心理学日课

1. 感觉 vs 知觉：两步走，但几乎同时发生

前两天讲了神经元和脑区，今天看它们最基本的工作：把外部世界“搬进”脑中。教材通常分两步：

• 自下而上加工：从感觉输入出发，一步步拼出整体（例如先检测线条和边缘，再组合成形状）。
• 自上而下加工：用已有知识、预期和情境去引导解释（例如在潦草的字迹中，你凭上下文认出某个字）。

2. 心理物理学：多强的刺激才能被察觉

19 世纪，Ernst Weber 和 Gustav Fechner 开创了心理物理学，研究物理刺激强度与主观感受之间的关系。这是心理学最早的定量研究传统之一。

• 绝对阈限：在一半（50%）的试次中能被察觉的最小刺激强度。注意它是统计定义，不是一条“过线就看见、不过线就看不见”的硬边界。
• 差别阈限 / 最小可觉差（JND）：两个刺激需要相差多少，才能在一半的试次中被察觉出不同。
• 韦伯定律：差别阈限与原刺激强度成固定比例（ΔI / I = k）。原来越重、越亮、越贵，要被察觉的变化就要越大。比例 k 因感觉通道不同而不同。
• 阈下刺激：低于绝对阈限、意识报告不到的刺激。它能否影响行为、影响有多大，是下面经典研究要讨论的问题。

韦伯定律在中等强度范围内描述得比较好，在极弱或极强的刺激下会偏离，教材里把它当作有用的近似规律。

3. 信号检测论：察觉不仅取决于感官，还取决于“判断标准”

阈限的概念有个问题：同一个人在不同情境下“察觉”的结果会变。比如夜里独自在家，你更容易“听到”门外有动静。信号检测论（Signal Detection Theory, SDT）把察觉拆成两部分：

• 敏感性（d′）：感官与经验让你区分“信号”和“噪音”的能力有多强。
• 判断标准（criterion，常用 β 或 c 表示）：你倾向于多快说“有”。标准放宽，抓到的真信号多，但虚报也多；标准收紧，虚报少，但漏报多。

标准会受动机、代价和预期影响：机场安检、医学筛查往往宁可多虚报也不愿漏报；而频繁虚报的报警系统又会让人渐渐不理会它。SDT 最初用于雷达与听觉研究，现在广泛用于医学诊断、记忆研究和目击证词分析。

4. 感觉适应与两条经典的视觉通路理论

视觉通路几个考试常见点：

• 视杆细胞：对弱光敏感，负责暗光视觉，不分辨颜色，多分布在视网膜周边。
• 视锥细胞：负责颜色与细节，集中在中央凹，需要较强光线。
• 盲点：视神经离开眼球的位置没有感受器，但大脑会“填补”，日常察觉不到。
• 三色理论（Young–Helmholtz）：视网膜上有分别对短、中、长波长最敏感的三类视锥细胞，组合产生颜色感受。
• 拮抗过程理论（Hering）：颜色以红—绿、蓝—黄、黑—白成对拮抗的方式加工，能解释负后像（盯着红色图案后看白墙，会看到绿色）。
• 现代观点：两种理论都对，分别描述不同加工阶段——视网膜感受器层面符合三色理论，之后的神经通路符合拮抗加工。

听觉也有类似的两种理论：位置理论（不同频率使耳蜗基底膜不同位置振动最强，更适合解释高音）与频率理论（神经发放频率跟随声波频率，更适合解释低音），同样是互补关系。

5. 知觉组织：格式塔原则与深度线索

20 世纪初，Max Wertheimer、Wolfgang Köhler、Kurt Koffka 等格式塔心理学家强调“整体不同于部分之和”：大脑会主动把零散的元素组织成有意义的整体。常考原则：

• 图形—背景：把视野分成突出的“图形”和后面的“背景”（经典例子是鲁宾杯：看成花瓶还是两张侧脸）。
• 接近性：距离近的元素被看成一组。
• 相似性：颜色、形状相似的元素被看成一组。
• 连续性：倾向于看到平滑连续的线条，而不是突兀的折断。
• 闭合：会把有缺口的图形“补全”成完整形状。
• 共同命运：朝同一方向运动的元素被看成一组。

Eleanor Gibson 和 Richard Walk 的“视觉悬崖”研究（见经典研究）就是在检验婴儿和动物是否会利用深度线索。

6. 知觉恒常与错觉：同一套机制的两面

2015 年网络上的“蓝黑还是白金裙子”也是一例：不同的人对照片中光照条件做了不同的无意识假设，于是“扣除”光照后得到不同颜色。

7. 知觉定势与跨通道影响：预期改写体验

知觉还会跨感觉通道相互影响：颜色会影响对味道和气味的判断，声音会影响对口感的描述。牛津大学的 Charles Spence 长期研究食物与包装中的跨通道效应。

对 Spin 的三个目标来说，这一节最实用：人看到的东西 = 输入 × 预期 × 情境。改变预期和情境，往往比改变信息本身更能改变他人的感受；同时也要知道自己的感受同样被预期塑造。

1. 从昨天的“砖”到今天的“楼”

昨天讲了单个神经元如何发放、突触如何传递。今天往上一层：几百亿个神经元如何组成系统与脑区，以及科学家用哪些方法推断“哪个区域参与了什么”。

贯穿今天的提醒有两条：一是定位论要有边界——功能有偏重的区域，但复杂心理活动依赖分布式网络；二是方法决定能下什么结论——这正好接上模块 0 讲的实验与相关的区别。

2. 神经系统的总体划分

考试最常考的是这张层级图，先把骨架记牢：

• 中枢神经系统（CNS）：脑 + 脊髓。脊髓既传递上下行信号，也能完成简单反射（如膝跳反射），不必经过大脑。
• 周围神经系统（PNS）：连接中枢与身体其余部分，分为两支。
• 躯体神经系统：传入感觉信息、支配骨骼肌的随意运动。
• 自主神经系统：调节心跳、呼吸、消化、腺体等不随意活动，又分为交感（动员能量，“战斗或逃跑”：心跳加快、瞳孔放大、消化抑制）与副交感（保存能量，“休息与消化”：心跳减慢、消化恢复）。

与神经系统并行的还有内分泌系统：腺体分泌激素，经血液作用，比神经信号慢但更持久。下丘脑—垂体—肾上腺轴（HPA 轴）是应激反应的核心通路，皮质醇是其代表激素——到“情绪与压力”模块会再展开。

3. 由下往上：后脑、中脑、前脑

教材常按进化与发育的层次，从下往上介绍。越往下越偏“维持生命”，越往上越偏“灵活与高级加工”——但这只是粗略倾向，各层级之间一直在双向交流。

• 延髓：呼吸、心跳、血压等基本生命功能；严重受损可危及生命。
• 脑桥：连接上下脑区的“桥”，参与睡眠与觉醒调节。
• 小脑：协调运动、平衡与时机，也参与某些运动技能学习（如骑车、打字的熟练化）；近年研究发现它也参与部分认知功能。
• 网状结构（贯穿脑干）：调节觉醒与注意的整体水平。
• 丘脑：大多数感觉信息（嗅觉除外）进入皮层前的中继与筛选站。
• 下丘脑：体积小但作用大，调节饥饿、口渴、体温、性行为与昼夜节律，并通过控制垂体连接神经与内分泌系统。
• 杏仁核：参与情绪信息尤其是威胁相关信息的加工、恐惧学习。
• 海马：对形成新的陈述性记忆（事实与事件）和空间导航很关键——记忆模块会详细讲。

4. 大脑皮层：四个脑叶与左右半球

Wilder Penfield 等在癫痫手术中用电刺激清醒患者的皮层，绘制出运动与躯体感觉皮层的“小人图”（homunculus）：手、嘴唇、舌头所占面积远大于躯干，反映的是精细程度与感受器密度，不是身体大小。

5. 半球偏侧化：真实存在，但不是“左脑人/右脑人”

对多数右利手者而言，语言加工明显偏向左半球；右半球在某些空间与面孔加工、情绪韵律识别上相对更强。这叫偏侧化（lateralization），有扎实证据，尤其来自裂脑研究（见经典研究）。

但流行说法“理性的人用左脑、有创意的人用右脑”没有证据支持。正常人两个半球通过胼胝体持续协作，创造力、逻辑推理都依赖双侧网络。同样，“人只用了大脑的 10%”也是迷思：脑成像显示几乎所有脑区都有活动，只是不同任务下活动模式不同。

6. 我们怎么研究脑：每种方法能回答不同的问题

这一节直接接模块 0：观察到“某区域活跃”只是相关；干预某区域后行为改变才更接近因果。

读到“某某脑区亮了”的新闻时，先问三件事：① 这是相关还是干预？② 样本多大、是否做了多重比较校正？③ 一个区域通常参与很多过程，能否从“亮了”反推出具体心理状态？（后者叫反向推断，Russell Poldrack 等专门讨论过它的局限。）

7. 可塑性：结构会被经验改写

大脑不是出厂即定型的硬件。神经可塑性指神经连接与结构随经验、学习和损伤而改变：儿童期最强，成年后仍存在。中风后的康复训练、学习新技能后的结构变化，都是可塑性的体现。

Eleanor Maguire 等发现伦敦出租车司机海马后部体积与驾龄相关，后续纵向研究在学习路线前后比较，结果支持“训练带来变化”的方向。但请注意，可塑性有限度、有关键期，商业上“30 天重塑大脑”的宣传通常远超证据。

1. 模块切换：从“怎么证明”，到“脑与认知用什么砖块搭起来”

前五天（模块 0）练的是科学思维：证据、实验、相关、测量、可重复性。从今天起进入模块 1 · 大脑与认知——感知觉、注意、记忆、决策等，都需要一块共同地基：神经系统如何编码与传递信息。

今天不讲“读心术”，也不把复杂心理还原成一句“缺血清素”。目标是建立可考、可迁移的生物心理骨架：神经元结构 → 动作电位 → 突触与递质 → 激动剂/拮抗剂如何改信号——为后面理解成瘾、情绪调节、注意力与药物作用留接口。

2. 神经元：信息处理的基本单元

教学上常把单个神经元拆成四个功能部位（真实形态多样，但逻辑清晰）：

• 树突（dendrites）：主要接收来自其他神经元的输入；分支越多，可整合的突触输入越多。
• 胞体（soma / cell body）：含细胞核与代谢中心；把树突与胞体上的兴奋性/抑制性输入整合，决定是否在轴丘触发动作电位。
• 轴突（axon）：把输出信号传送到远处；许多轴突有髓鞘（myelin），由胶质细胞形成，使传导更快、更节能（跳跃传导）。
• 突触（synapse）：通常指轴突末梢与下游细胞之间的连接区——多数是化学突触（释放递质），少数是电突触（缝隙连接直接传电）。

胶质细胞（如星形胶质、少突胶质/施万细胞）不是“填料”：它们支持代谢、形成髓鞘、参与微环境调节。本课聚焦神经元信号链，胶质留待后文扩展。

3. 动作电位：全或无的电脉冲

静息时，细胞膜内外有离子浓度差，膜内相对更负（静息电位）。当兴奋性输入把膜电位去极化到阈值附近，电压门控钠通道等快速开放，产生迅速的去极化—复极化波形，这就是动作电位（action potential）。

Hodgkin 与 Huxley 在枪乌贼巨大轴突上用电压钳等技术，定量描述了钠、钾电导如何产生动作电位——成为生物物理经典（1963 年诺贝尔生理学或医学奖相关工作）。

• 全或无（all-or-none）：一旦越过阈值，动作电位幅度大致刻板；“更强的刺激”通常表现为发放频率升高或更多神经元被招募，而不是单个锋电位无限变高。
• 不应期：刚发放后短期内难再触发，限制最高发放率，并帮助信号单向推进。
• 传导：无髓鞘轴突连续传播；有髓鞘时在郎飞结之间跳跃，速度显著提高。
• 与graded电位的区别：树突/胞体上的局部电位可强可弱、可叠加；动作电位则是阈值触发后的标准化脉冲。

4. 突触传递：从电到化学再回到电

动作电位抵达突触前末梢 → 钙内流 → 囊泡释放神经递质 → 递质扩散穿过突触间隙 → 结合突触后受体 → 打开离子通道或启动第二信使 → 使下游更易发放（兴奋）或更难发放（抑制）。

Otto Loewi（1921 年前后）用双蛙心灌流实验证明迷走神经通过化学物质（后来确认与乙酰胆碱相关）减慢心跳，奠定“化学突触传递”观念。多数中枢突触也遵循化学传递逻辑。

• 兴奋性突触后电位（EPSP）：使膜电位靠近阈值（如许多谷氨酸突触）。
• 抑制性突触后电位（IPSP）：使膜电位远离阈值或短接兴奋电流（如许多 GABA 突触）。
• 清除：递质经再摄取转运体、酶降解或扩散离开，以结束信号；许多药物正是作用于这些步骤。
• 可塑性：突触效能可因活动历史而增强或减弱（如 LTP/LTD）——学习与记忆的重要候选机制（后文详谈）。

5. 主要神经递质：功能倾向，不是人格配方

递质种类很多，教材常先掌握以下几类。务必记住：同一种递质在不同通路、脑区、受体亚型上作用不同；心理特质是多基因、多系统、多经验的产物，把“多巴胺=快乐人格”当真理，是科普污染。

读到“某饮料/某习惯提升多巴胺”的营销文：问它说的是哪条通路、测的是什么、有无混淆运动/预期/快感。奖励学习里，多巴胺信号常与奖励预测误差（实际结果相对预期的偏差）更相关，而不只是“愉悦本身”（见经典研究）。

6. 激动剂、拮抗剂与药物如何改突触信号

许多精神药物、娱乐性物质与毒物，本质上是在改写突触通信：增加或减少递质释放、阻断再摄取、模拟或阻断受体、抑制降解酶等。

• 激动剂（agonist）：激活受体或增强该递质系统的效应（例如某些药物直接刺激受体，或间接提高突触间隙递质浓度）。
• 拮抗剂（antagonist）：阻断受体或削弱该系统效应（例如受体阻断剂）。
• 再摄取抑制剂：阻止递质被运回突触前，使信号在间隙停留更久（许多抗抑郁药的教学级描述属于此类思路）。
• 耐受与适应：长期用药后，受体数量/敏感性与回路会代偿性改变——这是停药反弹、剂量调整与成瘾神经适应的生物学背景（后文心理健康模块再展开）。

对人际与工作的启示：别人的情绪波动、专注力变化或药物副作用，往往有真实的神经化学与回路基础；同时，生物学解释不等于放弃责任或污名化——解释机制是为了更准确地共情与求助，不是贴永久标签。

7. 今天怎么接到“懂人”与“考试”

考试：能默写神经元四部位、全或无、化学突触步骤、六类递质倾向、激动剂/拮抗剂定义，并点出 Cajal、Hodgkin & Huxley、Loewi、Schultz 等名字与贡献层级。

懂人：把“他就是懒/坏/玻璃心”的单一道德叙事，偶尔替换成“动机回路、应激与睡眠、药物与疾病也可能在改信号增益”——然后再回到可观察行为与证据（模块 0 的习惯不丢）。

应用：产品上的奖励反馈、品牌的预期管理、管理中的激励设计，都可以用“预测误差与动机”作隐喻——但隐喻不是脑扫描；做决策仍要行为数据与可重复检验。

1. 看到递质营销文 → 降级为待检验假设，检查是否偷换成人格本质论。
2. 看到药物/咖啡因/酒精影响表现 → 用突触步骤图定位“可能动了哪一环”，避免神秘化。
3. 准备下一课（感知觉/注意等）→ 记住：心理能力是大规模网络 emergent 属性，今天只是砖与水泥。

1. 从“尺子准不准”，到“整条证据链能不能再走一遍”

前四天分别练了：用证据看人、用实验谈因果、用相关/调查/观察做描述与预测、用操作化与信效度审测量。今天进入模块 0 的收束点之一：可重复性（replication / reproducibility）——别人按同样逻辑与合理程序再做，还能不能得到实质相近的结论。

若单篇漂亮论文无法重复，人际判断、品牌洞察与产品实验都会被“昙花一现的显著”带偏。可重复性危机不是否定心理学，而是要求我们升级读证据的标准。

2. 为什么“发表出来的真发现”也会碎：诱因与自由度

科学期刊长期更爱“新奇、显著、干净”的故事。研究者若在截止日期与职业压力下工作，就容易滑向一套并不欺诈、却极危险的习惯——统称可疑研究实践（questionable research practices），其核心是研究者自由度（researcher degrees of freedom）：同一份数据，分析岔路多到足以“挖出”假阳性。

• p-hacking：不停试不同排除规则、协变量、变换、离群点处理或停止数据采集的时机，直到 p < .05 再停手并只报告“成功”的那条路。
• HARKing（Hypothesizing After Results are Known）：先看结果，再把事后编的故事写成“我们事先就预测了……”——把探索伪装成验证，读者会高估证据强度。
• 发表偏倚（publication bias）：显著、好看的结果更容易被投稿与录用；零结果与“无聊的稳健失败”沉入文件抽屉（file drawer）。文献里因此充斥胜利叙事。
• 小样本 + 追逐显著：样本小时效应估计极不稳定；再叠加选择性报告，容易得到夸张、难重复的效应。

这些做法往往不需要伪造数据：它们是在诚实的岔路口上，被激励结构推着选了“好看的那条”。对抗方式不是道德说教，而是改变规则：事先锁计划、事后开放过程。

3. 可重复性危机：不是“心理学完蛋了”，而是标准升级

2010 年代前后，心理学（及其他领域）密集出现：经典效应在新样本中变弱或消失；大型合作重复项目系统检验“教科书级”发现；方法学论文演示“几乎任何数据都能变得显著”。媒体常说“危机”，更准确的说法是：原有发表与激励系统低估了假阳性与效应膨胀。

重复失败有多种原因，不要一刀切：原效应本就不稳或过强；新研究把握度不足；情境、测量操作或样本不同导致真实异质性；或原分析含未公开的灵活选择。读重复研究时，问“失败的是效应本身，还是某一种操作？”

• 直接重复（direct replication）：尽量沿用原程序，检验效应是否再现。
• 概念重复（conceptual replication）：换操作/情境测同一理论主张——通过了有助于概括，失败了要分清是理论问题还是操作问题。
• 可重复 vs 可复现（用语常混）：教学上可记——用同一数据与代码能否再算出同样数字（computational reproducibility），与新数据能否得到相近结论（replication）是两层。

4. 开放科学工具箱：预注册、开放材料、注册报告

• 预注册（preregistration）：在看结果（最好在收数据）之前，把假设、样本量计划、排除规则、主分析写进带时间戳的公开或私密寄存（如 OSF）。探索性分析仍可做，但须标明是探索，不能事后改写成验证。
• 开放数据与材料（open data / open materials）：在伦理与隐私允许下分享可分析数据、问卷、刺激与代码，让他人复现计算、做稳健性检查与二次分析。
• 注册报告（Registered Reports）：期刊先审理论与方法，接受后无论结果是否显著都原则上给予发表通道——把发表决定从“好不好看”挪到“问得好不好、设计得硬不硬”，从根上削弱对显著结果的偏爱。
• 透明报告：报告效应量、区间估计、把握度、偏离预注册的地方；区分验证与探索。

预注册不是魔力护身符：写得很松的预注册仍可留下大量自由度；但有预注册的验证声明，通常比“事后完美故事”更值得优先信任。

5. 读结果时：效应量与“显著”要一起看

Day 2–4 已分别谈过实验、相关与测量；这里只补可重复性语境下的读法：统计显著只说明“在当前模型与样本下，效应不太像纯噪声”，不说明效应大、重要或稳定。

小样本里一个“刚好显著”的大效应，常常是噪声彩票；大样本里一个显著但极小的效应，可能真实却无实践意义。读重复与元分析时，优先看效应量及其不确定性是否收缩、方向是否一致，而不是数有多少颗星。

6. 日常决策清单：把开放科学变成阅读习惯

你不必成为方法学家，也能用六问过滤信息：

1. 这是验证性结论，还是探索性发现被写成了定论？
2. 有没有预注册或注册报告？主分析是否按计划？
3. 样本与把握度是否配得上声称的强度？有无独立重复？
4. 是否报告效应量/区间，而不只是 p 值？
5. 数据、材料、代码是否可查（在伦理允许范围内）？
6. 若用于人事、投放或产品决策：赌错的代价是什么？要不要等重复或先做小规模本地检验？

1. 从昨天的“怎么读证据”，到今天的“证据本身靠不靠谱”

前三天分别练了：用证据看人、用实验谈因果、用相关/调查/观察做描述与预测。无论哪条路，报告里的数字都来自测量——问卷题、行为编码、反应时、完成率、NPS……

若尺子本身忽长忽短，或量的根本不是你以为的东西，再漂亮的 r、再精致的实验也会骗人。今天补上方法学底座：操作定义、信度、效度，以及“测得稳 ≠ 测得对”。

2. 操作化：把“聪明、忠诚、敬业”变成可观察的规则

例如：“饥饿”可以操作化为禁食小时数或血糖水平；“攻击”可以操作化为对假想对象施加的噪音分贝；“用户参与”可以操作化为周活跃天数或核心功能完成次数——每一种选择都在说：我们把这个概念暂时等同于这些观测。

• 同一构念，多种操作：抑郁可用症状量表、临床访谈、行为活动量等不同操作；结论应写清“在本操作下成立”，避免偷换成“抑郁的全部真相”。
• 操作定义 ≠ 构念的全部：把智力等同于某次测验分数，是研究便利，不是哲学定论；好研究承认操作的片面性，并用多种方法收敛（见后文 MTMM）。
• 坏操作的常见病：指标与构念错位（用加班时长代表“忠诚”）、双重问题、不可观察的内省黑话、或把公司口号直接当测量。

昨天读相关时已问“变量如何测”；今天把那一问升级为固定习惯：看到任何主张，先索要操作定义。

3. 信度：反复量，结果稳不稳

信度高，表示尺子本身比较稳；信度低，表示分数里噪音太大——相关会被压低或扭曲，实验的因变量也会“抖”，再聪明的设计也难看出效应。

• 重测信度（test–retest）：同一工具隔一段时间再测，两次分数是否一致？适合相对稳定的特质；若构念本身会变（情绪、状态），间隔与解释都要谨慎。
• 内部一致性（internal consistency）：同一量表内各题是否大致测同一方向？Cronbach（1951）提出的 系数 α（Cronbach’s alpha） 是最常见的摘要之一：题项越多、题间相关越高，α 往往越高——但也因此不能靠“堆题”伪装质量，更不能把 α 当成效度证明。
• 评分者信度（inter-rater）：两名以上编码者对同一行为的评分是否一致？观察法、面试打分、内容分析都依赖它；需要清晰操作定义、培训与一致性检查。
• 平行测验 / 复本信度：两套等价题目结果是否一致（概念上了解即可）。

读报告时：若关键量表不报告任何信度证据，或题项极少却宣称精密测量，要降级信任。不必背具体“合格线”数字——领域与用途不同，阈值争议也多；先抓住“有没有一致性证据、误差是否被讨论”。

4. 效度：你量到的，是不是你以为的那个东西

• 表面效度（face validity）：外行或被试一眼看去“好像在测这个”。它有助于接受度，但最弱：好看不等于测得对；有时为降社会赞许，题目故意不那么“表面像”。
• 内容效度（content validity）：题目/指标是否覆盖构念的关键内容域（常需专家判断与蓝图）。考“统计能力”却全是名词默写，内容效度就差。
• 效标效度（criterion validity）：分数能否预测或同时关联一个外在标准？同时效度（concurrent）看当下关联；预测效度（predictive）看未来表现（如测验能否预测日后工作绩效）。效标本身也必须合理，否则是“用一把糊涂尺子校准另一把”。
• 构念效度（construct validity）：整体上，分数是否按理论行事——与相关构念该高相关的高相关（聚合），与不该相关的低相关（区分），实验操纵能否按预期改变分数等。

Day 2 的内部/外部效度谈的是研究设计（因果与推广）；今天的测量效度谈的是指标本身。两者都会出现“效度”一词，别混：一个问“结论能否归因/推广”，一个问“分数是否代表构念”。

5. 关键句：信度高 ≠ 效度高

可以有一把非常稳定却量错部位的尺子：每天用同一错误方式称“智商”，分数会很一致，却仍无效。也可以有表面好看、内部一致，却与任何外在效标无关的量表。

逻辑关系近似：信度是效度的必要非充分条件——若误差淹没一切，很难谈有效解释；但高信度只说明“稳”，不保证“对”。实践上：先保证基本可用的一致性，再积累效度证据；不要只报一个漂亮的 α 就宣布“科学量表”。

6. 多特质多方法：用“汇合与区分”检验构念效度

Campbell 与 Fiske（1959）提出多特质–多方法矩阵（multitrait–multimethod matrix, MTMM）：用至少两种方法测至少两种特质，看相关模式是否符合理论。

核心直觉：同一特质用不同方法测量，相关应较高（聚合效度，convergent）；不同特质即便用同一方法，相关也不应高到可疑（区分效度，discriminant）——否则你可能只是在测“用问卷答题的共同方法偏差”，而不是特质本身。

• 共同方法偏差：全靠同一种自陈问卷测所有变量，相关可能被“答题风格”抬高——昨天的社会赞许性是其亲戚。
• 实践含义：重要构念尽量多方法（自陈 + 行为 + 他评 + 客观记录）；重要结论看是否经得起方法替换。

你不必亲手做完整 MTMM 表，但要会问：这个“用户忠诚”是只有问卷，还是也有复购与流失行为？这个“共情”是自吹，还是也有他评与情境行为？

7. 测量误差如何搞砸人际判断与产品指标

误差不只是统计附录，它会进入决策：

• 人际：用一次情绪化对话“测量”对方人品，重测信度极低；用单一渠道（只看朋友圈）操作“忠诚”，效度可疑。稳定判断需要多次、多样本的行为，而不是一次印象的高自信。
• 管理与评价：面试官间不一致（评分者信度低）会让录用变成噪声；若绩效标准与战略无关（效标/构念错位），系统会稳定地奖励错误行为。
• 产品与营销：把五星好评操作成“产品质量”，可能混进价格敏感与礼品诱导；仪表盘指标若与真实用户价值只有弱效标关联，优化指标等于优化错东西（Goodhart 式风险：指标一变目标，指标就失效）。
• 与昨天的衔接：不可靠的测量会压低或扭曲相关；无效的测量会让你预测一个幻影。先修尺子，再谈模式与因果。

8. 读任何“测评/指标”的检查清单

把下面六问当成肌肉记忆：

1. 构念是什么？操作定义写清了吗？
2. 有没有信度证据（重测、内部一致、评分者）？误差被讨论了吗？
3. 效度证据是什么——内容覆盖、效标关联、构念的聚合/区分？
4. 是否只有表面效度或“专家拍胸脯”？
5. 是否全靠单一方法（尤其单一自陈）？共同方法偏差有多大？
6. 若用于人事/产品决策：误测的代价是什么？指标会不会被博弈？

1. 昨天实验能回答因果；今天回到“不能操纵时怎么办”

昨天的主线是：要推断“是 A 导致了 B”，关键是操纵自变量、随机分配，以及控制混淆与期望。可现实里大量问题不能或不该做实验——童年创伤、人格特质、收入、依恋风格、文化规范，你无法也不应随机分配。

今天专门读非实验证据：描述性研究、相关研究、问卷调查与行为观察。它们不是“低配实验”，而是另一套工具。读得好，能做预测、找模式、提出可检验的假设；读得差，就会把相关当成因果、把方便样本当成全国、把“大家都这么答”当成真相。

2. 描述 vs 相关：先分清你在回答哪类问题

两者常叠在一起：一次大型调查既可描述“加班有多普遍”，也可报告“加班时长与倦怠得分的相关”。读报告时先看作者声称的是描述、相关，还是偷偷滑向了因果。

3. 问卷调查：问什么、问谁、怎么答都会歪

问卷与量表是心理学和社会科学最常用的工具之一：便宜、可规模化、适合测态度、信念与自我报告的经历。但“发了问卷”不等于“得到了真相”。至少盯住三件事：抽样、题目与计分、回答偏差。

• 抽样（sampling）：你测到的是谁？方便样本（班级、粉丝群、扫码有礼）只能代表愿意填的人。随机抽样才更服务代表性（昨天提过：它服务外部效度，不等于随机分配）。非概率样本仍可用于探索与预测模型，但推广话术要降级。
• 响应率与无应答偏差：没填的人可能系统不同（更忙、更回避、更不满）。高响应率不能自动证明无偏，但极低响应率时要怀疑“谁愿意说话”。
• 题目措辞与量表质量：引导性措辞、双重问题（一句里问两件事）、选项不对称，都会推高某种答案。正式量表通常报告信度（如内部一致性）与效度证据；自编三道题就宣称测到了“抑郁”或“忠诚度”，要警惕。
• 社会赞许性（social desirability）：人们倾向于以显得好、合规范的方式作答——少报偏见与不良行为，多报捐赠、运动、公正。Crowne 与 Marlowe 发展的社会赞许性量表，正是用来估计这种倾向有多强（见研究卡片）。
• 其他常见回答偏差：默许偏差（爱选“同意”）、极端作答或一律中间、回忆偏差、当下情绪污染回顾。

实用读法：看到“调查显示 X% 的人认为……”时，先问——样本是谁？怎么抽的？题目怎么问的？有没有可能大家在“表演正确答案”？

4. 观察法：看行为，不只听说法

人们说的和做的常不一致。因此研究者也会观察行为：

• 自然观察（naturalistic observation）：在尽量不打扰的日常情境中记录（如操场互动、商店排队）。生态真实性高，但情境杂、难控制，且难以推断因果。
• 结构化观察（structured observation）：在标准情境或实验室中设置可比任务（如陌生情境程序观察依恋行为），便于编码与比较，但人工痕迹更重。
• 参与观察：观察者进入群体内部；能获得深度，也更容易带入主观卷入与伦理风险。

观察法的两大经典威胁：观察者偏差（编码者按预期去“看见”行为；可用详细编码手册、多名编码者与一致性检验缓解）；以及反应性（知道被观察而改变行为，即霍桑式被关注）。录像事后编码、隐蔽或习惯化观察、明确的行为操作定义，都是常见防护。

5. 相关系数 r：方向、强度，以及它不是什么

皮尔逊积差相关（Pearson’s r，由 Karl Pearson 在 19–20 世纪之交系统发展；更早 Galton 等人已有相关思想）是最常见的线性相关指标，取值大约在 −1 到 +1：

• 符号表示方向：正值 = 同向共变；负值 = 反向共变。
• 绝对值表示强度：越接近 1，点越贴近一条直线；接近 0 则线性共变很弱。
• r 描述的是线性关系。若真实关系是 U 形等非线性，r 可能接近 0，并不代表“毫无关系”。此时需看散点图或改用其他方法。
• 当变量是等级（名次）而非等距分数时，常用 Spearman 等级相关等替代指标；逻辑类似，仍是“共变有多强”，不是因果。

教科书里常用口语标尺帮助直觉（如 |r| 约 0.1 / 0.3 / 0.5 对应小/中/大），但这只是粗参照，且因领域而异；效应是否“重要”还取决于后果、基线与决策成本。不要背一个绝对分界当成真理。

更关键的禁令：r ≠ 因果。再大的相关，单独都不能证明“A 导致 B”。

6. 为什么相关推不出因果：方向性与第三变量

Day 1 已点过两道坎，今天把它们变成读报告的固定动作：

• 方向性问题（directionality）：A 与 B 相关，可能是 A→B，也可能是 B→A，或互为反馈。例如“孤独感与刷手机时长相关”——究竟是孤独导致多刷，还是多刷挤掉当面社交后更孤独，或两者循环？单凭同时测得的相关，分不开。
• 第三变量问题（third-variable problem）：未测的 C 同时推高（或压低）A 与 B，造成 A–B 的虚假相关（spurious correlation）。教科书经典例子：冰淇淋销量与犯罪率常一起升高——更合理的共同驱动往往是天气炎热（以及人们出门更多等伴随因素），而不是“冰淇淋导致犯罪”。
• 选择与限制范围：只在极端群体里抽样、或把不同子群糊成一团，都会制造或抹掉相关。

纵向追踪（谁先变化）、统计上控制候选第三变量、工具变量与自然实验、以及——在伦理允许时——回到昨天的真实验，都是减轻这些威胁的路径。没有银弹；每多挡掉一种替代解释，因果主张才能升一级。

7. 非实验证据何时仍然非常有用

若相关“不能直接给因果”，为什么还要大规模做调查与观察？因为它们在这些任务上往往不可替代：

• 预测：招聘、信贷风险、流失预警、流行病学筛查——目标常常是“准不准”，不一定是当场证明机制。相关与回归可以是好的预测工具（仍要外部验证，防过拟合）。
• 伦理与可行性：不能为了研究去随机分配创伤、歧视或贫困；描述与相关是负责任的起点。
• 生态效度与真实世界基线：实验室很干净，但政策与产品要知道田间地头实际分布；大型调查与自然观察提供地图。
• 生成假设：相关模式提示“该去做哪个实验、该控制哪个第三变量”。
• 收敛证据：当实验、纵向、准实验与相关指向同一机制，信念可以强于单一方法。

斯坦诺维奇在《这才是心理学》中反复强调：公众常把“相关不是因果”听成“相关无用”。更准确的态度是——相关是线索与预测器，不是因果证明书；价值取决于你用它回答什么问题。

8. 把整条链串起来：读非实验报告的检查清单

下次刷到调查、白皮书、或“大数据发现”时，按顺序问：

1. 这是描述、相关，还是作者在暗示因果？
2. 样本是谁？抽样方式与响应率如何？能推广到哪一群人？
3. 变量如何操作定义？自陈、行为观察，还是客观记录？有无社会赞许与共同方法偏差？
4. 若给了 r 或“显著相关”：方向、大致强度、是否展示散点或稳健性？
5. 方向性与第三变量的替代解释是什么？作者有没有诚实讨论？
6. 若用于决策：目标是预测还是解释机制？证据层级是否匹配决策代价？

1. 从“相关不等于因果”到“怎样才能推断因果”

昨天我们说到：相关研究只能告诉我们变量一起变化，推断因果需要实验——研究者主动操纵某个变量，并通过随机分配让各组在其他方面平均而言相同。

今天把实验拆开：什么叫“操纵”？什么叫“随机分配”？为什么做完实验，别人仍可能说“你测到的差异其实不是因为你以为的那个原因”？答案就藏在操作定义、自变量与因变量、控制变量、混淆变量、内部效度与外部效度这些概念里。

2. 操作定义：把模糊概念变成可测量的东西

科学研究不能停在“压力”“智能”“吸引力”这类日常说法上——每个人对它们的理解可能都不一样。操作定义（operational definition）指：用一套具体的、可观察或可测量的程序，来界定一个概念在本研究中“是什么”。

例如：“压力大”可以操作定义为“过去一周 Perceived Stress Scale 得分 ≥ 某阈值”，也可以是“在公开演讲前即刻的心率”；“记忆好”可以是“听完词表后立刻正确回忆的个数”。不同操作定义测的未必是同一件事——所以写报告时必须写清楚，读者才能判断你测的到底是不是你声称的那个概念。

3. 自变量、因变量与控制变量

一次典型的实验里，至少要分清三类变量：

• 自变量（independent variable, IV）：研究者主动操纵的变量。它是“原因候选”。例如：是否服用某药、是否收到积极期望标签、界面按钮是红色还是蓝色。
• 因变量（dependent variable, DV）：研究者测量的结果变量。它是“效果候选”。例如：症状评分、测验成绩、点击率。
• 控制变量（control variables）：研究者希望各组保持一致、或在分析中加以统计控制的因素，以免它们干扰因果解释。例如：测验时间、指导语措辞、屏幕亮度。

记一个口诀：自变量是你改的，因变量是你看的，控制变量是你尽量让它别乱的。

4. 实验组与对照组：比较才产生意义

单独给一群人做干预再测结果，往往说不清变化是不是干预造成的——时间流逝、练习效应、自然好转都可能“看起来像有效”。因此实验通常至少有两组：

• 实验组（experimental group）：接受研究者感兴趣的处理（treatment）。
• 对照组 / 控制组（control group）：不接受该处理，或接受一个对照处理（如安慰剂、标准流程、另一种版本）。

对照组不是“被忽略的人”，而是让因果解释成立的基准线。没有可比的对照，你就很难知道差异来自哪里。

5. 随机分配：为什么它是推断因果的关键

把人分进实验组还是对照组，不能按“谁方便”“谁自愿”“谁看起来更适合”来分——那样两组从一开始就可能系统不同。随机分配（random assignment）指：用随机程序（掷硬币、随机数）决定每个人进哪一组，使已知与未知的个体差异在组间平均而言趋于平衡。

注意两件常被混为一谈的事：

• 随机分配：解决的是“各组是否可比”，服务内部效度（你能否说差异是由操纵造成的）。
• 随机抽样：解决的是“样本是否代表总体”，服务外部效度（你能否把结论推广到更大人群）。

一项研究可以有随机分配却没有随机抽样（很多实验室实验如此）：它仍可能很适合推断因果，只是推广时要谨慎。反过来，大规模问卷调查即使抽样很好，若没有随机分配的操纵，仍难直接下因果结论。

6. 混淆变量与内部效度

常见混淆来源包括：两组接受不同时长的关注、不同的指导语气、不同的时间段（一组早上测、一组晚上测）、主试对某组更热情、测量工具本身在两组使用方式不一致等。

7. 期望效应与双盲：人不是试管

心理学实验里的“材料”常常是人——参与者会猜研究目的，主试也会不知不觉流露期望。这类因素本身就能改变行为，从而变成混淆。

防护工具是盲法：

• 单盲：参与者不知道自己在实验组还是对照组。
• 双盲：参与者与直接接触他们的主试/评估者都不知道分组（由第三方编码）。这样双方的期望都不容易系统性地“帮”某一组出成绩。

不是所有心理学研究都能做双盲（例如心理治疗中治疗师通常知道自己在用哪种疗法），但研究者仍应尽量让结果评定者保持盲态，并预先设定客观指标。

8. 外部效度：推得远，往往控得松

这不是让你鄙视实验室研究。内部效度薄弱的研究，推广得再远也只是在推广一个不可靠的因果故事。更健康的态度是：用高内部效度的研究建立机制，再用现场实验、多情境重复去检验边界条件——Donald Campbell 与 Julian Stanley（1963）以来的方法学传统，核心就是在这种取舍中把威胁一一列清。

9. 把整条链串起来：一个最小检查清单

读到或设计一项“实验”时，可以按顺序问：

1. 自变量是什么？有没有清晰的操作定义？
2. 因变量怎么测？指标是否事先确定，还是事后挑显著的那个？
3. 有没有恰当的对照组？
4. 分组是否随机分配？若否，组间基线是否可能系统不同？
5. 有哪些可能的混淆？流程是否标准化？
6. 参与者与主试的期望是否被盲法或其他方式限制？
7. 样本与情境支持怎样程度的推广？结论有没有说过头？

1. 为什么“凭常识懂人”不够

每个人都是“业余心理学家”：我们每天都在猜别人为什么这样做、下一步会怎样。问题在于，常识往往可以同时解释相反的结果。“物以类聚”和“异性相吸”都是俗语；“小别胜新婚”和“眼不见，心不烦”也都是。无论两个人分开后感情变好还是变淡，常识都能事后给出一个说法。

一个什么结果都能解释的说法，其实什么也没预测。科学心理学要做的，是把这些模糊的直觉变成可以被数据推翻的具体问题，例如：“在什么条件下、对哪些人、相似性对吸引力的影响有多大？”然后去测量。

2. 科学的三个基本特征

心理学家基思·斯坦诺维奇（Keith Stanovich）在《这才是心理学》（How to Think Straight About Psychology）中把科学概括为三点，这也是本课程判断一切说法的底层标准：

• 系统的实证主义：靠有计划、有控制的观察和测量回答问题，而不是靠权威、直觉或个人经历。
• 知识公开可验证：方法要写清楚，别人照做能得到类似结果；研究要经过同行评议。一个只有提出者本人能“验证”的发现，不算科学知识。
• 研究可解决的问题：问题必须能用现有方法检验。“人生的意义是什么”很重要，但不是实证问题；“有明确目标的人主观幸福感是否更高”则可以研究。

3. 可证伪性：好理论要敢于“冒险”

哲学家卡尔·波普尔（Karl Popper）提出：一个理论是否科学，关键不在于能找到多少支持它的例子，而在于它是否明确说出了什么情况会证明它是错的——这叫可证伪性（falsifiability）。

波普尔在《猜想与反驳》（1963）中举过一个对照：1919 年日食观测检验了爱因斯坦广义相对论关于光线弯曲的预测，如果观测结果不符，理论就会被推翻——它冒了真实的风险。相比之下，他认为当时的精神分析（弗洛伊德）和个体心理学（阿德勒）无论出现什么行为都能解释：一个人把孩子推下水，或者一个人舍命救孩子，两种理论都能自圆其说。波普尔指出，这种“处处都能被证实”恰恰是弱点，而不是优点。

4. 相关不等于因果

“相关”指两个变量一起变化；“因果”指一个变量的改变会导致另一个变化。两者之间隔着两道坎：

• 方向性问题：可能是 B 导致 A，而不是 A 导致 B。
• 第三变量问题：可能有一个没被测量的 C 同时影响 A 和 B。

斯坦诺维奇书中有一个经典历史案例：20 世纪初美国南方糙皮病（pellagra）流行，人们发现它与卫生条件差的地区高度相关，于是怀疑是传染病。美国公共卫生署的约瑟夫·戈德伯格（Joseph Goldberger）认为真正的原因是饮食缺乏，“卫生差”和“糙皮病”都是贫困这个第三变量的结果。他通过改变饮食的研究证明了这一点；后来科学家确认糙皮病的直接原因是缺乏烟酸（维生素 B3）。

要确立因果，最有力的方法是实验：研究者主动操纵自变量，并通过随机分配让各组在其他方面平均而言相同。这样两组之后出现的差异，才能较有把握地归因于操纵本身。

5. 个案 vs 数据：“我认识一个人……”

“我爷爷每天抽烟，活到 95 岁。”斯坦诺维奇把这类论证称为“某人统计”（person-who statistics）：用一个鲜活的反例去否定一个概率性的规律。可心理学和医学中的大多数规律本来就是概率性的——“吸烟提高患肺癌的风险”从来不意味着“每个吸烟者都会得肺癌”。

个案之所以说服力强，是因为它生动、容易想起。特沃斯基与卡尼曼（Tversky & Kahneman, 1973）描述的可得性启发指出：我们常根据例子“多容易想到”来判断事件有多常见。飞机失事的新闻让人觉得坐飞机很危险，就是这个道理。

这不等于个案毫无价值：个案能提出假设、提供细节、展示“可能性”；但要回答“普遍是否如此、有多大程度”，需要系统收集的数据。

6. 确认偏误：我们天生爱找“证明自己对”的证据

彼得·沃森（Peter Wason）1960 年的“2-4-6 任务”是经典演示：告诉参与者“2, 4, 6”符合某条规则，请他们提出新的三个数来测试自己的猜想。很多人猜“依次加 2”，然后一直提出 8-10-12、20-22-24 这类符合自己猜想的数字，得到“符合”的反馈后就很有信心地宣布答案——结果错了。真正的规则只是“任意递增的三个数”。要发现这一点，需要主动试一试可能推翻自己猜想的数字，比如 1-7-30。

日常中，一旦你认定“这个同事不靠谱”，他每次迟到你都记得，他准时交付你却不太留意。确认偏误并不是“笨”的人才有，它是人类信息加工的普遍倾向，科学方法（对照组、盲法、预注册）在很大程度上就是为了对抗它而设计的。

7. 巴纳姆效应：为什么星座和性格测试“好准”

1949 年，心理学家伯特伦·福勒（Bertram Forer）让学生做了一份性格测验，一周后给每人发了一份“个人分析报告”，请他们评价准确度（0–5 分）。学生们普遍给出了很高的分数——而实际上所有人拿到的是同一段文字，其中的句子大多摘自一本星座书，例如“你有时外向、友善、合群，有时内向、谨慎、保守”这样的描述。

这种现象后来被称为巴纳姆效应（Barnum effect，名称由保罗·米尔 Paul Meehl 在 1956 年推广开来），也叫福勒效应：人们会把笼统、普遍适用的描述当作对自己的准确刻画。让描述“显得准”的常见配方：

• 模糊且双面：“你有时……有时……”几乎对所有人成立。
• 偏正面：“你有很多尚未发挥的潜力”，人们更愿意接受讨喜的描述。
• 看起来是专门为你做的：填了问卷、输入了生日，会让人更相信结果是“个性化”的。
• 来源显得权威：专家、测评机构、精美的报告。

关于 MBTI 等类型测试，需要说得公允一些：它不等同于星座，题目确实在测量一些真实的偏好。但研究者对它有具体的批评——例如把连续分布的特质硬分成两类、部分人重测时类型会改变（参见 Pittenger, 2005）；而它的类型描述大多写得正面、宽泛，这正是巴纳姆效应容易发挥作用的地方。学术研究中更常用的是大五人格模型，我们会在模块 4 详细讲。

8. 可重复性危机：心理学如何面对自己的错误

2015 年，由布莱恩·诺塞克（Brian Nosek）等人发起的开放科学合作组织（Open Science Collaboration）在《科学》（Science）上发表报告：他们重复了 2008 年发表在三本心理学顶级期刊上的 100 项研究。原研究中有 97% 报告了统计显著的结果，而重复研究中只有约 36% 得到显著结果；重复研究的效应量平均只有原研究的一半左右。

此后，一些曾经广为流传的发现在大规模重复中表现不佳，例如“自我损耗”（意志力像肌肉一样会被用完）和“权力姿势”（摆出扩张的姿势能改变激素水平），详见下方研究卡片。

造成问题的主要原因包括：

• 样本太小：统计检验力不足，偶然结果更容易被当成发现。
• 分析灵活性（p-hacking）：多测几个指标、多试几种分析、数据“够显著”就停止收集，会大幅增加假阳性（Simmons, Nelson & Simonsohn, 2011）。
• 发表偏倚：显著的“新奇发现”更容易发表，失败的结果被锁进抽屉。
• 事后假设（HARKing）：看到结果后再把它写成“事先预期”（Kerr, 1998）。

心理学界的回应是一系列改革：预注册（事先公开假设和分析计划）、注册报告（期刊在看到结果前就根据方法决定是否发表）、公开数据与材料、多实验室联合重复（如 Many Labs 项目）。

9. 本课程为什么给每项研究标注证据强度

基于上面的原因，本课程提到的每一项研究都会带一个证据标签。它是一种对当前证据状况的概括判断，不是永久结论——新证据出现时，标签也会随之调整。