心理学常用效应量的选用与分析.pdf

理科学进展 2011，Vo1．19，No．12，1868—1878 DOI：103724，SP_J1042．2011．01868 心理学常用效应量的选用与分析 郑昊敏 温忠麟 吴 艳 (华南师范大学心理应用研究中心，广州 510631) (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_T-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 (effectsize)。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 (HunterSchmidt，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 ForceonStatisticalInference．1999；APA． 计和研究 目的有关，它可以是任何我们感兴趣的 2001；RosnowRosenthal，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=i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 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、 矿、 、 )与相关大小有关，可以归为相关类。 1 效应量的类型 以往的研究 中较少提及组重叠类效应量，考虑到 效应量是衡量实验效应强度或者变量关联强 一 些数据条件的限制(如总体非正态、方差不同质 度的指标(Snyder＆Lawson，1993)，它不受样本 等)，同时它具有差异类和相关类效应量所有和所没 容量大小的影响(或者影响很小)。计算和报告效应 有的优点，所以把组重叠类效应量单独作为一类。 下面分类介绍不 同研究对应 的效应量及其