发展心理学研究中个体定向的理论与方法

心理科学进展 2011, Vol. 19, No. 11, 1563–1571 Advances in Psychological Science DOI: 10.3724/SP.J.1042.2011.01563 1563 ·主编特邀(Editor-In-Chief Invited)· 发展心理学研究中个体定向的理论与方法* 纪林芹 张文新 (山东师范大学心理学院, 济南 250014) 摘 要 长期以来, 发展心理学研究主要采取变量定向的方法。近年来, 随着发展心理学理论的发展和人类 发展个体差异的科学事实的积累, 个体定向的方法得以发展并且成为发展心理学研究的主要方法思路之一。 个体定向的方法关注作为整体的个体, 旨在确定有意义的同质性个体类别或亚组。个体定向的方法包括一系 列的基本理论原则, 具体数据 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 方法包括传统聚类分析、基于模型的聚类方法以及配置频次分析等。发展 心理学研究需综合运用个体定向的方法与变量定向的方法。 关键词 变量定向; 个体定向; 理论; 方法 分类号 B844 一直以来, 发展心理学对心理和行为的研究 主要围绕不同年龄阶段个体心理与行为的特点、 发展的连续性与稳定性、发展的相关因素等问题。 在研究的方法学上, 这些研究主要采用变量定向 或变量中心的方法思路(variable-oriented/centered approach), 其关注的问题概括来讲即变量间的关 系问题, 包括个体的心理或行为变量之间及其与 环境因素之间相关程度的分析、某一变量绝对或 相对水平随时间变化的分析以及个体当前的发展 与未来发展结果之间联系的分析等。相应的统计 方法包括相关分析、平均数间的比较、回归分析、 因 素 分 析 、 传 统 的 结 构 方 程 模 型 (structural equation modeling, SEM)等。 变量定向方法的统计模型基础为线性模型 , 其基本假定是个体与个体之间不存在显著差别 , 可 以 被 认 为 是 同 样 的 或 相 似 的 (Bergman, Magnusson, & Ei-Khouri, 2003; Bergman, 收稿日期: 2011-10-28 * 山东省“十二五”特色重点学科(发展与教育心理学)经 费 资 助 、 国 家 自 然 科 学 基 金 项 目 (30570612 、 30970905)、教育部人文社科“十一五”规划青年项目 (07JCXLX005)、全国教育科学“十一五”规划教育部青 年专项课题(EBA080304)资助。 通讯作者: 张文新, E-mail: zhangwenxin@sdnu.edu.cn Andershed, & Andershed, 2009; Bergman & Andersson, 2010)。运用这种方法所揭示的是从个 体身上抽取出来的平均的心理过程, 描述的是平 均的变量关系或发展模式。这些平均的关系或发 展模式往往存在如下问题：它们在多大程度上适 用于说明每一个体？事实上, 平均关系或发展模 式可能不能代 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 任何一个体身上变量间的关系或 发展模式(Bergman, 1998; von Eye & Bergman, 2003; von Eye & Bogat, 2006; Molenaar & Campbell, 2009)。因而, 由平均模式得出的研究结论可能不全 面 , 甚至是错误的 , 存在“生态谬误” (ecological fallacy; von Eye & Bogat, 2006, p. 412)。 上世纪八九十年代以来, 发展心理学中出现 了一些新的理论观点 , 如发展的整体互动观 (Holistic-interaction Perspective)、发展系统理论 (Developmental Systems Theory)、或然渐成理论 (Probablistic Epigenesis)等(Lerner, 2006)。根据这 些新近的理论 , 发展被认为是相互作用的过程 , 是作为整体的个体的发展 , 而非某个变量的发 展。由于发展过程中存在多个层次或水平的因素 的相互作用, 因而不同个体的发展存在差异。 许多实证研究表明个体心理与行为发展具有 异质性(heterogeneity)。如纽约纵向研究(New York Longitudinal Study) 以 及 新 西 兰 达 尼 丁 研 究 (Dunedin Multidisciplinary Health and Development 1564 心 理 科 学 进 展 第 19 卷 Study)均表明存在不同气质类型的儿童。在行为发 展方面, Mun, Windle 和 Schainker (2008)发现, 青 少年期问题行为表现为多种问题行为综合症、高 吸烟危险、正常组与低问题行为组等 4 类, 各类 青少年在早期预测因素以及日后适应结果上存在 差异; Moffitt(2006)以及 Odgers 等人(2008)发现存 在两种反社会行为的发展路径：终生持续性的路 径和始于青少年期的路径; 我们近期的研究发现, 童年中晚期攻击的发展表现为无攻击、低攻击— 下降以及持续高攻击三种轨迹模式 ( 陈亮等 , 2011)。 鉴于心理发展理论和实证研究都表明心理与 行为发展存在个体差异或异质性, 因此, 确定心 理与行为发展的个体差异或异质性就构成了发展 心理学研究的重要任务。在这样的背景下, 关注 和旨在揭示发展的个体差异的研究方法——个体 定向的方法(person-oriented approach)得以出现, 并 且成为发展心理学家倚重的研究方法之一。 1 个体定向方法：涵义与理论原则 个体定向的方法最早于 1971 年由 Block 在讨 论 Q 分类时提出, 在 20 世纪 80 年代, 尤其是 90 年代之后得到进一步发展。Bergman、Magnusson 以 及 von Eye (Bergman, 1998; Bergman & Magnusson, 1997; Bergman et al., 2003; Magnusson, 1998; von Eye & Bergman, 2003; von Eye & Bogat, 2006)系统论述了个体定向的方法及其理论原则。 1.1 个体定向方法的涵义 个体定向方法产生的理论基础是发展的整体 互动理论。按照发展的整体互动理论, 正在发展 的个体是有组织的整体, 这一整体的各个组成部 分在多个水平或层面上存在相互联系、相互作用, 每一具体组成部分(如某种行为、态度、生物特征 等)只有在作为整体的一部分发挥作用时才具有 意义, 否则单个组成部分没有意义。因而, 研究应 该关注作为整体的个体而非变量。而且, 由于正 在发展的个体是由在多个水平或层面上相互联 系、相互作用的各部分构成的, 因而, 对心理与行 为发展的分析应该关注个体的发展模式或变量间 的相互联系与作用模式, 确定出发展模式或者变 量间相互联系与作用模式不同的个体类型。因此, 与变量定向的方法不同 , 在个体定向的方法中 , 恰当地描述个体比描述个体的平均或整合更有意 义。个体定向方法的目的即在于鉴别出在理论上 有意义或与理论相符的心理与行为发展模式或变 量间的关系模式, 以及表现出这些发展模式或变 量关系模式的同质性个体的类别或亚组。 个体定向的方法首先是一种理论观点, 是一 种关于心理与行为发展的方法学思路。作为一般 性的理论框架和方法学思路, 个体定向的方法影 响着研究问题的产生和表述, 影响着具体研究策 略和方法的选择, 也影响着对研究结果的解释。 1.2 个体定向方法的理论原则 基 于 发 展 的 整 体 互 动 理 论 , Bergman 和 Magnusson (1997)第一次详细阐述了个体定向方 法的理论原则。他们指出, (1)心理与行为的结构、 机能及其发展变化至少部分地是个体特定的、独 特的; (2)心理与行为的发展是复杂的, 其中涉及 多种因素以及这些因素在不同水平上的复杂相互 联系和作用 ; (3)心理与行为的个体内恒定性 (constancy)与变化及这些方面的个体间差异均具 有规律和结构; (4)心理与行为的发展有规律可循, 而这些规律可以被描述为所涉及因素的关系模式; (5)心理与行为发展中所涉及的因素的意义取决于 这些因素与其他因素的相互作用; (6)尽管从理论 上讲, 如果详细考察, 心理与行为特征及其状态 将存在无尽的差异, 然而, 在更一般的水平上看 通常只有少数模式是频繁出现的, 其他模式很少 出现, 甚至根本不存在。后来, von Eye 和 Bergman (2003)进一步发展了第 6 条原则。他们指出, 有的 模式比其他模式发生得更频繁, 或者比基于先前 的知识、假定和轨迹所预期得更频繁, 也有模式 比其他模式或预期的频率更不经常。发生频繁的 模式被称为典型(type), 而不经常出现的模式被 称为对型(antitype; von Eye, 2002; von Eye, Mun, & Bogat, 2008)。 最近, 研究者对上述个体定向的理论原则进 行了 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf , 提出了更为简洁的描述 (Sterba & Bauer, 2010; von Eye, 2010; von Eye & Bogat, 2006), 即(1)个体独特性, (2)复杂互动性, (3)个体 内变化的个体间差异性, (4)模式概括性, (5)整体 主义, (6)模式有限性。 对于个体定向方法的基本理论原则, 可以通 过发展心理病理学中两个重要的概念—— 多因 同果性 (equifinality)与同因多果性 (multifinality; Cicchetti, 2006)来进行说明。多因同果性指多种不 第 11 期 纪林芹等: 发展心理学研究中个体定向的理论与方法 1565 同路径, 包括一些偶然事件, 可以在不同个体身 上导致同一结果; 而同因多果性指, 在不同的系 统(如不同个体)中正在起作用的同一成分(变量) 所产生的结果是不同的。如不良父母教养实践、 冷漠无情(callous-unemotional, CU)特质、社会信 息加工缺陷、言语缺陷、寻求刺激性的气质特征 等都与个体的反社会性发展结果相联系(Frick & Viding, 2009), 有些个体(在童年期即表现出反社 会行为的个体)在成年期的反社会行为主要与遗 传因素有关, 而有些个体(青少年期开始出现反社 会行为的个体)成年期的反社会行为主要取决于 环境因素(Silberg, Rutter, Tracy, Maes, & Eaves, 2007)。如此, 即表现为心理与行为发展的多因同 果性。而对于同伴侵害这一消极同伴经历, 有的 儿童在日后可能出现抑郁、孤独等内化问题, 而 有的个体则会表现出同伴拒绝等人际关系问题 , 其他儿童则表现出攻击、行为不良等外化问题的 增多, 因此, 同伴侵害与儿童心理社会适应结果 间存在着同因多果性的联系(纪林芹, 陈亮, 徐夫 真, 赵守盈, 张文新, 2011)。 心理病理发展的多因同果性和同因多果性均 表明, 心理与行为的结构、机能及其发展变化存 在个体差异(个体独特性), 研究者需要关注并揭 示这些方面的个体差异。而心理病理的发展之所 以出现多因同果性和同因多果性, 则是由于多个 水平上影响发展的因素(变量)复杂相互作用的结 果(复杂互动性), 如遗传特征、寻求刺激性的气质 特征与父母不恰当的教养实践相互作用, 可能使 得一些个体在童年期出现反社会行为, 并一直持 续到成年期; 而不恰当的父母教养实践、社会信 息加工缺陷、言语缺陷与青春期发育相互作用 , 则使得一部分个体在青少年期开始出现反社会行 为, 并持续到成年期(Frick & Viding, 2009)。而在 受到同伴侵害后, 一部分儿童可能由于其受同伴 侵害的经历与消极的自我认识、评价相互作用而 出现内化问题, 另一部分儿童则由于受同伴侵害 经历与人际交往缺陷、敌意性的同伴认知等相互 作用而出现外化问题(纪林芹等, 2011)。心理病理 发展的多因同果性和同因多果性同时也说明, 某 一影响因素或变量在心理与行为发展中的意义取 决于它与其他因素或变量的相互作用, 离开了与 其他因素或变量的相互作用, 无从分析和理解这 一因素或变量的发展意义(整体主义)。有关反社会 行为的童年期起始的亚类和青少年期起始的亚 类、以及这些亚类不同的病因学(即影响因素的关 系模式)的研究发现(Frick & Viding, 2009)描述了 反社会行为发展及其病因学的有限的典型模式 (模式概括性、模式有限性), 也揭示了反社会行为 个体内变化的个体间差异性。 2 个体定向的数据分析方法 如上所述, 个体定向方法的目的即在于鉴别 出在理论上有意义或与理论相符的心理与行为发 展模式或变量间的关系模式, 以及表现出这些发 展模式或变量关系模式的同质性个体的类别或亚 组, 因此, 个体定向方法在进行数据分析时的基 本思想是使同一类别或亚组内尽可能同质, 类别 或亚组间尽可能异质。各种个体定向的数据分析 方法就是基于个体在所研究的变量(或其关系)上 的相似性来确定同质性个体类别或亚组。这些方 法包括传统的聚类分析(clustering)、基于模型的聚 类方法(model-based clustering)以及配置频次分析 (configural frequency analysis, CFA)等。 2.1 传统聚类分析 传统的根据个体在所研究变量上的相似性对 个体进行分类或组的方法为聚类分析。聚类分析 根据个体在一组变量上反应的相似性对个体划分 类别或组。传统的聚类分析方法包括分层聚类分 析(hierarchical clustering methods)与非分层聚类 分析 (如 K-means 聚类 )。而依所使用的相似性 (similarity)或距离 (distance)指标的不同 , 分层聚 类分析又包括 Ward 聚类、单连接、全联系、平均 连接法、质心连接法、中位数连接法等。无论何 种聚类分析技术, 其目的都是将个体或项目(如不 同的语言)分为组内尽可能同质而组间存在差异 的几类或组。聚类分析所使用的数据可以是连续 的, 也可以是分类的。 由于传统聚类分析是基于观测变量进行的 , 聚类的结果会受到观测变量测量量尺的影响, 变 异较大的变量会对聚类的结果产生更大影响。更 重要的是, 在传统聚类分析中, 对于几类的模型 是最好的, 缺少可供比较的统计标准, 因采用的 具体策略不同 , 聚类分析的结果很可能存在差 异。因此, 传统聚类分析的结果往往武断、主观 而缺乏科学性(Mun, von Eye, Bates, & Vaschillo, 2008), 也因而传统的聚类分析方法又被称为启发 1566 心 理 科 学 进 展 第 19 卷 式(heuristic)聚类分析。 2.2 基于模型的聚类方法 基于模型的聚类方法 (model-based methods; Sterba & Bauer, 2010; von Eye, 2010)以有限混合 模型 (finite mixture model, FMM; McLachlan & Peel, 2000)为基础, 即认为所研究的群体是一个 包括有限几个概率分布(亚群体)的混合, 因而又 被称为混合模型聚类 (mixture-model clustering, MMC; Steinley & Brusco, 2011)。由于所研究群体 中 的 几 个 概 率 分 布 或 亚 群 体 又 被 称 为 成 分 (component), 因此, 基于模型的聚类方法又被归 为因子混合模型(factor mixture model; Lubke & Muthén, 2005; Muthén, 2007)之列。与传统的聚类 分析不同, 基于模型的聚类方法是一种潜变量分 析方法, 即它不是基于观测变量, 而是在观测数 据的基础上产生潜变量, 即潜类别。 基于模型的聚类方法能够估计假定的混合分 布的参数(如多元正态性、多元 t 或多元多名义等), 以及类成员关系的后验概率(posterior probability) 等, 并基于后验概率将个体归为不同的类别或亚 组。这一方法通常使用最大似然法 (maximum likelihood, ML)进行模型估计 , 而在进行似然值 估 计 时 常 采 用 期 望 最 大 化 法 (expectation- maximization, EM), 即使得到所观测结果的概率 最大(最大似然性)。与传统聚类分析相比, 基于 FMM 的聚类方法的优势在于, 由于这些方法是 基于统计模型的, 因而存在一种或几种统计指标, 通过比较这些统计指标, 能够确定几类(组)的模 型最优。此外, 与传统聚类分析的另一不同在于, 基于模型的聚类是一种或然聚类方法, 即尽管它 能够将某一纪录归到某一类或组中, 但这种分组 是基于概率的, 某一纪录只是被分到其所属概率 较大的一组中, 但这一记录仍有可能属于其他组, 即分组存在不确定性。 基于模型的聚类方法包括多种具体统计技术, 如潜类别分析(latent class analysis, LCA)与潜剖面 分析(latent profile analysis, LPA)、潜类别增长曲 线分析(latent class growth analysis, LCGA)、潜增长 混合模型(latent growth mixture modeling, GMM)、潜 Markov 模型(latent Markov model, LMM)与潜转变 模型(latent transition model, LTM)。 2.2.1 潜类别分析与潜剖面分析 潜类别分析(LCA)与潜剖面分析(LPA)又被称 作潜类别聚类分析 (latent class cluster analysis; Vermunt & Magidson, 2002; DiStefano & Kamphaus, 2006)。LCA 与 LPA 旨在确定能够描述 一组观测变量间联系的最少数目的潜类别, 比如 观测的类别变量(如是否饮用白酒、啤酒等)或连续 变量(如饮用白酒、啤酒等的经常性程度)可能对应 于一组二分诊断指标(如是否存在酒精依赖), 即 潜类别。因此, 与传统聚类分析相同, LCA 与 LPA 旨在将一组数据中的每一个体归到事先未知的同 质类别之中。而与传统聚类分析不同的是, LCA 和 LPA是基于FMM的; 作为一种潜变量分析技术, 它 们所确定的类别为潜类别。LCA 与 LPA 的不同只在 于, 前者适用于对类别观测变量进行分析, 而后者 则适用于对连续的观测指标进行分析。 LCA、LPA 与因子分析具有类似之处(Muthén, B. O. & Muthén, L. K., 2000; Steinley & Brusco, 2011)。LCA 与 LPA 的基本目标是发现能够描述 一组观测变量间联系的最少数目的、具有相似性 的个体组, 这些组构成了潜类别上的各个类别。 因子分析(factor analysis)的基本目标是发现最小 数目的因子或维度, 这些因子或维度能够解释一 组观测变量间的关系。LCA、LPA 与因子分析存 在联系, 如果一组数据能够产生 m 个因子, 则对 这组数据的 LCA、LPA 分析会产生 m+1 类(Muthén, B. O. & Muthén, L. K., 2000)。因此, 在一项研究 中究竟运用因子分析还是 LCA、LPA, 取决于所 研究的问题。如果研究者关心的问题是诊断、对 诊断标准或症状项目进行分析时, 特别适合对数 据进行类别分析。 2.2.2 潜类别增长曲线分析 与 LCA、LPA 不同 , 潜类别增长曲线分析 (LCGA)适用于分析纵向数据, 它能够确定不同个 体所遵循的不同纵向发展轨迹以及遵循不同发展 轨迹的个体类别或亚组 (Muthén, 2001; Nagin, 1999, 2005)。LCGA 与潜增长曲线模型 (latent growth modeling, LGM; Bollen & Curran, 2006)不 同。虽然 LGM 考虑到了每一个体相对于平均发 展轨迹可能存在的变异性并对这种变异性进行检 验(截距和斜率的随机效应检验), 但是它只能够 产生所有个体平均的一般发展轨迹。LCGA 能够 估计出不同个体遵循的多条亚组发展轨迹, 并对 各轨迹的截距、斜率的显著性进行检验(是否显著 区别于 0)。LCGA 的基本逻辑是组内同质, 而组 第 11 期 纪林芹等: 发展心理学研究中个体定向的理论与方法 1567 间异质, 即不同亚组的发展轨迹或模式可能在截 距或(和)斜率上存在差别。 LCGA 能够分析不同分布形态的数据, 包括 二 分 的 Logistic 分 布 、 零 膨 胀 的 泊 松 分 布 (zero-inflated Poisson distribution, ZIP)、删截正态 分 布 (censored normal distribution, CNORM) 等 (Nagin, 2005)。比如, 观察法得到的儿童攻击行为 的频次, 由于多数个体的得分为 0, 因此应当使 用泊松分布或零膨胀的 ZIP 模型; 而对于正态分 布的数据, 则使用删截正态的 CNORM 模型。 2.2.3 潜增长混合模型 潜增长混合模型(GMM)可以被看作是 LCGA 的扩展, 或 LCGA 与 LGM 的综合(Muthén, B. O. & Muthén, L. K., 2000; Sterba & Bauer, 2010)。 GMM 与 LCGA 的相同之处在于, 它能够确定不 同个体遵循的不同纵向发展轨迹以及遵循不同发 展轨迹的个体亚组。而与 LCGA 不同的是, GMM 在确定亚组轨迹的同时, 允许发展轨迹的增长参 数(截距、斜率等)存在亚组或类别内变异(Muthén & Asparouhov, 2006; Muthén, 2007)。因而, GMM 被认为是更一般的混合增长模型。 由于 GMM 允许在类别或亚组内仍存在个体 变异, 对同一数据的 GMM 的模型拟合指标往往 优于 LCGA。然而, 正是由于 GMM 允许亚组或类 别内存在个体变异, 因而事实上 GMM 估计的模 型比 LCGA 更为复杂。在实际运用中, 研究者建 议, 首先对数据进行 LCGA, 并核查其所产生的 亚组平均轨迹对亚组内个体轨迹的代表性情况 , 如果亚组平均轨迹对亚组内个体轨迹代表良好 (即亚组内个体相对同质), 则使用 LCGA; 如果 LCGA 产生的亚组平均轨迹对亚组内个体轨迹代 表较差(即亚组内个体仍存在较大异质性), 则对 数据重新进行 GMM。 2.2.4 潜 Markov 模型和潜转变模型 与 LCGA、GMM 不同, 潜 Markov 模型(LMM) 与潜转变模型(LTM)适用于分析类别数据(个体的 身份地位), 旨在揭示个体所属类别(身份地位)的 发展变化(Kaplan, 2008), 即非连续的阶段—序列 发展(stage-sequential development)。Markov 模型 与转变模型的区别只是在于, 在 Markov 模型中, 作为结果的观测类别变量只有一个(如是否饮酒： 是、否); 而转变模型中, 作为结果的观测类别变 量则可以为多个(如除是否饮酒外, 还包括是否曾 经醉酒等)1。 Markov 模型与转变模型包括显 Markov 模 型、LMM 以及混合 LMM。显 Markov 模型直接 根据观测的类别结果变量确定身份地位发展变化 的序列, 如在 T1、T2、T3 和 T4 等 4 个时间点上, 饮酒状况(是、否饮酒)存在 16 种(2 的 4 次方)变化 序列。然而, 显 Markov 模型假定对类别结果变量 的测量不存在误差, 而事实可能并非如此。LMM 则假定作为结果的分类显变量存在测量误差, 不 能反映真正的身份地位状况。因此, 在 LMM 中, 首先通过 LCA 确定每一时间点上的潜类别(身份), 而后再确定潜类别 (身份 )的变化序列。无论显 Markov 模型 还是 LMM, 均认为 只存 在一 个 Markov 链(chain), 所描述的总体是同质的。然而, 总体可能是异质的, 存在具有质的差别的、有限 的未观察到的亚群体。因此, 有必要将基于链的 Markov 模型与有限混合模型(FMM; McLachlan & Peel, 2000)结合起来, 这就是混合 LMM。 Markov 模型通过比较实际观测的反应比例 与由模型预测的反应比例来确定模型的拟合程 度。具体而言, 模型拟合指标包括皮尔逊卡方(χ2 = Σ[(Fijkl – fijkl)2/fijkl], 其中, Fijkl 为 IJKL 列联表的观 测频率 , fijkl 为期望频率 )与似然比率 (likelihood ratio), 两者均遵循 χ2 分布, 以及两个信息标准— —贝叶斯信息标准(Bayesian information criteria, BIC)与赤池信息标准(Akaike information criteria, AIC)。 2.3 配置频次分析 配置频次分析(CFA; von Eye, 2002)是一种多 元统计方法, 能够对分类变量组成的交互分类(列 联表)中的每一单元格进行考察。CFA 通过对单元 格的实际观测频次与理论期望频次进行比较, 确 定“典型”与“对型”。如果某一个单元格的观测频 次(fo)显著高于理论期望频次(fe), 则这一单元格 所代表的类型为“典型”; 如果观测频次(fo)低于理 论期望频次 (fe), 则这一单元格所代表的类型为 “对型”。研究者指出, 不仅典型对于我们理解发展 有价值, 而且对型, 即很少出现的发展模式或变 量关系模式对于理解心理与行为发展、理解预测 因素与发展结果间的联系同样非常重要(Bergman 1 因此, 在下文的介绍中仍统称为 Markov 模型。 1568 心 理 科 学 进 展 第 19 卷 & Magnusson, 1997; Bergman et al., 2009)。CFA 通 常需要进行多次检验才能够确定出所有的典型组 合与对型组合, 并且这多次检验间是存在相关的, 因此, 在 CFA 中需要采取措施(如 Bonferroni 法) 控制总体的 α 水平。 CFA 不仅可以对横断数据进行分析, 确定典 型或对型, 而且能够分析纵向数据, 对预测变量 与结果变量间的关系以及不同变量发展变化间 的联系进行分析。此外, 同 LCA、LCGA、GMM 等方法一样, CFA 中也可以包括分类或连续的 协变量 , 从而允许考察协变量与典型或对型的 联系。 3 个体定向研究需要注意的问题 在发展心理学中, 随着发展的整体互动观、 发展系统理论、或然渐成观等理论的出现, 以及 实证研究揭示心理与行为发展存在异质性, 越来 越多的研究者开始关注发展的个体差异。相应地, 个体定向的研究方法日益受到研究者的重视, 其 应用也更加普遍(Sterba & Bauer, 2010; Bergman & Andersson, 2010)。然而, 在采用个体定向的方 法进行研究时面临几个重要的问题。 3.1 类别或亚组的效度 在具体应用中 , 个体定向方法面临的最重 要、而且实际的一个问题是所发现的类别或亚组 的效度问题, 即个体定向方法所确定的类别或亚 组在理论上或实际上是否有意义。 Lubke 和 Muthén (2005)指出, 在个体定向的研究中, 确定 类别或亚组的效度问题同探索性因子分析中确定 因子的效度问题是一样的, “除统计标准外, 还需 要考虑因子的可解释性或实际意义” (p. 38)。在个 体定向的研究中 , 重要的是结果“不仅要具有统 计效度, 而且所发现的类别还必须是有用的或有 意义的” (Mun et al., 2008, p. 307)。 类别或亚组的效度, 可以通过如下方式来确 定或保证。首先, 个体定向的研究必须基于坚实 的理论(Sterba & Bauer, 2010; Kreuter & Muthén, 2008; Lubke & Muthén, 2005)。如对于儿童青少年 的反社会行为, 已有理论表明其发展存在较大的 个体差异和异质性(Moffitt, 2006; Odgers et al., 2008), 因而采用个体定向的方法揭示其亚组发展 轨迹在理论上就是成立的。其次, 采用统计的方 法考察在理论上与类别或亚组有关的协变量能否 对类别/组成员身份进行预测(Kreuter & Muthén, 2008), 如性别、父母品行问题对儿童青少年反社 会行为发展轨迹进行预测。各种基于模型的聚类 方法以及 CFA 均允许包括各种协变量(不随时间 变化的协变量、随时间变化的协变量等), 通过逻 辑回归分析考察协变量对潜类别或亚组的预测作 用。再次, 考察类别或亚组在结果变量上的预测 效度(predictive validity), 如揭示不同反社会行为 发展轨迹组的青少年期或成年期发展结果的差异 (Odgers et al., 2008)。第四, 比较各种模型的结果 与模型拟合指标。对于各种基于模型的聚类方法, 目前最为研究者所接受的模型拟合指标包括 BIC 、 AIC 以 及 Lo-Mendel-Rubin 似 然 比 率 (Lo-Mendel-Rubin likelihood ratio, LMR-LRT) (Kreuter & Muthén, 2008; Nylund, Asparouhov, & Muthén, 2007)。BIC 和 AIC 最小的模型一般为最 佳模型。LMR-LRT 是关于模型拟合度的进一步检 验, 如果其 p 值显著, 则意味着支持 k 类(组)模型 而拒绝 k-1 类(组)模型。此外, 还需要比较对数据 的实际拟合程度, 如观测的反应模式频次的标准 化余数、各类或亚组的熵值(entropy)等(Kreuter & Muthén, 2008)。第五, 类别或亚组的稳定性, 如在 模型中增加组或类数, 先前的步骤上发现的组或 类别是否稳定存在。对此, Lubke 和 Muthén (2005) 建议使用转变矩阵(transition matrics)进行考察。 即在一个 k 类模型中每一类别的个体有多少会在 一个 k+1 类的模型中被分配到新的类别中。如果 在增加类或组时, 先前步骤上所发现的类别或组 中的个体没有或很少被分到新的类别或组中, 就 表明这一类别或组是稳定的。对于类或亚组稳定 性的考察, 也可以采取将整个样本随机划分为两 个亚样本进行分析。如果在两个亚样本上获得与 整个样本相似的分类结果, 也表明这一分类或组 是稳定、有效的(Aldenderfer & Blashfield, 1984)。 此外, 样本的大小与性质是否允许或能够保证发 现多个类别, 也是需要考虑的一个问题。如果样 本量较小, 则可能这一样本不足以保证发现其所 来自的群体可能存在的多个异质性的类别或亚 组。在考察发生率较低的心理特征或行为时, 样 本的大小尤其是需要注意的问题。比如, 对于儿 童青少年的反社会行为, 如果样本量较小, 则可 能只能发现一条低反社会行为发展轨迹, 而不能 鉴别出持续高反社会行为或者青春期反社会行为 第 11 期 纪林芹等: 发展心理学研究中个体定向的理论与方法 1569 增多的轨迹。 最后, 需要说明的是, 上述确定类别或亚组 效度的方法和步骤必须综合考虑, 不能仅仅因为 满足如上所述的一个要求或条件, 就认为类别或 亚组的存在是合理的。 3.2 个体定向的理论原则在个体定向数据分析 方法中的检验问题 个体定向的方法包括两个方面：理论原则与 具体数据分析方法, 而且, 个体定向的方法首先 是一种理论或研究思路。如前所述, 个体定向的 方法至少存在 6 个基本理论原则, 即个体独特性、 复杂互动、个体内变化的个体间差异、模式概括 性、整体主义以及模式有限性。那么, 在现有的 各种个体定向的方法中, 是否个体定向的所有理 论原则都能得到体现或被检验？ 总体而言, 各种个体定向的数据分析方法均 能够在一定程度上检验个体定向方法的 6 个基本 理论原则。比如, 所有个体定向的方法都关注到 了个体独特性, 并针对这一点进行数据分析; 各 种处理纵向数据的个体定向的方法都能够考虑到 并分析个体内变化的个体间差异。然而, 现有个 体定向的数据分析方法对各种基本理论原则的检 验在很大程度上是部分的, 即存在个体定向的理 论原则与具体数据分析方法间的不匹配问题 (Sterba & Bauer, 2010; Bergman & Andersson, 2010)。以“复杂互动”原则为例, 虽然各种个体定 向的方法能够确定具有不同模式特征的个体(类 别或亚组), 但却不能阐明各种特征是如何组成类 别或亚组模式的。虽然基于模型的分类方法或配 置频次分析允许包括协变量以考察这些协变量对 类别或亚组的预测, 但这仅仅是对协变量或影响 因素对个体影响作用的非常简单的揭示, 完全不 足以阐明个体心理或行为特征与其影响因素间的 复杂、动态联系。 理论原则与具体分析方法的不匹配并非个体 定向的方法所特有, 变量定向方法也存在其理论 原则与假定, 在各种变量定向的统计方法中这些 原则和假设也未必就全部得到验证。因此, 并不 能因为现有个体定向的数据分析方法在检验其理 论原则方面的不足, 就否定这种研究思路。鉴于 各种个体定向的方法在检验理论原则上的不足主 要是由于“方法的问题” (Bergman & Andersson, 2010, p. 158), 因此, 未来需要方法学研究者发展 出更加复杂的模型, 以更好地考察个体定向方法 的各种理论原则。 3.3 个体定向方法与变量定向方法：选择与整合 个体定向的方法与变量定向的方法是两种不 同的方法学思路 , 其基本理论原则或假定不同 , 所运用的数据分析方法甚至统计软件也存在差 异。研究者在进行研究时需要选择—— 采取变量 定向的方法, 还是个体定向的方法？显然, 这一 选择首先要根据研究的目的进行。如果研究旨在 得出关于群体的一般性结论, 则选择变量定向的 方法; 如果研究旨在关注个体差异, 则选择个体 定向的方法。其次, 选择时还需考虑所研究的问 题或样本的性质。如果在研究所考察的心理与行 为方面，所涉及的变量的意义及其相互关系对于 所有个体(或个体类别)来说是相同的, 即存在维 度 一 致 性 (dimensional identity; von Eye & Bergman, 2003), 则可以使用变量定向的方法; 而 如果所考察的心理与行为存在异质性或样本异质, 则需要使用个体定向的方法。 虽然个体定向方法与变量定向方法往往被看 作是两种截然不同的方法思路, 但是在研究中经 常需要整合使用这两种方法, 即在采取个体定向 方法的同时整合变量定向的方法。这主要由于个 体定向方法“在产生可供检验的普遍性理论方面 能力不足” (Bergman & Andersson, 2010, p. 158)。 如前所述, 现有个体定向的数据分析方法对变量 间复杂、动态关系的检验能力不足, 因而, “在使 用各种分类方法的同时可以使用不严格限定的变 量定向方法(如 LGM, Bollen & Curran, 2006)来探 讨高阶交互效应” (Sterba & Bauer, 2010, p. 251), 或综合运用个体定向的方法和变量定向的方法 (Muthén, B. O. & Muthén, L. K., 2000; von Eye, 2010; Sterba & Bauer, 2010)。另一方面, 随着近年 来更复杂的统计模型的出现, 为在研究中综合运 用个体定向与变量定向的两种研究方法提供了越 来越多的可能性和选择。例如, 如果一项研究的 样本是异质的, 则可以首先采用个体定向方法确 定样本中所包括的异质性类别或亚组, 然后对不 同类别或亚组分别采用变量定向的方法(如 SEM) 考查每一类别或组内变量间的特定关系模式。或 者, 将类别或亚组作为调节变量包含在变量定向 的统计模型中, 以揭示变量间关系因类别或亚组 不同而存在的差异。 1570 心 理 科 学 进 展 第 19 卷 4 结语 作为一种新的方法学思路, 自上世纪 90 年代 以来 , 个体定向的方法日益引起研究者的重视 , 并越来越多地应用于研究中 (如 Moffitt, 2006; Mun et al., 2008; Odgers et al., 2008; 陈亮等, 2011; 纪林芹等, 2011)。近年来, 关于个体定向方法的理 论或综述文章频繁见于各种重要学术刊物 , 如 2010 年 第 2 期 的 Development and Psychopathology、2010 年第 3 期的 Journal of Psychology (Zeitschrift für Psychologie)等均有一 组文章专门论及个体定向的方法及其与变量定向 方法的差别, 而在各种刊物上发表的单篇个体定 向方法的文章则更多。这些都反映了这种方法对 当前心理学研究的巨大影响。 总体而言, 个体定向的方法具有变量定向方 法所不具备的许多优势, 其关于心理与行为发展 的个体差异、发展整体性等的关注和强调与新近 的发展心理学理论相契合。运用这种方法能够确 定不同发展模式或遵循不同发展轨迹的个体, 具 有重要的实践应用价值。近年来, 在方法学领域, 随着聚类方法与潜变量建模方法的结合, 出现了 多种基于有限混合模型的潜类别分析方法, 为研 究者采用个体定向的策略进行研究提供了更多新 的选择。但是, 在应用个体定向的方法时需要特 别注意所确定的类别或亚组的效度以及个体定向 理论与方法的匹配问题。此外, 对于个体定向方 法与变量定向方法, 需依据研究的目的、所考察 的心理与行为方面的特征、样本的性质等进行选 择。鉴于个体定向方法与变量定向方法各有优势 和不足 , 两者构成了互补的方法策略 , 因此 , 研 究者需要考虑综合运用个体定向与变量定向的 方法。 参考文献 陈亮 , 张文新 , 纪林芹 , 陈光辉 , 魏星 , 常淑敏 . (2011). 童年中晚期攻击的发展轨迹和性别差异: 基于母亲报告 的分析. 心理学报, 43, 629−638. 纪林芹, 陈亮, 徐夫真, 赵守盈, 张文新. (2011). 童年中 晚期同伴侵害对儿童心理社会适应影响的纵向分析. 心 理学报, 43, 1151−1162. Aldenderfer, M. S., & Blashfield, R. K. (1984). Cluster analysis. In M. S. Lewis-Beck (Series Ed.), Quantitative applications in the social sciences (Series No. 07-044). Newbury Park, CA: Sage. Bergman, L. R. (1998). A pattern-oriented approach to studying individual development: Snapshots and processes. In R. B. Cairns, L. R. Bergman, & J. Kagan (Eds.), Methods and models for studying the individual (pp. 83−122). London: Sage Publications. Bergman, L. R., & Andersson, H. (2010). The person and the variable in developmental psychology. Zeitschrift für Psychologie, 218, 155−165. Bergman, L. R., Andershed, H., & Andershed, A. K. (2009). Types and continua in developmental psychopathology: Problem behaviors in school and their relationship to later antisocial behavior. Development and Psychopathology, 21, 975−992. Bergman, L. R., & Magnusson, D. (1997). A person-oriented approach in research on developmental psychopathology. Development and Psychopathology, 9, 291−319. Bergman, L. R., Magnusson, D., & Ei-Khouri, B. M. (2003). Studying individual development in an interindividual context: A person-oriented approach. London: Lawrence Erlbaum Associates. Bollen, K. A., & Curran, P. J. (2006). Latent curve models: A structural equation approach. Hoboken, NJ: Wiley. Cicchetti, D. (2006). Development and psychopathology. In D. Cicchetti & D. J. Cohen (Eds.), Developmental psychopathology, Vol. 1: Theory and method (pp. 1−23). Hoboken, NJ: Wiley. DiStefano, C., & Kamphaus, R. W. (2006). Investigating subtypes of child development: A comparison of cluster analysis and latent class cluster analysis in typology creation. Educational and Psychological Measurement, 66, 778−794. Frick, P. J., & Viding, E. (2009). Antisocial behavior from a developmental psychopathology perspective. Development and Psychopathology, 21, 1111−1131. Kaplan, D. (2008). An overview of Markov chain methods for the study of stage-sequential developmental processes. Developmental Psychology, 44, 457−467. Kreuter, F., & Muthén, B. (2008). Analyzing criminal trajectory profiles: Bridging multilevel and group-based approaches using growth mixture modeling. Journal of Quantitative Criminology, 24, 1–31. Lerner, R. M. (Ed.). (2006). Theoretical models of human development. Volume 1 of Handbook of child psychology (6th ed.), Editors-in-chief: W. Damon & R. M. Lerner. Hoboken, NJ: Wiley. Lubke, G. H., & Muthén, B. O. (2005). Investigating population heterogeneity with factor mixture models. Psychological Methods, 10, 21−39. Magnusson, D. (1998). The logic and implications of a person-oriented approach. In R. B. Cairns, L. R. Bergman, & J. Kagan (Eds.), Methods and models for studying the individual (pp. 33−64). London: Sage Publications. McLachlan, G., & Peel, D. (2000). Finite mixture models. New York, NY: Wiley. Moffitt, T. E. (2006). Life-course-persistent versus adolescent-limited antisocial behavior. In D. Cicchetti & D. J. Cohen (Eds.), Handbook of developmental psychopathology (2nd ed., pp. 570−598). Hoboken, NJ: Wiley. Molenaar, P. C. M., & Campbell, C. G. (2009). The new person-specific paradigm in psychology. Current Directions in Psychological Science, 18, 112−117. 第 11 期 纪林芹等: 发展心理学研究中个体定向的理论与方法 1571 Mun, E. Y., von Eye, A., Bates, M. E., & Vaschillo, E. G. (2008). Finding groups using model-based cluster analysis: