纵向研究专题

《纵向研究专题》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、纵向研究专题我感觉，把我用黑体标注的内容背下来，这样会节省一点记忆空间，大家看着办吧。缺陷是纵向设计的实验范式没有办法用表格呈现给大家，SORRY，自行理解一下吧。专题一：概述一．基本概念1.追踪数据：指一被试群体在一个或多个变量上、多个时间点测量的结果。主要关心两个方面的问题，描述个体的发展趋势和个体间发展趋势的差异；对被试的发展趋势及原因进行解释。预测变量可以使随时间变化的因素，也可以是不随时间变化的个体特征因素，如性别。与横断研究相比，其最大的优点是可以合理地推论变量间存在的因果关系。2.因果关系的条件：1.假设的原

2、因变量和结果变量间存在相关；2.时间关系上，原因变量在前，结果变量在后；3.在所考虑的模型中，其他原因变量对结果变量的影响能被排除。可见，横断研究永远无法满足条件2.3.与横断研究比较优劣：劣势：需要更多的时间投入（测量多次）和更大的成本（必须测量相同被试）优势：可以就某一现象随时间的变化进行分析；可以对变量间的因果关系进行合理的假设。二．纵向研究的类型1.同时性横断研究：指对不同年龄组样本进行同时测量，自变量是不同年龄群体，目的是描述某个因变量随年龄的变化情况，但并非真正意义的纵向研究。其优点是可以在很短时间（一次测量）

3、对不同年龄特征进行了解；缺点，无法区分年龄和组群两个效应，无法回答差异产生的原因是年龄还是组群；也无法回答个体内的发展趋势。2.趋势研究：又称重复横断研究，共进行T次测量，每次测量从同一个年龄群体抽取不同的被试进行，实质也不是纵向研究，其优劣同上。3.时间序列研究：相同的被试在多个时间点的多次测量，此种设计可以分析个体内发展的问题，也可以就被试间变化的差异进行分析。预期的追踪研究：被观测个体真正是从T1时刻开始，到Tt时刻，那么其内部效度将是非常高的。但费时较长，但是是真正意义上的追踪研究，收集了相同被试在一段时间内对同一

4、组问题的信息，描述了个体真实的状态变化。回溯研究，实验从Tt开始，要求被试对过去经历进行回顾，省时省力，但有以下缺陷：Tt被试的随机性无法保证，尽管采用随机对Tt被试抽样，但T1到Tt被试的变化不能保证是随机变化；由于是回顾的结果，变量间的因果关系假设的确定会很困难；回顾数据信度往往很低。通常只是准追踪研究，因为因果过程并不完整，且不精确的记忆会带来结果的扭曲。4.干预研究，先将被试随机分为实验组和干预组，分别对两组进行Tt次测量，目的在于比较实验处理效应，最常见的范式是实验前后测设计。干预研究不仅关注发展趋势，还关注不同

5、组的平均水平和发展趋势的差异。5.群组序列设计或加速设计，是一种既能体现追踪研究的优点又能客服其局限性的设计。通过对不同年龄群体有限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，即通过同时对几个不同年龄群体进行短时间的追踪，然后将几个群体的数据结合起来得到近似的长时间的追踪研究数据，只需要相对短的时间的追踪测量，就可以6/6了解被试某一特征较长时间发展的变化趋势，既能减小测试效应对实验结果带来的影响，又能减小被试流失的机会，降低实验费用。同时由于在不同群体间进行观测，还能就重复测量的发展趋势是否在不

6、同年龄群体中相同这一问题进行探讨。其缺点是没有解决重要事件及干预变量对发展过程影响的问题。三缺失值及相关议题几乎所有的追踪研究都会遇到被试流失问题，不同的缺失数据类型要求研究者采用不同的处理缺失技术。1.数据缺失类型：1.被试由于遗漏或疏忽某一题或某一调查造成的缺失本质上是一种随机误差。2.被试不参与或没有测量，是由于被试流失所导致，此时缺失变量本身的特征有可能是导致后来测量数据缺失的原因。3.设计本身带来的数据缺失，即有计划的缺失，如群组序列设计，这类缺失是可以控制的，可以视为完全随机缺失，虽然会造成统计检验力降低，但带

7、来的统计推论的错误的可能性则是最小的。2.理解：某调查含X、Y两个变量，只有Y变量含有缺失值。1.完全随机缺失（CMAR）：Y值是否缺失独立于X与Y，即缺失与观察都是随机的，那么有缺失值的数据和没有缺失值的数据可以被视为是从总体中随机抽取的两个样本，此时从没有缺失值的完整数据分析得到的参数估计结果是无偏的，因此缺失可以被忽略，即可以采用列删除的方法，只用完整数据进行分析。2.随机缺失(MAR)：变量Y的缺失依赖于另一个不含缺失值的变量X，而不系统地依赖于有缺失值的变量Y，这是追踪数据一般会满足的情况，缺失数据此时也可以被忽

8、略，可以用完整数据得到无偏的参数估计结果。3.非随机缺失(MANR)：Y的缺失值依赖于变量Y的值，此时的缺失是不能被忽略的，即使用不含缺失值的完整数据分析的结果是有偏的。3.处理缺失值的常用方法：1.对完整数据进行分析：删除含缺失值的样本，仅对不含缺失值的样本进行分析，简便且实用，但在完全随机缺失假设不