定量研究方法通过收集可以通过数学操纵的数据来增加我们的知识。这使我们能够回答有关心理概念含义的问题,以及阻止其水平和可变性以及它们之间的关系。定量研究方法可以与定性方法形成鲜明对比,这些方法倾向于收集以非数学,象征性表示有时被称为厚描述的数据,而较少专注于估计关系的强度和形式。
与定量方法相关的数据可能是由简单的测量操作(例如计数或分类)引起的,或者是由更复杂的操作可能涉及创建充当心理码数的测量量表。例如,定量研究方法使工业/组织(I/O)心理学家能够制定一种称为工作满意度(JS)结构的自我报告措施,以确定JS具有各种不同的方面或方面(例如对满意度付费,主管或工作环境),并研究其与组织文化或领导层等条件的关系,使其一般水平更高或更低。
任何科学的基本宗旨是科学家必须以其他人可以复制并接受公众检查和批评的方式收集和分析数据。确实,我/o心理学家没有什么不同。他们严重依赖广泛的定量方法来追求两项广泛的努力。首先是准确衡量感兴趣的心理变量,例如表现,个性,智力能力,工作态度以及工作世界的更多方面。第二项努力由系统和理论驱动的变量之间的关系组成。通常,对关系的搜索涉及测试基于理论的假设,其结果允许对感兴趣关系的存在或不存在科学推论。接下来,我们简要描述了测量的定量方法,显着性测试的理由以及评估关系的定量技术。
解决测量问题的定量技术
心理测量包括制定规则,这些规则使我们可以将对象分类为有意义的类别,或者确定这些对象的各个方面属于数值尺度。重要的是,当理论驱动时,测量是最好的。
经常使用定量方法解决的措施的两个重要特征是可靠性和有效性。可靠性可以通过各种方式定义;但是,它们都解决了如果重复进行相同(或可能是等效)测量程序(或可能等效)的测量程序的程度。各种统计技术估计可靠性,包括基于经典的测试理论程序,例如重测相关和系数alpha,以及最近开发的方法,例如概括性理论。密切相关的是协议的索引,它告诉我们多个观察者以相同方式对同一对象进行评分的程度。
相比之下,有效性解决了措施是否捕获预期心理结构的真实本质的问题。同样,可以使用多种定量方法来评估有效性。构造有效性问题通常通过因子分析技术来解决,这有助于我们更好地理解度量之间相互关联的模式,从而帮助我们理解基础构建体或潜在变量的数量和性质。探索因素分析(EFA)主要是归纳性的,为一组措施的维度提供了经验指南。每个单独的维度都表明存在不同的基础构建体。EFA还估计特定项目或措施似乎受到共同基本因素影响的程度。验证性因素分析(CFA)允许采用更具演绎的方法,因为研究人员可以预先指定假设的潜在因子结构。它还允许测试给定因子模型的拟合程度,并允许对替代模型进行比较。
另一个非常有用的定量方法是项目响应理论(IRT),它将测试项目的响应与潜在潜在特征(例如认知能力)的水平联系起来。该技术有助于区分良好的测试项目,这些测试项目可以很好地区分特质的人或低点的人与没有的贫穷项目。IRT技术还可以开发自适应测试,使研究人员能够评估个人在特征上的地位而无需管理整个措施。
为什么使用显着性测试
心理数据通常包含很多噪音,因为测量值通常不仅反映了所需变量的水平,还反映了其他无关的影响,例如误解或研究参与者的印象管理尝试,情绪或警觉性的临时波动以及随机变异性。焦点变量通常占响应中观察到的可变性的5%至10%。这种频繁的小至中度效应大小的条件意味着由焦点变量引起的可变性,并不比采样误差所期望的要大得多。统计显着性测试可帮助研究人员确定观察到的差异或关联是否应归因于感兴趣的变量,或者仅仅是抽样变异性的伪像。显着性测试通常彼此相互挑战两个相互排斥和详尽的假设,其结果是找到证据,使一个人拒绝无效的无效假设。
解决关系问题的定量技术
I/O心理学家使用的定量技术主要是在1800年代后期,1900年代和到现在的世纪开发的。研究设计和定量分析在其发展中紧密相互交织。我们描述了一些最常用的技术,当因变量至少是间隔水平测量时,这些技术是合适的。这些技术倾向于依靠最小二乘估计程序,并具有线性和固定模型假设。
实验方法特别强大,因为它允许因果推断。实验是研究人员系统地操纵通过随机分配创建的组中的条件,然后比较这些操纵的效果的研究。实验方法的变体(称为准实例)试图保留至少实验设计的某些特征,同时承认研究人员不能始终使用随机分配或操纵关键变量。
实验数据分析的最常见统计方法是方差分析(ANOVA)模型。它最初是由罗纳德·A·费舍尔爵士(Ronald A. Fisher)爵士开发的,他有兴趣研究与不同农业实践相关的作物产量的差异。通常,方差分析涉及通过实验操作创建的不同组之间因变量的平均水平的比较。ANOVA模型有许多亚型,它们结合了混合和随机效应,可以分析不完整的设计矩阵,并控制协变量以及其他变化。
在I/O心理学中,还具有强烈的调查和问卷研究的传统。尽管这种方法使因果推断更加困难,但至少一些研究人员认为,这种缺点是通过更好的概括性和建立丰富性来弥补的。实际上,由于道德或实际问题,有许多有趣的研究问题是不切实际或不可能的。
相关和回归分析以及相关但更复杂的路径和结构方程模型方法通常用于分析调查和问卷数据。弗朗西斯·加尔顿爵士和卡尔·皮尔森爵士在发展相关和回归方面发挥了作用。相关表示两个变量之间的关联程度和方向。例如,工作满意度和组织承诺之间的正相关关系表明,对工作更加满意的员工往往更加致力。回归分析确定了预测变量(例如等级平均值(GPA))和人格等标准(例如工作绩效)是否与人格相关,并估计了预测因素解释的标准中差异的比例。具有讽刺意味的是,鉴于ANOVA和回归技术在历史上进行了鲜明的区别,在1950年代,统计学家开始认识到它们实际上是伞统计模型的亚型,称为通用线性模型(GLM)。GLM还包含其他重要技术,例如规范相关性,判别分析和多元方差分析。
最后,在过去25年中,一系列称为荟萃分析的定量技术中的重要发展导致了许多研究领域的进步。这些技术使研究人员能够从给定关系的多个研究中累积结果。因此,荟萃分析更明确地解决了关系是否非零的问题,并更好地估计了其真实效应大小。
当前趋势
定量研究技术变得越来越复杂,并且使用专门的计算机软件同时更容易实施。研究人员开始使用适合动态,非线性和纵向模型的技术来使用。增加他们对鲁棒或无假设的统计数据和替代估计方法的使用;并重新审查原假设统计检验范式的方面。
参考:
- Bobko,P。(1995)。相关和回归:工业/组织心理学和管理的原理和应用。纽约:麦格劳 - 希尔。
- Drasgow,F。和N. Schmitt(编辑)。(2002)。衡量和分析组织中的行为:测量和数据分析的进展。旧金山:乔西 - 巴斯。
- Harlow,L。L.,Mulaik,S。A.和Steiger,J。H.(1997)。如果没有显着性测试怎么办?新泽西州马瓦(Mahwah):劳伦斯·埃尔鲍姆(Lawrence Erlbaum)。
- Nunnally,J。C.和Bernstein,I。H.(1994)。心理学理论(第三版)。纽约:麦格劳 - 希尔。
- Rogelberg,S。G.(编辑)。(2002)。工业和组织心理学研究方法手册。马萨诸塞州马尔登:布莱克韦尔。
- Shadish,W。R.,Cook,T。D.和Campbell,D。T.(2002)。广义因果推断的实验和准实验设计。纽约:霍顿·米夫林(Houghton Mifflin)。