2014学 Flashcards
自然观察法
对自然情况下的现象进行深入观察
优:研究早期,了解广度、范围;更少人为性;无法使用严格观察法时可用;可用于研究动物;用于限定问题范围,以及为实验研究提供有趣的课题;简单、直接。
缺:反应性;数据难以量化;无法得出因果结论;没有被严格限定在描述水平上,出现对观察结果的解释;有时提供的资料不太充足;并不一定客观无偏
例:珍妮 古道尔观察黑猩猩🦍行为模式
个案法
对于单个被试深入的研究调查,掌握某一个体详细资料 优:适用于某些特定对象(心理障碍)及实施措施(治疗方案)的研究; 有利于获得被试的发展过程等系列资料和数据 缺:高度主观性;样本不具代表性;不能得出因果结论 例:对强迫症患者的长期深入了解,访谈和测量
实验法
在严格控制条件下,操纵自变量,观察因变量是否变化。
优点:控制无关变量,因果结论;经济,迅速有效得出数据
缺点:人为,外部效度低;伦理限制;对于复杂行为无法测量;不适用于探索性研究
例:研究喧闹音乐对打字成绩的影响,将被试随机分到无音乐组(控制组)和喧闹音乐组(实验组),测量打字成绩(因变量),分析数据得出结论
相关研究
试图确定两个或更多的变量彼此间是怎样相互影响的,用相关系数表示变量间的关系和方向 事后回溯数据。 优:确定两个变量间的关联程度,有助于预测 缺:无法确定因果关系; 无法排除混淆变量; 高相关可能出于偶然。 例子:吸烟与肺癌的关系
调查法
通过对广阔区域的人群进行大规模的随机抽样获得信息,一般用问卷和谈话法收集被试行为的具体信息 优:成本低,效率高; 样本范围广,代表性强; 收集到难以观察到的数据 缺:社会特许性偏差 故意欺瞒 反应定势 理解错误 被试配合度下降,题目信效度问题 例:随机抽取被试预测世界杯决赛球队
误将配对样本当作独立样本进行t检验
更容易犯二类错误
不可能把一类错误设置为0的原因
一类错误:零假设为真的前提下,错误拒绝零假设的概率,a表示
a不能设置太低,否则会使二类错误的概率大为增加
统计检验力影响因素
检验力:在零假设为假的前提下,正确拒绝零假设的概率,1-B 根据期望t值公式:期望t=u1-u2/西格玛*根号n/2,可得: 1⃣️样本量越大,统计检验力越大 2⃣️效应量越大... 3⃣️期望t值不变时,显著性水平越高,统计检验力越大
如何将原始分数转化为标准分数。如果被试IQ标准分为0,如何解释
Z=X-u/西格玛
X是原始分数,u是总体平均数,西格玛是标准差
Z分数代表原始分数距离均值有多少个标准差
被试IQ标准化分数为0,即被试IQ等于总体平均数
置信区间的宽度与置信度、样本量之间的关系
其他因素不变,置信度越高,置信区间宽度越长
..,样本量越大,置信区间宽度越短
利用关于u的95%置信区间
(a,b),如何对显著性水平a=0.05的零假设做双侧假设检验
零假设是两均数相等
如果样本均数落在置信区间内,则接受零假设,如果..外,则拒绝零假设
半偏相关系数
将其他因素从预测变量中去除后预测变量和效标变量之间的关系,即控制其他预测变量保持不变,预测变量和效标变量之间的关系强度。常用来比较多元回归预测变量的相对重要性
例:想知道各个影响自尊的因素(如薪水、社会支持和工作满意度)的相对重要性,则可计算不同预测变量的半偏相关系数
偏相关系数
将其他因素从预测变量和效标变量都中去除后,预测变量和效标变量之间的相关关系,反映了两个变量之间的“净”相关程度
当有很多其他变量同时影响这两个变量时,偏相关常被用来考察两个特定变量之间的关系
例:如果重点是想考察两个特定变量(如咖啡☕️摄入量和胆固醇水平的关系,但又有很多其他变量同时影响两个变量,则需计算偏相关系数
解释主效应不显著
交互作用显著
交互作用抵消了主效应的影响
主效应:一个因素不同水平间的平均数差异,即某个自变量的不同水平对因变量造成的影响。对应两因素方差分析中的行/列效应
简单主效应:其中一个自变量某个水平上另一个自变量的效应
交互作用:一个变量在另一个变量不同水平上效果不同
主效应不显著,交互作用显著,说明实验两因素相互影响,但不是单独起作用的,而进一步的简单主效应分析,具体化交互作用的影响
皮亚杰
1⃣️感觉运动阶段(0-2) 协调感觉输入和运动能力,逐渐出现符号思维,关键是获得客体永久性概念(意识到物体即使看不见也仍然继续存在) 2⃣️前运算阶段(2-7) 继续发展符号思维,没有掌握守恒原则,具有中心化、不可逆转、自我中心的特点 3⃣️具体运算阶段(7-11) 将逻辑性应用到真实事物上,掌握守恒、可逆性和去中心化 4⃣️形式运算阶段(11-) 开始脱离具体的物件,抽象思维得到发展,思维特点表现为抽象的、相对系统的、有逻辑和反思