's \(d = \dfrac{M_1 - M_2}{SD_{\text{pooled}}}\)，粗略读法：

为什么本站坚持报效应量：样本足够大时，任何微小差异都会"显著"。"显著"回答"有没有"，"效应量"回答"重不重要"——心理学被媒体误读的重灾区就在这里（第 03 页会看到，很多经典效应的问题不是不存在，而是比宣传小一个数量级）。

置信区间与统计功效：小样本研究即使结论正确也会给出宽得没用的区间；低功效研究若报出显著结果，其效应量必然被高估（winner's curse）——这条统计事实是理解复现危机的钥匙，下一页正式开锁。

工具备齐。下一页是这门课的灵魂：当心理学开始系统检查自己，发现了什么。