4、统计学研究中的数据收集与测量

统计学研究中的数据收集与测量

1. 研究目标与数据收集的重要性

在研究过程中，我们会整合一系列的研究发现，最终目标是对世界的某种状态做出一般性的陈述。例如，我们可以得出“有个性障碍的《老大哥》参赛者会高估他人对其个性特征的喜爱程度”这样的结论。

数据收集对于检验理论至关重要。在收集数据时，我们需要决定两件事：一是测量什么，二是如何测量。下面我们先来探讨测量什么的问题。

2. 变量的相关概念

2.1 自变量和因变量

为了检验假设，我们需要测量变量。变量是可以变化的事物，它们可能在不同人之间（如智商、行为）、不同地点（如失业率）甚至不同时间（如情绪、利润、癌细胞数量）有所不同。大多数假设可以用两个变量来表达：一个是假定的原因，另一个是假定的结果。

例如，“可口可乐是一种有效的杀精剂”这一科学陈述中，假定的原因是可口可乐，假定的结果是精子死亡。原因和结果都是变量，对于原因，我们可以改变饮料的类型；对于结果，不同饮料会杀死不同数量的精子。检验这类陈述的关键在于测量这两个变量。

我们认为是原因的变量称为自变量（因为其值不依赖于其他变量），认为是结果的变量称为因变量，因为该变量的值依赖于原因（自变量）。这些术语与实验方法密切相关，在实验中，原因实际上是由实验者操纵的。但在横断面研究中，我们不操纵任何变量，也不能对变量之间的关系做出因果陈述，所以谈论因变量和自变量就没有意义了，因为从某种意义上说，所有变量都是因变量。一种解决办法是放弃因变量和自变量的术语，使用预测变量和结果变量。在实验工作中，原因（自变量）是预测变量，结果（因变量）就是结果变量。这种术语也适用于横断面研究，在横断面研究中，至少从统计学角度，