论文部分内容阅读
摘 要： 为阐述哲学原理及方法论在心理统计学学习中的运用，文章以哲学与统计学的关系为依托，结合具体统计方法技术的实例，通过对比与类比等手法，论述了“从一到多”、“整体与部分关系”及“具体问题具体分析”等哲学思想和方法论的应用，从而为心理统计的学习提供方法学上的指导。
关键词： 心理统计学 哲学 方法论
一、引言
哲学是关于世界观和方法论的学说，研究自然、社会和思维的最一般的规律，在人们认识世界和改造世界的过程中发挥了重要的作用［１］。哲学在发展过程中，不仅在自身领域的研究中取得了重大进展，而且推动了其他的一些学科的诞生，如天文学、数学、教育学、美学等。统计学也当然可以归于哲学的发展框架下。因此，可以从某种程度上来讲，哲学可称为“万学之母”，抑或“元科学”。
统计学作为一门研究客体特征和规律的方法论学科，有很强的数学基础做支撑。它不但可以作为一门基础学科创造和发展理论，完善学科结构，而且可以作为一种应用型很强的学科，为人们认识世界和改造世界，进行量化研究提供强有力的工具手段。掌握好统计学，对进行科学研究，尤其是量化的科学研究必将大有裨益。然而正是由于其要求较强的数学基础，因此对于缺乏数学训练的人，尤其是文科学生来说，对统计学的掌握就可能成为一件比较让人头疼的事情，有的甚至是“谈‘统计’色变”。即使不从理论研究的深度来学习，哪怕只是在统计学的应用层面上来掌握，强调实用性，也需要费些心思，再加上没有适当的方法，就可能更加懊恼了。但是，由于哲学对统计学起指导作用，为统计科学研究和统计工作提供一般指导原则和思维方法，因此如果能将哲学中的一些方法论知识运用到统计学习中，可能会起到事半功倍的效果。
二、哲学思想的运用
哲学的众多原理和方法论都可以作为统计学习的有力指导，本文选择三方面加以阐释。
1.“从一到多”的思想，也可以称为“从简单到复杂”的思想。事物的状态有繁有简，有的表现在量的层面上，有的则表现在质的层面上。单从量的层面上来讲，就可以看到从1个、2个到3个乃至多个的变化。比如，线性回归中，从最初的回归模型中只包含一个自变量的最简单模型到后来的回归模型中包含2个甚至更多个自变量的情况，是一种从自变量的角度来观察模型由简单到繁琐的过程［２］。再比如，从t检验到方差分析的变化。t检验可以有三种情况，即单样本t检验，独立样本t检验和配对样本t检验（后两者均可以检验两个总体的均值是否有差异，只是在具体的操作过程中有些差别）。但是对于三个及以上的均值是否存在显著差异的检验，t检验则显得力不从心了（多次两两比较可能增大一类错误的概率），而方差分析则会很好地解决这一问题，因为其不仅可以处理独立样本的问题，还可以处理重复测量的问题，在很大程度上弥补了t检验的不足［３］。不难看出，从t检验到方差分析，又是一个针对平均数个数从简单到繁琐的过程。回顾上面的例子，可以对这一形式的统计方法有一个比较性的认识。首先，它们都是从一个向多个的变化过程。“多”个的发展是以“一”个的发展为前提的，换句话说，多个变量的模型要想发展，必须满足一个变量的单个模型发展所需要的假设条件。比如，多元回归要想进行就必须满足一元回归所要求的一系列条件（如正态性、连续性和方差齐性）。而方差分析若要进行也必须满足独立t检验所需要的条件（方差齐性）。如果不能满足，那么即使统计方法再先进，其科学性差的结果也是不容置疑的。其次，还要看到“多”与“一”的不同。这表现在：一方面，从前提假设方面来讲，“多”除了要满足“一”所需要的基本前提条件外，还有自己的额外要求。比如，多元回归中的多重共线性检验、多元正态分布及方差分析中的协方差分析。另一方面，从功能上讲，“多”的功能与“一”的功能既存在一致性，又存在区别，比如一元回归所能解决的问题运用多元回归也能解决，但是一个含有两个自变量的二元回归的功能却不能由分别以每个自变量作一次回归的两个简单回归的功能之和。对于方差分析，如前所述，亦不能分别进行多次两两比较的t检验来完成。了解这一思想后，在处理类似的情况时，便可以通过比较分清异同之处，查找前提条件，选用适当的方法。
2.“整体与部分的关系”的思想。整体是由部分组成的，整体是部分的整体，离开部分，整体即不会存在；部分是整体的部分，离开整体谈部分，部分也会丧失其原来的意义。这一思想要求我们要正确处理好整体与部分之间的关系。由于统计研究中经常会涉及处理多个变量的数据的情况，多变量及多层关系的情况，或是为了更好地分析事物之间的关系，通过假设将多个数据变为一个（如利用平均数来代表整组数据的信息），将几个变量合并为一个（如某一概念的结构分为了几个维度），将多个相互复杂的关系合并为一个（如结构方程及利用多元线性模型处理嵌套关系）。这就会使某些变量为了满足统计分析的需要而临时组成一个小的整体。比如，多层线性模型中，就会出现一个由不同层次的回归模型而组成的层次结构，每一层的回归模型均可看做是这一多层模型中的一部分，而且是必不可少的一部分；而由多个层次的单个模型所组成的模型又很好地囊括了每一个层次的部分［４］。然而，各个部分所组成的整体可能有各个部分单独所不具有的功能，亦即整体的功能并不是各个部分的简单相加。比如，多层线性模型中就存在每个单层的回归模型所不具有的拟合特性，能够充分发挥其模型的整体拟合优度来实现对各个层次的信息的最大限度的完美组合，而作为部分的每个层次的单一回归模型，则只能依据下一层的回归结果来考虑本层次的信息，并在一定程度上为更上一层的分析提供一定的信息基础。但就单一层次来讲，虽然可能会与相邻层次发生关系，但是绝对不可能够表现出所有层次的整体效果，即使是在层级次数很少的情况下。此外，对于模型的好坏程度的检验也是如此［５］。对于整个模型的评价，既要有整个模型的拟合优度的指标，又要求其所组成的各个部分均达到显著性水平；而对于各个部分的考察，则更多地只考察其自身的显著性即可。这一点除了多层线性模型，在结构方程处理一般概念结构时也有所体现。一般认为，如果想要证明所建构的概念（如自尊）的结构效度比较好的话，除了要使整体的结构方程的各项指标（如NFI，GFI）符合要求外，还要保证模型（概念）的各个维度也都要符合要求，甚至于对于每一层的各个项目的各项测量学指标（四度）也要符合通行的标准，因为一旦一个不符合要求的题项进入模型之中，将直接影响到维度的各项指标的要求，进而影响整个模型。而当仅仅对某一个维度或题项进行考察时，一般只对于其自身的数据所包含的信息进行分析，很少涉及其他的部分。整体与部分的思想要求我们在处理涉及模型的统计分析时，一要分清整体界限，认清整体的模型到底是什么；二要通过理论分析和数据验证，认清整体模型相对于各个部分模型的独特之处，即整体的优越性，通过模型的拟合最大限度地利用数据所蕴含的统计信息。此外，还不应忽视的一点是，对模型的整体检验，既要有对模型的整体的检验，又要包含对局部的评估，将两者综合考虑，通过比较选择出最适合的模型。
形式逻辑的研究表明［６］，类属关系和整体与部分的关系是不同的。类属关系中的属相具有类项所具有的全部功能，而各类的功能则没有其属的很多功能。而整体与部分关系中的部分则不可能具有整体的全部功能，但是部分所组成的整体则具有各个部分所不具有的功能。比如，在前面谈到的回归中，一元回归与多元回归都归属于“回归分析”这一类，当然无论一元回归还是多元回归都具有探索自变量与因变量的因果关系的倾向性这一回归分析的特性，但是如果因为一元回归和多元回归乃至于其他的回归类型归属了回归分析这一类从而就使回归分析增加了很多的其他功能（如真正确定因果关系），这显然是不合适的。另一方面，由各个维度所组成的结构方程会有比各个部分更加优越的功能，但各个部分却不能够拥有这些功能（因为其分析只是基于自身数据）。弄清楚了这一点，就能够很好地区分开类属关系和整体与部分的关系，也就不至于遇到多个变量的统计分析时不知道该以何种方法论来进行指导。这样，无论是对于统计的技术分析，还是基于研究假设对技术理论的解说，都是使人受益匪浅的。
3.具体问题具体分析的方法论。统计学作为一门学科，其必有自己的知识体系。心理统计学也必然是如此。所谓的知识体系，通俗来讲，就是知识组成的方式与结构，或称“知识树”。知识体系的把握对于学好一门课程来说至关重要。当前国内外有关统计方法的书目中对统计知识体系的呈现不尽相同。有按照“从事物属性上的排他性”来安排的，比如，讲到平均数的检验时，就把三种平均数（单样本、两样本独立和相关）的检验全部呈现出来，依次讲完。也有按照东方思维方式的“功能性分类”来展现，比如当讲到方差分析时，最先侧重讲一元（one way）方差分析，之后是更复杂的两个自变量的方差分析，之后进入“析因设计”（factorial design）的方差分析，从此采用多变量方差分析（MANOVA），以考察交互作用为首要任务［７］，而不是一气呵成地把各种多变量的方差分析全部讲完。诚然，每种体系具有各自的特点，不同书目有不一样的体系，甚至于对于同一本书不同章节的知识可能适合于不同的知识体系。因此，要针对不同的内容采用不同的呈现方式来构建各具特色的知识体系。
三、结语
其实，从科学的整体结构来看，哲学是处在统计学之上层的，而统计学也可以追根于哲学这一母体。因此，哲学中所蕴含的方法论思想理论理应适合于统计学这一学科的发展的指导。正如哲学中的“对立统一”观点、“质量互变理论”、“矛盾的偶然性与必然性”等理论在统计学中得到了广泛的应用一样［８］，哲学的其他方法论思想也理应被吸纳到统计学学习的方法中，并将其很好地运用到实际中去。这样一来，统计学的学习就如同有了前进的探照灯，即使数学基础不扎实，在统计学学习的道路上也会存在诸多的平坦。
参考文献：
［1］王振龙.统计哲学研究.［博士学位论文］.东北财经大学，2001，（5）.
［2］何晓群，刘文卿.应用回归分析（第二版）.北京：中国人民大学出版社，2007，（7）：18-63.
［3］Barry H.Cohen..Explaining Psychological Statistics（Third Edition）.上海：华东师范大学出版，2008.
［4］张雷，雷厉，郭伯良.多层线性模型应用.北京：教育科学出版社，2002.
［5］侯杰泰，温忠麟，成子娟.结构方程模型及其应用.北京：教育科学出版社，2002.
［6］金岳霖.形式逻辑.北京:人民出版社，2005，（1）.
［7］肯尼斯·S.博登斯等著．袁军等译.研究设计与方法（第6版）.上海：上海人民出版社，2008.
［8］耿建华.平均数与统计离差的哲学思考.中国民航学院学报，2002，10，20（5）.
关键词： 心理统计学 哲学 方法论
一、引言
哲学是关于世界观和方法论的学说，研究自然、社会和思维的最一般的规律，在人们认识世界和改造世界的过程中发挥了重要的作用［１］。哲学在发展过程中，不仅在自身领域的研究中取得了重大进展，而且推动了其他的一些学科的诞生，如天文学、数学、教育学、美学等。统计学也当然可以归于哲学的发展框架下。因此，可以从某种程度上来讲，哲学可称为“万学之母”，抑或“元科学”。
统计学作为一门研究客体特征和规律的方法论学科，有很强的数学基础做支撑。它不但可以作为一门基础学科创造和发展理论，完善学科结构，而且可以作为一种应用型很强的学科，为人们认识世界和改造世界，进行量化研究提供强有力的工具手段。掌握好统计学，对进行科学研究，尤其是量化的科学研究必将大有裨益。然而正是由于其要求较强的数学基础，因此对于缺乏数学训练的人，尤其是文科学生来说，对统计学的掌握就可能成为一件比较让人头疼的事情，有的甚至是“谈‘统计’色变”。即使不从理论研究的深度来学习，哪怕只是在统计学的应用层面上来掌握，强调实用性，也需要费些心思，再加上没有适当的方法，就可能更加懊恼了。但是，由于哲学对统计学起指导作用，为统计科学研究和统计工作提供一般指导原则和思维方法，因此如果能将哲学中的一些方法论知识运用到统计学习中，可能会起到事半功倍的效果。
二、哲学思想的运用
哲学的众多原理和方法论都可以作为统计学习的有力指导，本文选择三方面加以阐释。
1.“从一到多”的思想，也可以称为“从简单到复杂”的思想。事物的状态有繁有简，有的表现在量的层面上，有的则表现在质的层面上。单从量的层面上来讲，就可以看到从1个、2个到3个乃至多个的变化。比如，线性回归中，从最初的回归模型中只包含一个自变量的最简单模型到后来的回归模型中包含2个甚至更多个自变量的情况，是一种从自变量的角度来观察模型由简单到繁琐的过程［２］。再比如，从t检验到方差分析的变化。t检验可以有三种情况，即单样本t检验，独立样本t检验和配对样本t检验（后两者均可以检验两个总体的均值是否有差异，只是在具体的操作过程中有些差别）。但是对于三个及以上的均值是否存在显著差异的检验，t检验则显得力不从心了（多次两两比较可能增大一类错误的概率），而方差分析则会很好地解决这一问题，因为其不仅可以处理独立样本的问题，还可以处理重复测量的问题，在很大程度上弥补了t检验的不足［３］。不难看出，从t检验到方差分析，又是一个针对平均数个数从简单到繁琐的过程。回顾上面的例子，可以对这一形式的统计方法有一个比较性的认识。首先，它们都是从一个向多个的变化过程。“多”个的发展是以“一”个的发展为前提的，换句话说，多个变量的模型要想发展，必须满足一个变量的单个模型发展所需要的假设条件。比如，多元回归要想进行就必须满足一元回归所要求的一系列条件（如正态性、连续性和方差齐性）。而方差分析若要进行也必须满足独立t检验所需要的条件（方差齐性）。如果不能满足，那么即使统计方法再先进，其科学性差的结果也是不容置疑的。其次，还要看到“多”与“一”的不同。这表现在：一方面，从前提假设方面来讲，“多”除了要满足“一”所需要的基本前提条件外，还有自己的额外要求。比如，多元回归中的多重共线性检验、多元正态分布及方差分析中的协方差分析。另一方面，从功能上讲，“多”的功能与“一”的功能既存在一致性，又存在区别，比如一元回归所能解决的问题运用多元回归也能解决，但是一个含有两个自变量的二元回归的功能却不能由分别以每个自变量作一次回归的两个简单回归的功能之和。对于方差分析，如前所述，亦不能分别进行多次两两比较的t检验来完成。了解这一思想后，在处理类似的情况时，便可以通过比较分清异同之处，查找前提条件，选用适当的方法。
2.“整体与部分的关系”的思想。整体是由部分组成的，整体是部分的整体，离开部分，整体即不会存在；部分是整体的部分，离开整体谈部分，部分也会丧失其原来的意义。这一思想要求我们要正确处理好整体与部分之间的关系。由于统计研究中经常会涉及处理多个变量的数据的情况，多变量及多层关系的情况，或是为了更好地分析事物之间的关系，通过假设将多个数据变为一个（如利用平均数来代表整组数据的信息），将几个变量合并为一个（如某一概念的结构分为了几个维度），将多个相互复杂的关系合并为一个（如结构方程及利用多元线性模型处理嵌套关系）。这就会使某些变量为了满足统计分析的需要而临时组成一个小的整体。比如，多层线性模型中，就会出现一个由不同层次的回归模型而组成的层次结构，每一层的回归模型均可看做是这一多层模型中的一部分，而且是必不可少的一部分；而由多个层次的单个模型所组成的模型又很好地囊括了每一个层次的部分［４］。然而，各个部分所组成的整体可能有各个部分单独所不具有的功能，亦即整体的功能并不是各个部分的简单相加。比如，多层线性模型中就存在每个单层的回归模型所不具有的拟合特性，能够充分发挥其模型的整体拟合优度来实现对各个层次的信息的最大限度的完美组合，而作为部分的每个层次的单一回归模型，则只能依据下一层的回归结果来考虑本层次的信息，并在一定程度上为更上一层的分析提供一定的信息基础。但就单一层次来讲，虽然可能会与相邻层次发生关系，但是绝对不可能够表现出所有层次的整体效果，即使是在层级次数很少的情况下。此外，对于模型的好坏程度的检验也是如此［５］。对于整个模型的评价，既要有整个模型的拟合优度的指标，又要求其所组成的各个部分均达到显著性水平；而对于各个部分的考察，则更多地只考察其自身的显著性即可。这一点除了多层线性模型，在结构方程处理一般概念结构时也有所体现。一般认为，如果想要证明所建构的概念（如自尊）的结构效度比较好的话，除了要使整体的结构方程的各项指标（如NFI，GFI）符合要求外，还要保证模型（概念）的各个维度也都要符合要求，甚至于对于每一层的各个项目的各项测量学指标（四度）也要符合通行的标准，因为一旦一个不符合要求的题项进入模型之中，将直接影响到维度的各项指标的要求，进而影响整个模型。而当仅仅对某一个维度或题项进行考察时，一般只对于其自身的数据所包含的信息进行分析，很少涉及其他的部分。整体与部分的思想要求我们在处理涉及模型的统计分析时，一要分清整体界限，认清整体的模型到底是什么；二要通过理论分析和数据验证，认清整体模型相对于各个部分模型的独特之处，即整体的优越性，通过模型的拟合最大限度地利用数据所蕴含的统计信息。此外，还不应忽视的一点是，对模型的整体检验，既要有对模型的整体的检验，又要包含对局部的评估，将两者综合考虑，通过比较选择出最适合的模型。
形式逻辑的研究表明［６］，类属关系和整体与部分的关系是不同的。类属关系中的属相具有类项所具有的全部功能，而各类的功能则没有其属的很多功能。而整体与部分关系中的部分则不可能具有整体的全部功能，但是部分所组成的整体则具有各个部分所不具有的功能。比如，在前面谈到的回归中，一元回归与多元回归都归属于“回归分析”这一类，当然无论一元回归还是多元回归都具有探索自变量与因变量的因果关系的倾向性这一回归分析的特性，但是如果因为一元回归和多元回归乃至于其他的回归类型归属了回归分析这一类从而就使回归分析增加了很多的其他功能（如真正确定因果关系），这显然是不合适的。另一方面，由各个维度所组成的结构方程会有比各个部分更加优越的功能，但各个部分却不能够拥有这些功能（因为其分析只是基于自身数据）。弄清楚了这一点，就能够很好地区分开类属关系和整体与部分的关系，也就不至于遇到多个变量的统计分析时不知道该以何种方法论来进行指导。这样，无论是对于统计的技术分析，还是基于研究假设对技术理论的解说，都是使人受益匪浅的。
3.具体问题具体分析的方法论。统计学作为一门学科，其必有自己的知识体系。心理统计学也必然是如此。所谓的知识体系，通俗来讲，就是知识组成的方式与结构，或称“知识树”。知识体系的把握对于学好一门课程来说至关重要。当前国内外有关统计方法的书目中对统计知识体系的呈现不尽相同。有按照“从事物属性上的排他性”来安排的，比如，讲到平均数的检验时，就把三种平均数（单样本、两样本独立和相关）的检验全部呈现出来，依次讲完。也有按照东方思维方式的“功能性分类”来展现，比如当讲到方差分析时，最先侧重讲一元（one way）方差分析，之后是更复杂的两个自变量的方差分析，之后进入“析因设计”（factorial design）的方差分析，从此采用多变量方差分析（MANOVA），以考察交互作用为首要任务［７］，而不是一气呵成地把各种多变量的方差分析全部讲完。诚然，每种体系具有各自的特点，不同书目有不一样的体系，甚至于对于同一本书不同章节的知识可能适合于不同的知识体系。因此，要针对不同的内容采用不同的呈现方式来构建各具特色的知识体系。
三、结语
其实，从科学的整体结构来看，哲学是处在统计学之上层的，而统计学也可以追根于哲学这一母体。因此，哲学中所蕴含的方法论思想理论理应适合于统计学这一学科的发展的指导。正如哲学中的“对立统一”观点、“质量互变理论”、“矛盾的偶然性与必然性”等理论在统计学中得到了广泛的应用一样［８］，哲学的其他方法论思想也理应被吸纳到统计学学习的方法中，并将其很好地运用到实际中去。这样一来，统计学的学习就如同有了前进的探照灯，即使数学基础不扎实，在统计学学习的道路上也会存在诸多的平坦。
参考文献：
［1］王振龙.统计哲学研究.［博士学位论文］.东北财经大学，2001，（5）.
［2］何晓群，刘文卿.应用回归分析（第二版）.北京：中国人民大学出版社，2007，（7）：18-63.
［3］Barry H.Cohen..Explaining Psychological Statistics（Third Edition）.上海：华东师范大学出版，2008.
［4］张雷，雷厉，郭伯良.多层线性模型应用.北京：教育科学出版社，2002.
［5］侯杰泰，温忠麟，成子娟.结构方程模型及其应用.北京：教育科学出版社，2002.
［6］金岳霖.形式逻辑.北京:人民出版社，2005，（1）.
［7］肯尼斯·S.博登斯等著．袁军等译.研究设计与方法（第6版）.上海：上海人民出版社，2008.
［8］耿建华.平均数与统计离差的哲学思考.中国民航学院学报，2002，10，20（5）.