心理統計學哲學原理研究范文

本站小編為你精心準備了心理統計學哲學原理研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、引言

哲學是關于世界觀和方法論的學說，研究自然、社會和思維的最一般的規律，在人們認識世界和改造世界的過程中發揮了重要的作用［1］。哲學在發展過程中，不僅在自身領域的研究中取得了重大進展，而且推動了其他的一些學科的誕生，如天文學、數學、教育學、美學等。統計學也當然可以歸于哲學的發展框架下。因此，可以從某種程度上來講，哲學可稱為“萬學之母”，抑或“元科學”。

統計學作為一門研究客體特征和規律的方法論學科，有很強的數學基礎做支撐。它不但可以作為一門基礎學科創造和發展理論，完善學科結構，而且可以作為一種應用型很強的學科，為人們認識世界和改造世界，進行量化研究提供強有力的工具手段。掌握好統計學，對進行科學研究，尤其是量化的科學研究必將大有裨益。然而正是由于其要求較強的數學基礎，因此對于缺乏數學訓練的人，尤其是文科學生來說，對統計學的掌握就可能成為一件比較讓人頭疼的事情，有的甚至是“談‘統計’色變”。即使不從理論研究的深度來學習，哪怕只是在統計學的應用層面上來掌握，強調實用性，也需要費些心思，再加上沒有適當的方法，就可能更加懊惱了。但是，由于哲學對統計學起指導作用，為統計科學研究和統計工作提供一般指導原則和思維方法，因此如果能將哲學中的一些方法論知識運用到統計學習中，可能會起到事半功倍的效果。

二、哲學思想的運用

哲學的眾多原理和方法論都可以作為統計學習的有力指導，本文選擇三方面加以闡釋。

1.“從一到多”的思想，也可以稱為“從簡單到復雜”的思想。事物的狀態有繁有簡，有的表現在量的層面上，有的則表現在質的層面上。單從量的層面上來講，就可以看到從1個、2個到3個乃至多個的變化。比如，線性回歸中，從最初的回歸模型中只包含一個自變量的最簡單模型到后來的回歸模型中包含2個甚至更多個自變量的情況，是一種從自變量的角度來觀察模型由簡單到繁瑣的過程［2］。再比如，從t檢驗到方差分析的變化。t檢驗可以有三種情況，即單樣本t檢驗，獨立樣本t檢驗和配對樣本t檢驗（后兩者均可以檢驗兩個總體的均值是否有差異，只是在具體的操作過程中有些差別）。但是對于三個及以上的均值是否存在顯著差異的檢驗，t檢驗則顯得力不從心了（多次兩兩比較可能增大一類錯誤的概率），而方差分析則會很好地解決這一問題，因為其不僅可以處理獨立樣本的問題，還可以處理重復測量的問題，在很大程度上彌補了t檢驗的不足［3］。不難看出，從t檢驗到方差分析，又是一個針對平均數個數從簡單到繁瑣的過程。回顧上面的例子，可以對這一形式的統計方法有一個比較性的認識。首先，它們都是從一個向多個的變化過程。“多”個的發展是以“一”個的發展為前提的，換句話說，多個變量的模型要想發展，必須滿足一個變量的單個模型發展所需要的假設條件。比如，多元回歸要想進行就必須滿足一元回歸所要求的一系列條件（如正態性、連續性和方差齊性）。而方差分析若要進行也必須滿足獨立t檢驗所需要的條件（方差齊性）。如果不能滿足，那么即使統計方法再先進，其科學性差的結果也是不容置疑的。其次，還要看到“多”與“一”的不同。這表現在：一方面，從前提假設方面來講，“多”除了要滿足“一”所需要的基本前提條件外，還有自己的額外要求。比如，多元回歸中的多重共線性檢驗、多元正態分布及方差分析中的協方差分析。另一方面，從功能上講，“多”的功能與“一”的功能既存在一致性，又存在區別，比如一元回歸所能解決的問題運用多元回歸也能解決，但是一個含有兩個自變量的二元回歸的功能卻不能由分別以每個自變量作一次回歸的兩個簡單回歸的功能之和。對于方差分析，如前所述，亦不能分別進行多次兩兩比較的t檢驗來完成。了解這一思想后，在處理類似的情況時，便可以通過比較分清異同之處，查找前提條件，選用適當的方法。

2.“整體與部分的關系”的思想。整體是由部分組成的，整體是部分的整體，離開部分，整體即不會存在；部分是整體的部分，離開整體談部分，部分也會喪失其原來的意義。這一思想要求我們要正確處理好整體與部分之間的關系。由于統計研究中經常會涉及處理多個變量的數據的情況，多變量及多層關系的情況，或是為了更好地分析事物之間的關系，通過假設將多個數據變為一個（如利用平均數來代表整組數據的信息），將幾個變量合并為一個（如某一概念的結構分為了幾個維度），將多個相互復雜的關系合并為一個（如結構方程及利用多元線性模型處理嵌套關系）。這就會使某些變量為了滿足統計分析的需要而臨時組成一個小的整體。比如，多層線性模型中，就會出現一個由不同層次的回歸模型而組成的層次結構，每一層的回歸模型均可看做是這一多層模型中的一部分，而且是必不可少的一部分；而由多個層次的單個模型所組成的模型又很好地囊括了每一個層次的部分［4］。然而，各個部分所組成的整體可能有各個部分單獨所不具有的功能，亦即整體的功能并不是各個部分的簡單相加。比如，多層線性模型中就存在每個單層的回歸模型所不具有的擬合特性，能夠充分發揮其模型的整體擬合優度來實現對各個層次的信息的最大限度的完美組合，而作為部分的每個層次的單一回歸模型，則只能依據下一層的回歸結果來考慮本層次的信息，并在一定程度上為更上一層的分析提供一定的信息基礎。但就單一層次來講，雖然可能會與相鄰層次發生關系，但是絕對不可能夠表現出所有層次的整體效果，即使是在層級次數很少的情況下。此外，對于模型的好壞程度的檢驗也是如此［5］。對于整個模型的評價，既要有整個模型的擬合優度的指標，又要求其所組成的各個部分均達到顯著性水平；而對于各個部分的考察，則更多地只考察其自身的顯著性即可。這一點除了多層線性模型，在結構方程處理一般概念結構時也有所體現。一般認為，如果想要證明所建構的概念（如自尊）的結構效度比較好的話，除了要使整體的結構方程的各項指標（如NFI，GFI）符合要求外，還要保證模型（概念）的各個維度也都要符合要求，甚至于對于每一層的各個項目的各項測量學指標（四度）也要符合通行的標準，因為一旦一個不符合要求的題項進入模型之中，將直接影響到維度的各項指標的要求，進而影響整個模型。而當僅僅對某一個維度或題項進行考察時，一般只對于其自身的數據所包含的信息進行分析，很少涉及其他的部分。

整體與部分的思想要求我們在處理涉及模型的統計分析時，一要分清整體界限，認清整體的模型到底是什么；二要通過理論分析和數據驗證，認清整體模型相對于各個部分模型的獨特之處，即整體的優越性，通過模型的擬合最大限度地利用數據所蘊含的統計信息。此外，還不應忽視的一點是，對模型的整體檢驗，既要有對模型的整體的檢驗，又要包含對局部的評估，將兩者綜合考慮，通過比較選擇出最適合的模型。

形式邏輯的研究表明［6］，類屬關系和整體與部分的關系是不同的。類屬關系中的屬相具有類項所具有的全部功能，而各類的功能則沒有其屬的很多功能。而整體與部分關系中的部分則不可能具有整體的全部功能，但是部分所組成的整體則具有各個部分所不具有的功能。比如，在前面談到的回歸中，一元回歸與多元回歸都歸屬于“回歸分析”這一類，當然無論一元回歸還是多元回歸都具有探索自變量與因變量的因果關系的傾向性這一回歸分析的特性，但是如果因為一元回歸和多元回歸乃至于其他的回歸類型歸屬了回歸分析這一類從而就使回歸分析增加了很多的其他功能（如真正確定因果關系），這顯然是不合適的。另一方面，由各個維度所組成的結構方程會有比各個部分更加優越的功能，但各個部分卻不能夠擁有這些功能（因為其分析只是基于自身數據）。弄清楚了這一點，就能夠很好地區分開類屬關系和整體與部分的關系，也就不至于遇到多個變量的統計分析時不知道該以何種方法論來進行指導。這樣，無論是對于統計的技術分析，還是基于研究假設對技術理論的解說，都是使人受益匪淺的。

3.具體問題具體分析的方法論。統計學作為一門學科，其必有自己的知識體系。心理統計學也必然是如此。所謂的知識體系，通俗來講，就是知識組成的方式與結構，或稱“知識樹”。知識體系的把握對于學好一門課程來說至關重要。當前國內外有關統計方法的書目中對統計知識體系的呈現不盡相同。

有按照“從事物屬性上的排他性”來安排的，比如，講到平均數的檢驗時，就把三種平均數（單樣本、兩樣本獨立和相關）的檢驗全部呈現出來，依次講完。也有按照東方思維方式的“功能性分類”來展現，比如當講到方差分析時，最先側重講一元（oneway）方差分析，之后是更復雜的兩個自變量的方差分析，之后進入“析因設計”（factorialdesign）的方差分析，從此采用多變量方差分析（MANOVA），以考察交互作用為首要任務［7］，而不是一氣呵成地把各種多變量的方差分析全部講完。誠然，每種體系具有各自的特點，不同書目有不一樣的體系，甚至于對于同一本書不同章節的知識可能適合于不同的知識體系。因此，要針對不同的內容采用不同的呈現方式來構建各具特色的知識體系。

三、結語

其實，從科學的整體結構來看，哲學是處在統計學之上層的，而統計學也可以追根于哲學這一母體。因此，哲學中所蘊含的方法論思想理論理應適合于統計學這一學科的發展的指導。正如哲學中的“對立統一”觀點、“質量互變理論”、“矛盾的偶然性與必然性”等理論在統計學中得到了廣泛的應用一樣［8］，哲學的其他方法論思想也理應被吸納到統計學學習的方法中，并將其很好地運用到實際中去。這樣一來，統計學的學習就如同有了前進的探照燈，即使數學基礎不扎實，在統計學學習的道路上也會存在諸多的平坦。