下载掌阅APP，畅读海量书库
立即打开
第一节中我们已经指出，心理学的研究目的在于描述、解释、预测和控制，要达到这些目的，就必须借助一定的方法。与不同的目的相适应，心理学的研究方法可以分为三个层次：描述性的、相关性的和实验性的研究方法。
任何科学都起源于描述。描述性研究是指对一定现象的特征进行系统、精确的测量和叙述，进而形成命题和假说。主要的描述性研究方法有观察法、个案研究法、测量法和调查法。描述性研究的主要目标是回答“是什么”或“怎么样”的问题。在描述性研究中，研究者对所研究的现象进行周密而仔细的科学观察，然后从特征、状况、规模、程度等方面详尽地把它们描述出来。描述性研究必须由经过专门训练的研究者来进行，它要比普通的描述更为准确和精密。
描述性研究是心理学研究的一种重要形态，心理学中的描述性研究目的在于使用特定的手段与方法对人的心理与行为事实进行观察、描绘和记录，收集相关的信息，对心理与行为事实的表象进行翔实的说明。但是要注意的是，描述性研究方法更多适用于对行为进行描述，但是无法告诉我们怎样从不同的解释中作出选择。下面将为大家介绍描述性研究方法中的观察法和个案研究法。
1.观察法
观察法（observational method）指研究者在尽量不影响被观察者的情况下，对其行为做观察、测量和记录，具体可以分为自然观察和实验室观察。
自然观察（naturalistic observation）的目的是为了观察人或动物在其正常的社会环境中的行为表现。我们可以选择这种方法在教室、广场、办公室、家中进行观察。与之相对应的是实验室观察（laboratory observation），研究者可以在实验室中对人或动物的行为表现进行观察，施行较多的控制，使用先进的仪器。比如，我们想要知道婴幼儿在单独面对陌生人时会有何种反应，就可以在有单向玻璃的实验室中进行观察。先让父母带着孩子在实验室中待一会儿，之后让陌生人进入，几分钟后父母离开，研究者就可以在单向玻璃后观察婴幼儿的行为变化。
许多著名的心理学研究（如达尔文对人和动物表情的研究，苛勒对大猩猩顿悟学习的研究，皮亚杰对儿童发展的研究等）都依赖于观察法。观察的结果描述了有机体的思想和行为，这往往是心理学研究中必要的第一步。
2.个案研究法
个案研究法（case study）是一种对单个或少数几个对象进行较长时间系统研究的方法。在对精神分析学派的介绍中我们了解到，弗洛伊德的精神分析理论就来自于他对众多个案的临床观察与研究。个案研究法在发展心理学、教育心理学和医学心理学中广为运用，特别是对超常儿童、缺陷儿童、精神障碍者等特殊对象心理的探讨更离不开个案研究。
总的来说，借助观察法只能达到心理学研究中“描述”的目的，而如果要对所研究的现象进行进一步的解释、预测和控制，就已经超出了描述性研究方法的能力范围，要留待下文介绍的更高层级的研究方法来完成。
自然界中的许多现象之间都存在着相互依赖、相互制约的关系。这种关系大致可分为两类。一类是确定性关系。比如电路中的电压、电阻和电流三者之间服从欧姆定律，在这个关系中，只要知道其中任意两个量的值，另外一个量的取值就是唯一确定的了。确定性关系在数量上表现为函数关系。因果关系是确定性关系的一种，简单地说就是X→Y，即事件X的发生导致事件Y的发生。因果关系中最常见的是一因一果，也有一因多果、一果多因、多因多果等形式。
自然现象间的另一类关系是不确定关系。如人的年龄和血压之间存在着一定关系，一般来说，年龄大的人血压也会相应高一些，但这种关系并不是绝对的。不确定性关系在自然现象中普遍存在，人们将变量之间的这种不确定关系称为相关关系。虽然在相关关系中变量之间存在着密切联系，但知道一个（或一组）变量每一确定的值后，尚不足以得出另一变量确定的值。尽管如此，在大量的观测中，这种不确定的关系在统计上表现出一定的规律性，这种联系便称为相关。
从科学的角度看，相关关系有着十分重要的意义，因为如果两个变量之间存在相关，就可以从一个变量的信息预测另一个变量的变化，这是科学研究的重要目标之一。此外，相关关系的存在提示着存在因果关系的可能性，我们对客观世界因果关系的探索，往往是从相关关系开始的。
在心理学中进行相关研究时，通常将同一组被试的两种或多种特征作为研究考察的对象（变量），使用定量化的方法将这些变量数值化，然后用统计学方法计算出“（线性）相关系数（correlation coefficient）”来表示成对变量之间的相关程度。
图1-1 分别使用不同相关程度的双列数据描制的数据散点图
相关系数通常用r来表示，其范围在+1到-1之间。当0＜r≤1时，变量间的变化方向一致，即两个变量同时增大或减小，称为正相关。例如，学生的学业成绩与智力之间往往呈正相关。如果是完全正相关，其相关系数是+1。当-1≤r＜0时，变量间的变化方向相反，即当一个变量增大时，另一个变量则变小，称为负相关。如果是完全负相关，其相关系数为-1。当r=0时，表示变量之间不存在（研究者所设想的那种）相关关系，称为零相关。心理学研究中很少有完全相关，相关系数越接近+1或-1时，说明相关程度越高。比如，出生后在同一环境长大的同卵双生子的智商相关系数达0.80，相关程度很高；生活在一起的父母和子女的智商相关系数是0.50，相比前者的相关程度就低得多。随着心理学研究方法的不断发展，衡量相关性的指标除相关系数之外，还衍生出了许多其他数据分析方法。
相关性研究是比描述性研究更为深入的研究方法，较之于描述性研究，其突出的优点在于可以显示变量间的共变关系，从而提示研究者注意到各种现象间可能存在的因果关系。相关性研究的缺点在于：1.相关性研究的结果在很大程度上取决于选用该方法的前提条件是否得到了满足。例如，有证据表明，紧张程度和考试分数之间的确存在非常明显的相互关系，但是用相关研究法则很有可能得到一个极低的（线性）相关系数，而这并不能真实反映两者间的紧密联系，因为这种联系事实上是倒U型曲线关系，没有满足相关性研究假设变量之间呈线性相关的前提。2.相关研究法无法确定因果关系的方向。相关性研究虽然比描述性研究前进了一步，但它仍然无法直接确定因果推论。高相关并不一定意味着正在研究的两个变量间存在着因果关系，如果一定要从高相关作出因果关系猜测，研究者就至少面临三种可能：是因素X作用于Y，还是Y作用于X，或者是某种潜在的第三个因素同时作用于X和Y。
在科学研究方法的等级上，实验法是被公认最严谨的方法。实验方法与相关研究的区别在于，相关研究揭示的是自然状态下事件之间的关系，实验研究则通过控制变量来判断该变量的影响。
实验法（experimental method）就是在控制的情境下系统地操纵某种变量的变化，来研究此种变量的变化对其他变量产生的影响。这种方法的目的是明确一种因果关系，即一个变量对另一个变量产生的影响。
变量（variable）是指在数量上或质量上可变的事物的属性。比如，智商有高有低，反应时间有长有短，这些都是量的变量。人的性别有男有女，人有左利手和右利手，这是质的变量。由实验者操纵变化的变量称为自变量（independent variable），如果实验者意图验证某个因果关系，自变量就对应着其中的“原因”。由自变量引起的实验对象的某种特定反应称为因变量（dependent variable），因变量对应于由自变量这一“原因”引起的“结果”。
实际上，对因变量发生影响的除了自变量之外，往往还存在着其他的因素，但这些因素却不是研究者所要考察的，这样的变量称为控制变量（control variable）。为了更好地理解这一概念，让我们以考试为例：考试的目的在于检验学生对所学知识的掌握程度（自变量），但除此之外的其他因素，如学生的身体状况、考场外的噪音等也会影响考试成绩（因变量），但这却不是人们希望通过考试加以考察的。
为了避免控制变量对于因变量的影响，我们引入了控制条件。实验通常由实验条件和控制条件构成。在实验条件（experimental condition）下，被试（指心理实验的对象，包括人和动物）接受自变量的处理。在控制条件（control condition）下，被试除了不接受自变量的处理，其他方面与实验条件都是一样的，这样就可以确定自变量的效应。在一些研究中，实验条件和控制条件可以用同一批被试；而另一些研究中，人们被分在实验组（experimental group）或是控制组（control group）中。总而言之，实验的目的在于操纵自变量，测量因变量以及控制所有其他的变量。
实验可以分为自然实验（field experiment）和实验室实验（laboratory experiment）。自然实验也叫现场实验，是在实际生活情境中对实验条件做适当控制所进行的实验。实验室实验是在实验室中借助专门的实验设备，在对实验条件严加控制的情况下进行的实验。在实验室实验中，实验者对环境的控制力远远强于自然实验，这有助于系统地探究事件的因果联系，并易于进行反复验证。相应的，实验室实验的缺点是实验者严格控制实验条件，使实验情景带有极大的人为性质，很可能不能发现被试在自然状态下的真实行为反应，导致实验结果往往不能直接推广到日常生活之中。
实验法的引入使得心理学跨入了科学殿堂，实验性方法对于心理学的重要性不言而喻。与描述性和相关性的研究方法相比较，实验性方法不但探究问题的“是什么”，而且更进一步地探究问题的“为什么”。
实验法具有主动性、可控制性和可重复性等特点，便于精确地揭示出心理学的科学规律，但是对心理学实验方法的批评也时有所闻。这些批评意见主要有：第一，实验法在一些心理学分支领域，如心理咨询、变态心理学等中的应用具有很大的局限性；第二，实验法过分强调定量研究，忽视了质的研究；第三，实验法对人员、环境、设备等要求较高，较难普及。必须牢记，实验方法是对于因果关系解释力最强的方法，但这并不意味着它就是“最高级”或“最好”的方法。