分类： 心理学 >> 社会心理学 提交时间： 2023-03-28 合作期刊: 《心理科学进展》
摘要： 在心理学、教育学和临床医学等领域, 越来越多的研究者开始关注个体内部的行为、心理、临床效果等随时间而产生的动态变化, 重视针对个体的差异化建模。密集追踪是一种在短时间内对个体进行多个时间节点密集追踪测量的方法, 更适合用于研究个体内部心理过程等的动态变化及其作用机制。近年来, 密集追踪成为心理学研究的一大热点, 但许多密集追踪的研究分析仍停留在较为传统的方法。方法学领域已涌现出较多用于密集追踪数据分析的模型方法, 较为主流的模型包括以动态结构方程模型(Dynamic Structural Equation Model, DSEM)为代表的自上而下的建模方法, 以及以组迭代多模型估计(Group Iterative Multiple Model Estimation, GIMME)为代表的自下而上的建模方法。二者均可以方便地对密集追踪数据中的自回归及交叉滞后效应进行建模。
分类： 心理学 >> 心理统计 提交时间： 2021-05-08
摘要： 在心理学、教育学和临床医学等领域，越来越多的研究者开始关注个体内部的行为、心理、临床效果等随时间而产生的动态变化，重视针对个体的差异化建模。密集追踪是一种在短时间内对个体进行多个时间节点密集追踪测量的方法，更适合用于研究个体内部心理过程等的动态变化及其作用机制。近年来，密集追踪成为心理学研究的一大热点，但许多密集追踪的研究分析仍停留在较为传统的方法。方法学领域已涌现出较多用于密集追踪数据分析的模型方法，较为主流的模型包括以动态结构方程模型(Dynamic Structural Equation Model, DSEM)为代表的自上而下的建模方法，以及以组迭代多模型估计(Group Iterative Multiple Model Estimation, GIMME)为代表的自下而上的建模方法。二者均可以方便地对密集追踪数据中的自回归及交叉滞后效应进行建模。
分类： 心理学 >> 心理统计 提交时间： 2020-10-27
摘要： 在心理学、教育学和组织行为学等领域的研究中，研究者常常会遇到存在嵌套结构的多层数据，如被试可能嵌套于社区、班级、诊所等。如果不考虑数据本身的嵌套结构，可能导致一些统计模型违反其独立性假设，从而对模型参数的估计产生较大的偏差。因此，研究者往往需要利用多层模型解决多层数据中非独立性观测可能带来的问题，但由于客观条件的限制，实际研究中多层数据常常出现水平1或水平2样本量偏小的情况。基于传统频率学派的极大似然估计方法(Maximum Likelihood, ML)需要依赖大样本，在小样本下容易出现参数估计及模型收敛等方面的问题。贝叶斯估计在小样本的情况下往往具有更大的优势，但与此同时，也更容易受到先验信息主观设置的影响。为了探讨贝叶斯估计中错误先验信息可能带来的负面影响，并与传统方法进行对比，本文基于多层模型，利用蒙特卡洛模拟，研究不同数据类型(因变量分别为连续正态分布数据、连续非正态数据与二分变量的数据)、样本量和组内相关系数(Intraclass Correlation Coefficient, ICC)的情况下，设有不同信息强度和偏差程度的先验信息对贝叶斯估计的影响。总体结果显示，贝叶斯估计中均值严重偏离真值的先验分布会对参数估计带来较大的负面影响，特别是在ICC较大，以及群组样本量和先验分布方差较小的情况，且因变量为非正态分布或二分变量时，错误先验信息的负面影响更为明显。本文对多层模型中错误先验信息对贝叶斯估计的影响进行研究并提出建议，希望为贝叶斯估计中先验分布的设置提供一定的理论补充及实证参考。
分类： 心理学 >> 心理统计 提交时间： 2020-05-14
摘要： 传统的最小二乘回归法关注于对当前数据集的准确估计，容易导致模型的过拟合，影响模型结论的可重复性。随着方法学领域的发展，涌现出的新兴统计工具可以弥补传统方法的局限，从过度关注回归系数值的解释转向提升研究结果的预测能力也愈加成为心理学领域重要的发展趋势。Lasso方法通过在模型估计中引入惩罚项的方式，可以获得更高的预测准确度和模型概化能力，同时也可以有效地处理过拟合和多重共线性问题，有助于心理学理论的构建和完善。
分类： 心理学 >> 心理统计 提交时间： 2019-03-01
摘要： 测量工具的测量不变性是在潜变量框架下进行多组比较的前提条件。贝叶斯渐近测量不变性方法基于贝叶斯思想的优良特性，通过为参数的跨组差异提供合适的先验分布，放宽了传统的多组验证性因子分析方法对跨组差异的严格限制。同时避免了传统方法容易导致模型拟合过差、修正过程繁琐及一类错误率上升等问题，具有极高的应用价值。文章总结并介绍了渐近测量不变性方法的原理及优势，同时通过实例展示了该方法在Mplus软件中的具体分析过程。
分类： 心理学 >> 心理统计 提交时间： 2018-12-27
摘要： 在心理学研究中结构方程模型(Structural Equation Modeling, SEM)被广泛用于检验潜变量间的因果效应，其估计方法有频率学方法(如，极大似然估计)和贝叶斯方法两类。近年来由于贝叶斯统计的流行及其在结构方程建模中易于处理小样本、缺失数据及复杂模型等方面的优势，贝叶斯结构方程模型发展迅速，但其在国内心理学领域的应用不足。本文主要介绍了贝叶斯结构方程模型的方法基础和优良特性，及几类常用的贝叶斯结构方程模型及其应用现状，旨在为应用研究者介绍新的研究工具。
点击量
点击量
下载量
评论
待评议
