1、第七部分第七部分 追踪研究追踪研究赵景欣赵景欣山东师范大学心理学院山东师范大学心理学院主要内容主要内容n一、追踪研究概述n二、纵向数据的优势n三、追踪研究设计与数据的注意事项n四、追踪研究设计的类型n五、追踪研究的效度问题n六、追踪研究的数据分析一、概述n追踪研究追踪研究(Longitudinal research)主要用来分析一段时间或某几个时间点个体的增长趋势和个体之间的差异。n纵向数据纵向数据(Longitudinal data)指的是一被试群体在一个或多个变量上、多时间点的测量结果。为何需要进行追踪研究？n想要掌控未来的欲望，促进对成长期趋势研究的重视。n过去收集的横断资料无法满足研究
2、问题所需。n传统的资料分析方法，已不符合方法学所需。n电脑软硬件的进步，促使统计方法茁壮成长。n时间因素让探索因果关系的问题研究成为可能。n国际上大型纵向数据库的发布，使得长期趋势的研究成为未来研究的必然。追踪研究所关心的问题n描述个体内(Intraindividual)发展趋势以及个体之间(Interindividual)趋势的差异n对被试的发展趋势及其原因进行解释，预测变量可以是不稳定的随时间变化的因素，也可以是固定的个体特征因素二、纵向数据的优势二、纵向数据的优势nThe first advantage is that longitudinal data allow us to draw
3、 more valid conclusions regarding developmental changes in levels(i.e.,means)and processes(i.e.,associations)of phenomena than can be drawn with cross-sectional data.q年龄效应年龄效应（Age effect）q出生序列效应出生序列效应（Cohort effect）二、纵向数据的优势二、纵向数据的优势nA second advantage of a longitudinal study is that it allows for i
4、nferences regarding various estimates of the cross-time relations among a set of variables.q稳定性稳定性（stability）指的是两个或多个测量时间点上，个体在同一测量结构上的相对位置的关系强度。（自回归路径）q静态性静态性（stationarity）指的是在多重时间间隔上（如在时间间隔长度相等的情况下，三次或更多测量时间点上的两个或多个时间间隔）自回归路径的大小是否等同（Kenny,1979）。q平衡性平衡性（equilibrium）是指两个或多个结构间的关系模式在两个或多个测量时间点上的稳定性。二
5、、纵向数据的优势二、纵向数据的优势nThe third advantage of a longitudinal study is that it allows us to make qualified inferences regarding the cause effect relations among constructs.q因果推论的条件？二、纵向数据的优势二、纵向数据的优势nA fourth advantage of a longitudinal study is the ability to model the processes through which effects are
6、 expressed over time.q直接路径（direct pathways）q间接路径（indirect pathways）q动态关系（dynamic associations）三、研究设计与数据的注意事项三、研究设计与数据的注意事项n在青少年研究中，纵向数据有助于理解变化的机制、影响的过程以及青少年与其情境的交互作用（见Card,Little,&Bovaird,2007;Little,Bovaird,&Card,2007）。n利用先进的科学方法从纵向数据中获得的各种答案的质量取决于理论原理和研究设计。q理论模型、当前的设计以及统计模型的整合。（一）（一）Design Conside
7、rationsnThe first critical issue,of course,is the theoretical model driving the research.q变化的是什么，变化的动力是什么，变化的函数形式是什么，影响变化的调节和/或中介机制是什么，变化的发生有多快，可用的测量工具是否足够标准化、并且足够敏感以获取所有这些特征。1、测量的时间间隔n绝大多数青少年发展研究每年或每半年进行测量，几乎没有考虑测量间距是否足以获取所研究的变化过程。2、变化的函数形式n从整体来看，在毕生发展中，非线性变化的函数是可能的，并且也许是普遍的。n但是，采用非线性统计模型可能也不足以得到所研
8、究的过程的函数形式，这取决于研究设计的适当性。从局部来看，某个适当的统计模型事实上可能拟合线性模型。n对于研究设计的启示？q如果不能在足够的测量时间点上收集数据，数据可以合理的近似于线性轨迹。对于获取其他形式的非线性变化的一小段信息来说，局部的线性近似也是很有效力的。q但是，我们鼓励研究者设计数据收集的间隔时，要足以能检验非线性增长假设的理论模型。3、描述时间（Representing Time）n代表发展过程的时间单位：n年龄是不是最佳指标？n经验时间 n一段关键发展事件的开始或结束 n个体的实足年龄可以作为背景协变量4、测量问题 n第一个特征是观测变量（我们的测量）的本质以及潜变量（我们希
9、望得出推论的潜在结构）的本质。n第二个测量特征是测量工具对于发展的适宜性。q当参与者到达一个年龄段，先前的测量工具不再具有发展适宜性时，研究者实施大规模工具更换，从一组测量工具转换为另一组。q是否合适？n简单补救措施：简单补救措施：逐步采用新工具，并逐步放弃旧工具。在一次或更多次测量时间点中测评两个测量工具中的所有项目（或关键的项目子集），可以使得我们在统计上校正这两个工具间的分数，进而也使得我们可以对在研究的不同时期所用的不同的测量间的增长趋势进行建模。5、潜变量与显变量n潜变量分析有其优势：q当采用多指标测量一个结构时，指标间的公共方差提供了关于结构的信息，（理论上）不受测量误差的影响。q
10、潜变量SEM方法提供了很多重要的效度信息。q在潜变量SEM方法中，因素不变性假设易于设定并检验。（二）缺失数据n处理缺失数据的最好办法是不要有缺失数据。n能做到吗？追踪追踪研究中数据缺失的原因研究中数据缺失的原因n流失：一个关键的数据缺失机制n缺失的数据能否看作是研究中完全的信息损失？n数据缺失的模式有几种？数据缺失的模式数据缺失的模式n完全随机缺失（missing completely at random,MCAR）n功能性随机缺失（missing functionally at random,MAR）n非随机缺失（not missing at random,NMAR）处理缺失数据的最好方法
11、处理缺失数据的最好方法n全息最大似然估计全息最大似然估计（full information maximum likelihood,FIML）n迭代设算算法迭代设算算法（itetative imputation algorithm）（如期望最大化 expectation maximum,EMn马尔可夫链蒙特卡罗方法（Markov Chain Monte Carlo,MCMC）（Little&Rubin,2002;Schafer&Graham,2002）四、追踪研究设计的类型：辨析四、追踪研究设计的类型：辨析n同时性横断研究设计（同时性横断研究设计（Simultaneous Cross-secti
12、onal study design）n趋势研究趋势研究(Trend studies)n时间序列研究时间序列研究(time series studies)n干预研究干预研究(intervention)n群组序列群组序列(cohort-sequential)设计或加速设计或加速(accelerated)设计设计（一）同时性横断研究设计年龄组年龄组样本样本时间时间观测变量观测变量A1S1T1X1X2X3XMA2S2T1X1X2X3XM.AGsGT1X1X2X3XM对不同年龄组的样本进行同时性测量对不同年龄组的样本进行同时性测量（二）趋势研究（重复横断研究）年龄组年龄组样本样本时间时间观测变量观测变量
13、A1S1T1X1X2X3XMA1S2T2X1X2X3XM.A1sGTtX1X2X3XM进行进行T次测量，但每次测量都是对同一个年龄群体次测量，但每次测量都是对同一个年龄群体中抽取不同的被试进行。中抽取不同的被试进行。（三）时间序列研究年龄组年龄组样本样本时间时间观测变量观测变量A1S1T1X1X2X3XMA2S1T2X1X2X3XM.AGs1TtX1X2X3XM对同一组样本进行多次测量对同一组样本进行多次测量该设计可以分析个体内发展的问题，同时可以就该设计可以分析个体内发展的问题，同时可以就被试间变化的差异进行分析。被试间变化的差异进行分析。Time series studies VS Pan
14、el studyn相同点：相同被试在多个连续时间点被多次观测；n区别：q时间点的追踪次数q测量次数与测量时间间隔的相等与否思考思考两种研究设计的优势？两种研究设计的优势？Panel studyn假设该研究者确实发现，时间1的X（表示为X1）和时间2的Y（表示为Y2）存在关系，基于这一关系，能否总结为X是Y的原因？Retrospective longitudinal designn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。n存在的问题：存在的问题：q所抽取的样本可能不是随机抽样的结果。q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。q回顾得来的数
15、据往往信度较低。思考n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）干预研究年龄组年龄组实验干预组实验干预组实验控制组实验控制组样本样本时间时间观测变量观测变量A1E1C1S1T1X1X2X3XMA2E1C1S1T2X1X2X3XM.AGE1C1s1TtX1X2X3XM首先将被试随机分为实验干预组和控制组，然后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分别对两个组进行Tt次的测量，目的在于比较实验次的测量，目的在于比较实验处理的效果。处理的效果。Intervention VS Panel studyn共同点：共同点：都是对相同的被试进行多次测
16、量n区别：区别：n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；n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群体测试时的年龄（岁）测试时的年龄（岁）12131415161712岁岁13岁岁14岁岁15岁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。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：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
17、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。体某一特征在较长时间内的发展趋势进行分析。比较：聚合交叉设计比较：聚合交叉设计(六六)纵向数据中的中介与调节纵向数据中的中介与调节n中介效应（mediation）n调节效应（moderation）n调节变量（调节变量（moderator variable）:q如果变量如果变量Y与变量与变量X的关系是变量的关系是变量M的函数的函数,称称M为为调节变量。调节变量。qY与与X的关系受到第三个变量的关系受到第三个变量M的影响的影响n中介变量（中介变量（mediator variable）q考虑自变量考虑自变量X
18、对因变量对因变量Y的影响的影响,如果如果X通过影响变通过影响变量量M来影响来影响Y,则称则称M为中介变量。为中介变量。1、纵向背景中的中介n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）n第一，考虑到了建立因果模型所必须的时间间隔n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n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n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。n格罗布和赖卡
19、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。n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）。n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。n要使用的最佳时间间隔取决于理论或背景。2.纵向背景中的调节纵向背景中的调节n“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假设理论上认为存在调节，那么将调节效应整合
20、入模型的一个方法是，假设自回归系数的一个方法是，假设自回归系数a1、b1和和c1可能受自我可能受自我监控（监控（self-monitoring,SM）的调节，又假设自我监）的调节，又假设自我监控是特质性特征，因此仅在时间控是特质性特征，因此仅在时间1测量一次。测量一次。(2)MLM与与LGM中斜率的预测因素中斜率的预测因素n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。n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
21、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（多水平模型（multilevel modeling,MLM）或多层线）或多层线性模型（性模型（hierarchical linear modeling,HLM）nAffilij=0j+1jtimeij+2jmoodij+ijn0j=00+01IQj+u0jn1j=10+11IQj+u1j五、追踪研究的效度n统计结论效度n内部效度n外部效度n结构效度统计结论效度n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
22、变异的结果，或者说观测样本之间的差异是否有实际意义。内部效度n之所发现的结果效应是由于所关心的原因所致，而不是由于其他别的可能原因所致的确定程度。n影响因素：q历史重大事件q成熟q测试效应q测量工具或仪器影响结构效度n指研究中所假设的理论结构被正确操作化定义的程度。n研究测量的变量是否正确表达了理论上所考察的问题。六、追踪研究数据分析n重复测量的方差分析和多元方差分析n时间序列分析n潜变量增长曲线模型n多层线性模型阅读文献：Child Development,2015年第5期nTemperament and interparental conflict:the role of negative
23、 emotionality in predicting child behavioral problemsnReciprocal relations between student-teacher relationship and childrens behavioral problems:moderation by child-care group sizenEarly parenting and the development of externalizing behavior problems:longitudinal mediation through childrens executive functionnQuality counts:developmental shifts in associations between romantic relationship qualities and psychosocial adjustment放映放映结束！结束！无悔无愧于昨天，丰硕殷实无悔无愧于昨天，丰硕殷实的今天，充满希望的明天。的今天，充满希望的明天。
