心理学常用效应量的选用与分析
效应量简介
一．效应量的定义、分类和意义效应量是反映效应程度大小的统计量，代表变量之间的紧密或差异程度。
效应量可分为简单效应量、标准化效应量和相关效应量。
简单效应量通常是效应组与对照组平均值之差。
APA(美国心理学会)建议，当简单效应量具有实际的实践意义时(如3个月的运动减肥干预可以减少脂肪多少千克)，可考虑采用简单效应量。
但是，简单效应量受到量纲、整体变异大小等因索限制，不便于研究间的比较。
标准化效应量则通过标准化数据解决了这些问题(如Cohen’s d等)。
而相关效应量则是指自变量与应变量的相关程度(如决定系数R2等)。
许多研究论文往往会报道结果的简单效应量和相关效应量，如在回归方程中应报道决定系数或校正决定系数已成为基本要求.二．效应量的种类和计算方法据不完全统计，针对不同的统计方法所建立的效应量超过60种。
随着效应量报道在各学科期刊的推广，如何合理选择和计算效应量将成为广大科研工作者面临的问题。
鉴于篇幅原因，本文仅介绍几种广泛采用的效应量Cohen’s d是最常用的标准化效应量之一，其定义为两组平均值之差除以标准差(方程1)，可应用于两组样本均数比较的效应量计算。
在这里。
Cohen定义的标准差是任意一组标准差(因为两组标准差被假定为相等)。
在实际计算中，大多数学者推荐采用合并标准差(PooledSmedard Deviation)，计算方法如方程2所示。
在标准差未知的情况下(如需要了解某论文结果部分的效应量，但该论文未提供标准差等)，也可以通过其他方法(如方程3)进行估计。
Cohen’s d的评价标准为：小效应(≥0.2且＜0.5)；中等效应(≥0.5且＜0.8)；大效应(≥0.8)。
其他学者也提出过其他的评价标准，但只是临界值略有不同，如临界值分别为0．15、0．4和0．75。
与Cohen’s d相类似的效应量还有Glass’s Delta(△)和Hedges ’s g。
Glass’s Delta是两组平均值之差除以第2组(或对照组)的标准差(方程4)。
心理学常用效应量的选用与分析
心理学常用效应量的选用与分析在心理学研究中，效应量是指某种干预或处理对研究对象产生的效果，通常以数量化的形式表示。
正确地选用和解析效应量对于心理学研究结论的可靠性具有重要意义。
本文将介绍一些常用的效应量及其选用方法，以期帮助读者更好地理解和应用心理学研究结果。
效应量定义：效应量是指某种干预或处理对研究对象产生的效果，通常以数量化的形式表示。
效应量特点：效应量具有客观性、量化性和可比较性。
客观性指效应量的值是真实存在的，不是主观臆断的；量化性指效应量以数值形式表示，可以进行数学运算；可比较性指不同研究中的效应量可以相互比较，从而评价研究之间的效果差异。
效应量应用：效应量在心理学研究中广泛应用于评估干预措施的效果、比较不同研究之间的效果差异、以及推断研究结果的可靠性和稳定性。
例如，在教育心理学中，效应量可以用来评估不同教学方法对学生学习成绩的影响；在临床心理学中，效应量可以用来评价不同心理疗法对抑郁症患者的疗效。
（1）研究问题：不同研究问题涉及的效应量可能不同。
例如，在探究情绪调节策略时，可能需要使用情绪调节效能感作为效应量；而在研究团队冲突解决策略时，可能需要使用团队冲突解决效能感作为效应量。
（2）研究设计：不同研究设计需要选用不同的效应量。
例如，实验研究和准实验研究通常选用平均差异、率等作为效应量；相关研究则通常选用相关系数、回归系数等作为效应量。
（3）数据特点：不同类型的数据特点需要选用不同的效应量。
例如，对于计数数据，通常选用平均数、率等作为效应量；对于等级数据，则可能需要选用秩和、等级相关系数等作为效应量。
选用优缺点评估（1）优点：选用正确的效应量可以有效评估研究效果，量化研究结果，方便不同研究之间的比较和分析。
同时，效应量的使用还可以提高研究的可靠性和稳定性，有利于推进心理学研究的进展。
（2）缺点：效应量的选用也可能存在一些缺点。
例如，不同研究者可能对效应量的选择存在主观性，从而导致研究结果之间的可比性降低。
心理学常用效应量
2
2.1
效应量的计算
差异类效应量 这类效应量一般用于实验研究 , 进行两组均
其中一组 , 一般是控制组 (Glass, 1976), 此时该组 的权重是 1。 特别地 , 假设要比较的是第 1 组和第 2 组的 差异。各组的样本容量分别为 n1 , n2 , L , nJ , 样本 均 值 分 别 为 y1 , y2 ,L , y J , 样 本 标 准 差 分 别 为
(6)
应和简单主效应 (Bird, 2004)。 例如 , 一个实验探讨小学生 “ 对文章内容的 不同预期对阅读理解的影响 ”, 有两个因素：因素 A—— 不同类型标题提示 , 有 2 个水平：正确提
不难看出 ,
⎡n + n − 2⎤ g=⎢ 1 2 ⎥ ⎣ n1 + n2 ⎦
(3) Glass 的 Δ 值
s1 , s2 , L , s J 。下面分别介绍上面三种方法对应的
效应量公式。 (1) Cohen 的 d 值 上面第一种方法对应的两组差异的效应量为 (2) d = ( y1 − y2 ) σ pooled
σ pooled
单因素实验设计时 , 均值的差异可以是两组比 较 , 也可以是多组比较 , 其一般形式为线性对比 (contrast, Keppel & Wickens, 2004; Kline, 2004; Bonett, 2008; 温忠麟, 2006)： ψ = c1μ1 + L + cJ μ J , 其中 J 是组数 , μi 表示第 i 组的均值 , i = 1, L, J , ci 是常数满足 c1 + L + cJ = 0 。均值差异是线性对比
值比较或多组均值比较。在两组均值比较的情况 下 , 最直观的是用两组的均值差值作为效应量。 但在心理学研究中 , 使用原始数据的均值差值作 为效应量会存在单位不统一、研究间效应量无法 比较的问题 , Cohen (1969)和 Glass (1976) 提出用 均值之差的标准化值替代原始均值差值 , 是差异 类效应量的基础。 2.1.1 单因素实验设计
心理学研究中的效应大小与统计功效的计算
心理学研究中的效应大小与统计功效的计算在心理学研究中，效应大小和统计功效是两个重要的概念。
效应大小是指研究中变量之间的差异程度，而统计功效则是指研究者能够检测到真实效应的概率。
正确计算和解释这两个概念对于心理学研究的可靠性和有效性至关重要。
一、效应大小在心理学研究中，效应大小是用来度量研究中的变量之间差异的指标。
常见的效应大小度量包括标准化效应大小（Cohen's d）、相关系数（r）和特征值（Eta-square）等。
1. 标准化效应大小（Cohen's d）标准化效应大小通常用于比较不同研究之间的结果。
标准化效应大小的计算需要知道两组数据的均值和标准差。
根据Cohen提出的分类标准，通常认为0.2为小效应、0.5为中等效应、0.8为大效应。
2. 相关系数（r）相关系数是用来衡量两个变量之间相关性强弱的度量。
相关系数的取值范围在-1到1之间，绝对值越接近1表示相关性越强。
3. 特征值（Eta-square）特征值是在方差分析（ANOVA）中用来度量组间变异与总变异之比例的指标。
特征值的取值范围在0到1之间，数值越大表示组间变异占总变异的比例越大，效应大小越大。
二、统计功效统计功效是指在给定样本大小和显著水平的条件下，可以检测到真实效应的概率。
统计功效与假阳性错误（Type I error）和假阴性错误（Type II error）相关。
统计功效的计算需要确定显著水平、样本大小、真实效应大小和统计方法。
一般来说，如果统计功效较高，表示研究中可以较容易地检测到真实效应。
通常认为统计功效大于0.80时为较好的功效，小于0.50时为较差的功效。
三、计算与解释要正确计算效应大小和统计功效，需要根据具体研究设计和所使用的统计方法选择合适的计算公式。
这些公式可以在心理学研究中的统计书籍、统计软件或在线统计工具中找到。
解释效应大小和统计功效时应注意，效应大小并不代表研究的现实意义，而只是一种数值度量。
心理学实验中的各种效应及解决办法
收稿日期:2008-03-10作者简介:莫 文(1967-),女,副教授,在读博士生,研究方向:基础心理学。
心理学实验中的各种效应及解决办法莫 文(广西师范大学教育科学学院,广西桂林 541004)摘要:对量表衰减效应(天花板效应和地板效应)、罗森塔尔效应(实验者效应)、霍桑效应(被试效应)、安慰剂效应、序列效应(系列位置效应和练习效应或疲劳效应)进行了分析,并针对各自特点提出了相应解决办法。
关 键 词:量表衰减效应;实验者效应;被试效应;安慰剂效应;序列效应中图分类号:G449;G642・423 文献标识码:A 文章编号:1672-4550(2008)06-0118-04Cert a i n Effects &Soluti ons i n Psychology ExperimentsMO W en(College of Educati on Science,Guangxi Nor mal University,Guilin 541004,China )Abstract:Certain effects including Scale A ttenuati on Effect,Robert Rosenthal Effect,Ha wthorne Effect,Placebo Effect and Se 2quence Effect are analyzed n the article 1Then s oluti ons t o each effect are p r ovided res pectively according t o their features 1Key words:scale attenuati on effect;r obert r osenthal effect;ha wthorne effect;p lacebo effect;sequence effect1 引 言实验心理学的研究致力于在一个领域里对若干因素进行操纵,以期发现另一领域的若干因素会如何变化。
心理效应大全
心理效应大全引言心理效应是指针对某种刺激或情境，个体在认知、情感和行为层面出现的心理反应。
心理效应的存在可以对个体的思维、情绪和行为产生积极或消极的影响。
本文将介绍一些常见且具有代表性的心理效应，希望能够帮助读者更好地理解自己和他人的心理反应，并在需要时能够应对和管理这些心理效应。
一、认知效应1. 选择支配效应（Choice Paradox）选择支配效应是指当面临过多的选择时，个体往往会感到焦虑和困惑，从而导致决策的困难。
这是因为选择的增多会增加个体对可选方案的比较和权衡，同时也会增加对自身决策的责任感。
在实际应用中，为了避免选择支配效应的影响，可以适当减少可选项的数量，或采用决策辅助工具来提供决策建议。
2. 归因偏差（Attribution Bias）归因偏差是指在解释他人行为时，个体往往会倾向于将其归因于个人特质，而忽视了外部因素的影响。
这种偏见会导致个体对他人行为的解释偏差，并可能引发与他人的不当争吵和冲突。
为了避免归因偏差的影响，我们应该更加客观地看待他人行为，并考虑到可能存在的外部因素。
3. 确证偏差（Confirmation Bias）确证偏差是指个体往往更愿意接受和记住与自己已有信念一致的信息，而忽视不一致的信息。
这种偏见可能导致个体对信息的选择性接受和理解，并且会加强个体已有的信念。
为了避免确证偏差的影响，我们应该保持开放的思维态度，主动寻找和接受不同观点的信息，并进行客观的分析和评估。
二、情感效应1. 赫布效应（Halo Effect）赫布效应是指个体对某人或某物的积极印象会影响对其其他方面的评价。
例如，如果一个人看起来外貌出色，我们会倾向于认为他的智力、品格等方面也很好。
赫布效应可能导致我们对某人或某物的评价偏颇，从而影响我们的决策和行为。
为了避免赫布效应的影响，我们应该在评价他人时，尽量客观地考虑各个方面的因素。
2. 情绪感染效应（Emotional Contagion）情绪感染效应是指个体在与他人交往时会受到他人情绪的影响，从而出现类似的情绪反应。
心理效应有哪些及解释
心理效应有哪些及解释在心理学领域中，心理效应（Psychological Effects）是指在人类或动物的心理过程中产生的各种反应或现象。
这些心理效应可以影响个体的认知、情绪和行为，通常是在特定条件下出现的。
下面将介绍几种常见的心理效应及其解释。
鲁棒性效应（Robustness Effect）鲁棒性效应指的是人们更愿意相信那些听起来更可信的信息，即便这些信息并没有充分的证据支持。
这种效应源于人们对信息的选择性接受和过滤。
当人们在面临信息过载或信息不完全的情况下，他们更倾向于采信那些符合他们原有观念或认知偏好的信息，而忽视那些相悖的信息。
这种倾向性会影响人们的决策和行为。
锚定效应（Anchoring Effect）锚定效应是指个体在进行评估或决策时，被最先获得的信息所影响，从而对后续信息产生的认知产生偏差。
一旦个体接受了一个“锚定值”，他们往往会以该值为基准来评价后续信息，导致对信息的理解和判断出现偏差。
这种效应在定价、谈判和风险评估等方面都有显著的影响，使得人们往往无法做出理性的决策。
羊群效应（Herd Mentality）羊群效应是指个体在面对不确定性和信息缺乏时，倾向于跟随大多数人的决策或行为，而不考虑自身的判断或价值观。
这种效应常见于金融市场、社交网络和购物行为中。
当人们感到不确定或无法做出决策时，他们会选择跟随大多数人的选择，以避免处于不利的位置。
锄头效应（Sunk Cost Fallacy）锄头效应是指个体由于之前的投入或成本，而持续投入更多资源，尽管这样做可能不是最理性的选择。
当人们感到之前的努力或资源已经“沉没”，他们往往会继续投入更多，以弥补之前的损失。
这种效应会导致人们做出不明智的决策，因为他们过于注重过去而忽视了当前的情况和选择。
可用性启发式（Availability Heuristic）可用性启发式是指人们在做出判断或决策时，更倾向于依赖那些记忆中更容易获取的信息。
也就是说，人们往往会高估那些经常出现在媒体或社交网络中的信息，而低估那些不太容易获取但更重要的信息。
常见心理效应解析与应用
社会认同理论：我们如何影响他人的行为
社会认同理论 是指我们会在 乎自己与他人 的社会关系， 从而影响我们
的பைடு நூலகம்为
01
• 社会认同理论认为，我们倾 向于模仿他人，尤其是与我们 相似的人
CREATE TOGETHER
DOCS
DOCS SMART CREATE
常见心理效应解析与应用
01
心理学基本概念与心理效应概述
心理学的定义及其研究范畴
心理学是一门研究人类心理活动和行为的科学
• 研究内容包括认知、情感、动机、人 格等 • 心理学的研究方法包括观察、实验、 调查等
心理学的研究范畴可以分为基础心理学 和应用心理学
如何避免心理效应的负面影响
• 避免心理效应负面影响的方法包括保持谦逊、多角度思考和加强 沟通
• 保持谦逊：如认识到自己的局限性，避免过度自信 • 多角度思考：如在做决策时，充分考虑不同角度的信息 • 加强沟通：如与团队成员保持良好沟通，避免误解和冲突
如何提高心理效应的积极作用
• 提高心理效应积极作用的方法包括自我反思、学习和实践和持续改进 • 自我反思：如定期反思自己的行为和决策，找出心理效应的影响 • 学习和实践：如学习和运用心理学理论，提高心理效应的积极作用 • 持续改进：如不断优化自己的思维和行为，提高心理效应的应用水平
• 基础心理学主要研究心理现象的基本 规律 • 应用心理学则将心理学理论应用于实 际问题
心理效应的定义与分类
心理效应是指心理现象在特定条件下产生的规律性反应
• 心理效应通常具有一定的普遍性和可预测性
心理学研究效应大小统计功效计算解析
心理学研究效应大小统计功效计算解析在心理学研究中，准确理解和应用效应大小（Effect Size）与统计功效（Statistical Power）的计算是至关重要的。
这两个概念不仅对于研究结果的解读和评估具有关键意义，还能为研究设计的优化提供有力的依据。
首先，让我们来搞清楚什么是效应大小。
简单来说，效应大小就是衡量两个或多个组之间差异程度的一个指标。
比如说，我们研究一种新的教学方法是否能提高学生的考试成绩，那么通过比较使用新方法和传统方法的学生成绩差异，这个差异的大小就是效应大小。
常见的效应大小指标包括Cohen's d、η² 等。
Cohen's d 主要用于衡量两组均值之间的差异。
假设我们有两组数据，一组是控制组的成绩，另一组是实验组（使用新教学方法）的成绩。
通过计算两组均值之差除以合并标准差，就能得到 Cohen's d 值。
这个值越大，说明两组之间的差异越显著。
η² 则常用于方差分析中，它表示由某个因素引起的方差占总方差的比例。
例如，在研究不同学习环境对学生注意力的影响时，如果η² 较大，就意味着学习环境这个因素对学生注意力的影响较为明显。
接下来，再谈谈统计功效。
统计功效可以理解为当确实存在差异（即效应存在）时，我们能够正确检测到这种差异的概率。
想象一下，假如我们进行一项实验，实际上新的治疗方法是有效的，但由于样本量太小或者其他因素，导致我们没有检测到这种效果，这就是统计功效不足。
统计功效的高低受到多个因素的影响。
其中，最主要的因素包括效应大小、样本量、显著性水平（α）和检验类型。
效应大小越大，统计功效就越高。
这就好比差异越明显，我们越容易发现它。
样本量越大，统计功效也会增加。
因为更多的数据能提供更准确的信息，减少抽样误差的影响。
显著性水平通常设定为 005，如果我们把这个标准放宽松，比如设定为 01，统计功效会提高，但同时犯第一类错误（即错误地拒绝了真的零假设）的概率也会增加。
常用心理量表简介及适用范围
目录一、心理健康 (1)二、人格特点 (7)三、能力兴趣 (18)四、临床诊断 (21)五、学习 (25)六、社交 (29)七、自我 (32)八、生活应激 (34)一、心理健康心理健康水平会影响个体的学习、生活、人际关系等诸多方面。
此类量表可用于鉴别心理处于边缘或异常状态的个体，以及早发现问题，及时进行帮助和治疗。
测评项目1\症状自评量表（SCL90）SCL90有90个项目，包括较广泛的精神症状学内容，从感觉、情感、思维、意识、行为直到生活习惯、人际关系、饮食睡眠等，要求受试者根据自己的实际情况就有无该症状做评定。
它主要应用于临床研究、心理咨询、精神科门诊，对有心理症状（即有可能处于心理障碍或心理障碍边缘）的人有良好的区分能力。
适用于测查某人群中哪些人可能有心理障碍、某人可能有何种心理障碍及其严重程度如何。
该量表测的是个人某段时间内的症状水平，往往易受生活事件的影响。
该量表测得受试者在9个方面的分数，称为因子分。
因子名称为：(1)躯体化：反映主观的躯体不适感。
(2)强迫症状：反映临床上的强迫症状群。
(3)人际关系敏感：反映个人的不自在感和自卑感。
(4)抑郁：反映与临床上的抑郁症状群相联系的行为表现。
(5)焦虑：反映与临床上焦虑症状相联系的精神症状及体验。
(6)敌对：从思维、情感及行为三个方面反应受试者的敌对表现。
(7)恐怖：反映传统的恐怖状态或恐怖症的内容。
(8)偏执：指猜疑和关系妄想等。
(9)精神病性：反映精神分裂样症状项目。
该量表使用简便，测查角度全面。
它对有可能处于心理障碍边缘的人有良好的区分能力，适用于测查人群中哪些人可能有心理障碍、有何种心理障碍及其严重程度如何。
在临床上常常作为诊断参考，也可以用作初级的筛查工具。
2\儿童行为量表（CBCL）儿童行为量表（家长用）最初由美国心理学家Achenbach T. M. 等在1970年编制，后来得到了更大的发展。
该量表用于测查4～16岁儿童的社会能力和行为问题，由家长根据孩子半年内的情况作出分级评定。
心理学常用效应量的选用与分析
摘 要 效应量在量化方面弥补了零假设检验的不足。除了报告检验结果外, 许多期刊还要求在研究报告中 包括效应量。效应量可以分为三大类别：差异类、相关类和组重叠类, 它们在不同的研究设计(如单因素和多 因素被试间、被试内和混合实验设计)或在不同的数据条件下(如小样本、方差异质等)可能有不同的计算方法 和用法, 但许多效应量可以相互转换。我们梳理出一个表格有助应用工作者根据研究目的和研究类型选用合 适的效应量。 关键词 效应量; 差异; 相关; 组重叠 分类号 B841.2
(2) Hedges 的 g 值 上面第二种方法对应的两组差异的效应量为
g = ( y1 − y2 ) s pooled
(4)
就是 Hedges (1981)的 g 值, 其中 spooled 是所有组的 混合标准差, 即单因素方差分析中的误差均方
(MSE)：
1
s pooled
=
⎡ ⎢ ⎢⎣
(n1 −1)s12 (n1 −1)
2 效应量的计算
2.1 差异类效应量
这类效应量一般用于实验研究, 进行两组均
值比较或多组均值比较。在两组均值比较的情况
下, 最直观的是用两组的均值差值作为效应量。
但在心理学研究中, 使用原始数据的均值差值作
为效应量会存在单位不统一、研究间效应量无法
比较的问题, Cohen (1969)和 Glass (1976)提出用
制组的标准差作为分母并非唯一的选择, 研究者
可以根据实际需要去选择一种认为最重要的组的
标 准 差 作 为 线 性 对 比 的 分 母 (Glass, McGaw, & Smith, 1981)。
上述三种效应量在大样本研究时一般相差很
小(Rosnow & Rosenthal, 2003)。对于小样本, d 会
心理学常用效应量的选用与分析
因素和多因素 ) 、实验设计类型 ( 被试内、被试间 和混合实验设计 ) 以及数据条件 ( 如是否同质及样 本大小等 ) 。
第 12 期
郑昊敏等 : 心理学常用效应量的选用与分析 表1
1869
效应量分类
子 类
类
别 Cohen 的 d 值 , Glass 的 值和 Hedge 的 g 值
差异类 相关类 组重叠
2
组样本方差的 “ 加权 ” 平均来估计 , “ 加权 ” 的方法 主要有下面三种 , 每一种都相应地产生一种效应 量计算公式： (1) 只 用 要 比 较 的 组 来 “ 加 权 ” 计 算 (Cohen, 1969)。 (2) 当方差同质假设成立时 , 实验设计条件下 所有的组都用来加权计算 (Hedges, 1981)。 (3) 当方差同质假设不成立时 , 只用所有组的
11)和误导提示 (a2); 因素 B—— 阅读速度 , 有 2 个水平：快速阅读 (b1), 常速阅读 (b2)。因变量 是阅读理解成绩 y。 有 4 个水平组合 , 即有 4 个实 验处理： a1b1, a1b 2, a 2b1, a 2b 2 。如果研究目的是 比较不同的提示类型的差异 ( 即对因素 A 的主效 应感兴趣 ), 用线性对比表示为：
s1 , s2 , , s J 。下面分别介绍上面三种方法对应的
效应量公式。 (1) Cohen 的 d 值 上面第一种方法对应的两组差异的效应量为 (2) d ( y1 y2 ) pooled
pooled
单因素实验设计时 , 均值的差异可以是两组比 较 , 也可以是多组比较 , 其一般形式为线性对比 (contrast, Keppel & Wickens, 2004; Kline, 2004;
心理学研究效应大小统计功效计算解读
心理学研究效应大小统计功效计算解读在心理学研究中，效应大小和统计功效计算是非常重要的概念。
它们不仅有助于我们更准确地理解研究结果，还能为后续的研究设计提供有力的指导。
接下来，让我们一起深入探讨一下这两个关键概念。
首先，什么是效应大小呢？简单来说，效应大小就是衡量两个或多个组之间差异程度的一个指标。
比如说，我们想研究一种新的教学方法是否能提高学生的学习成绩，那么成绩提高的幅度就是效应大小。
效应大小可以帮助我们判断这种差异是微不足道的，还是具有实际意义的。
常见的效应大小指标有很多种，比如 Cohen's d、r 等。
Cohen's d 通常用于比较两组的均值差异，而 r 则用于衡量两个变量之间的相关性。
以 Cohen's d 为例，如果 d ＝ 02 被认为是小效应，05 是中等效应，08 及以上则是大效应。
这就像是我们用尺子去测量差异的大小，不同的数值范围代表着不同程度的差异。
那么为什么要关注效应大小呢？想象一下，如果我们只看统计检验的结果（比如 p 值），得出了“有显著差异”的结论，但却不知道这个差异到底有多大，这对于实际应用和理论发展的帮助是有限的。
效应大小能够让我们更直观地了解研究结果的实际意义。
比如，一种药物可能在统计上显著地降低了血压，但如果降低的幅度非常小，可能在临床上就不具有太大的价值。
接下来，我们谈谈统计功效。
统计功效可以理解为当实际存在差异时，我们能够正确地检测到这种差异的概率。
比如说，如果一种新的治疗方法确实有效，但由于我们的研究设计或者样本量等原因，没有检测到这个效果，这就是统计功效不足。
统计功效受到多个因素的影响，其中最重要的两个因素是效应大小和样本量。
效应大小越大，越容易检测到差异，统计功效也就越高；样本量越大，数据的稳定性和代表性就越好，同样能提高统计功效。
举个例子，如果我们想研究一种心理疗法对抑郁症患者症状的改善效果，假设这种疗法确实能带来中等程度的改善（效应大小为 05），如果我们的样本量很小，比如只有 10 个患者，那么很可能因为样本的随机性和不稳定性，导致我们无法检测到这个真实的效果。
十大心理学效应教材
十大心理学效应教材1. 鲁棒性效应（Von Restorff效应）鲁棒性效应，也被称为Von Restorff效应，是指在一组相似的物品或信息中，与其他成员不同的成员更加容易被人们记忆。
这种差异化在学习和记忆过程中起到重要的作用。
2. 突显效应（Salience）突显效应是指人们对于明显或突出的刺激更易于注意和注意到，并对其给予更高的重视。
这与周围环境中的其他刺激相比，突显效应帮助人们在众多信息中进行注意选择。
3. 倾向性效应（Confirmation Bias）倾向性效应是指人们对于与自身已有信念或观点一致的信息更易于接受和采纳，而对于与之相反的信息更易于忽视或拒绝。
这种偏见可能导致人们在决策和评估中出现错误。
4. 欠渡性效应（Spacing Effect）欠渡性效应是指通过将学习材料分散安排在一段时间内，比集中连续学习效果更好的现象。
这意味着在学习和记忆中，间隔和重复的安排比连续和短期的学习更有利于信息的保持和巩固。
5. 行为一致性效应（Foot-in-the-Door Effect）行为一致性效应是指一旦人们完成了一项小的任务或采取了一个小的行为，他们更有可能继续做出更大的行为或更强烈的认同。
这种心理学效应可以用于推动人们采取积极的行动或接受某种观点。
6. 社会认同效应（Social Identity Theory）社会认同效应是指个体倾向于将自己的身份与某个群体或社会团体联系起来，并将自己与该群体的其他成员区别开来。
这种效应使得人们更愿意接受与自身身份相关的信息和观点。
7. 锚定效应（Anchoring Effect）锚定效应是指在做出决策或评估时，人们受到最初的数字、信息或观点的影响，从而以这个初始值为基准进行思考和决策。
这种心理学效应可能导致人们在评估风险、价值或概率时出现偏见。
8. 序列效应（Serial Position Effect）序列效应是指在记忆和回忆中，人们更容易记住和回忆一个列表或序列中的开始和结束部分，而容易忽略中间部分的信息。
十四种心理效应解析
十四种心理效应解析在人类行为心理学中，有许多心理效应可以影响人们的思考和决策。
这些心理效应常常是潜意识的，难以察觉，但却能对人类的行为和选择产生深远的影响。
在本文中，我们将介绍十四种心理效应，并解析它们为什么对我们的决策有影响。
1. 选择支持反应效应选择支持反应效应是指，我们会更倾向于选择支持我们原有观点的证据，而忽略不支持我们观点的证据。
这是因为我们更相信与我们自己相同的人或意见。
2. 客观控制幻觉客观控制幻觉是指，我们往往高估自己对于事情的掌控能力。
这种幻觉让我们对于失败更加不适应，并会导致我们过分自信，以至于会忽略如今风险。
3. 后效应后效应是指，我们更容易记住最后发生的事情，而不是整体的经验或事实。
这种效应在许多决策中都非常重要，因为记忆对历史和瞬间决策都是至关重要的。
4. 高峰效应高峰效应是指，我们会过度强调和记忆生活中的‘高峰’或亮点，而忽略平凡的时刻。
这种效应在回忆自己的经验时很常见，因此我们往往选择过分关注微小的元素，而忽视大的趋势和实质。
5. 决策疲劳效应决策疲劳效应是指，在进行一系列决策之后，我们会感到疲惫不振，进而做出不则理智的决策，这一现象是由人类的大脑疲劳和耗尽决策资源导致的。
6. 从众效应从众效应是指，人们往往倾向于跟随他们所属的群体，即使这种行为与他们的个人信念并不一致。
这是由于大多数人都想被接受，特别是在社交环境中，在不同情况下而表现出的群体行为不同。
7. 群体极化效应群体极化效应是指，当一个群体讨论一件事情时，他们倾向于更加极端的观点。
这是因为群体中的个体会从其他人那里得到认可，进而表现得更加明确或表达出他们的个性或立场。
8. 不确定性避免效应不确定性避免效应是指，我们往往会更愿意选择更加可预测和稳定的结果，而不是放手赌一把。
这是人类趋向稳定和规律性的本质表现。
9. 经验损失效应经验损失效应是指，当我们有一些不好的经验时，我们倾向于去避免相关的事情，即使这样我们也可能错过一些机会。
效应量的意义及测定方法
效应量的意义及测定方法效应量是指研究中不同变量之间的实际差异大小。
通过测定效应量，我们可以更好地理解变量之间的关系及其重要性。
在量化研究中，效应量是评估统计显著性结果的一种方法，它有助于研究者确定研究结果的实际意义，并支持研究者做出相关决策。
效应量的意义是衡量研究者所关注的变量之间的差异。
传统上，研究者主要关注的是统计显著性，即确定变量之间是否存在差异。
然而，统计显著性只是表明差异不是由随机误差引起的，并不能直接说明差异的实际意义。
效应量为研究者提供了一种更加准确的衡量变量差异的方法，它可以回答“差异的大小有多大？”这个问题。
测定效应量的方法有多种。
下面将介绍常用的几种方法：1.直接差异比较法：直接比较两组（或多组）的相关指标，例如均值或百分比。
例如，在比较两个治疗方法效果时，可以计算两组的平均值差异，然后除以标准差，得到标准化的效应量。
2.标准化差异指数法：通过将差异指数除以所考虑的指标的标准差来标准化差异。
这种方法适用于研究中使用了不同的测量工具或评估尺度。
3.相关系数法：计算不同变量之间的相关系数，例如皮尔逊相关系数。
相关系数可以报告两个变量之间的关联程度，可以是正相关、负相关或无相关。
4.风险比例法：适用于评估两组之间的风险差异，如治疗组和对照组之间的风险比例。
通过计算风险比例，可以确定治疗方法对风险的影响程度。
5.抽样分布法：通过模拟来估计效应量。
研究者可以根据已有数据的模型假设来生成模拟数据，然后计算模拟数据中的效应量。
需要注意的是，不同的研究设计和研究领域可能需要不同的效应量测定方法。
研究者应根据具体情况选择合适的方法，并确保所选方法与研究问题一致。
效应量的意义在于帮助研究者理解变量差异的大小，支持研究者做出相关决策。
比较不同治疗方法的效应量可以帮助医学研究者确定哪种治疗方法更为有效。
比较不同教育干预措施的效应量可以帮助教育研究者确定哪种干预措施更能提高学生的学习成绩。
测定效应量可以增加研究的实用性和可解释性，有助于研究结果更好地应用到实践中。
心理学研究效应大小统计功效计算论述
心理学研究效应大小统计功效计算论述在心理学研究中，效应大小和统计功效的计算是至关重要的环节。
它们不仅能够帮助研究者更准确地评估研究结果的实际意义，还能在研究设计阶段就为研究的有效性和可靠性提供有力的保障。
首先，让我们来理解一下什么是效应大小。
简单来说，效应大小是对研究中所观察到的差异或关系的量化描述。
比如，在比较两组实验对象的成绩差异时，效应大小可以告诉我们这个差异的程度究竟有多大。
如果只是说两组成绩有差异，却不知道差异的大小，那我们对研究结果的理解就会相当模糊。
常见的效应大小指标包括 Cohen's d、r 等。
以 Cohen's d 为例，它衡量的是两组平均数之间的标准化差异。
假设我们研究一种新的教学方法对学生成绩的影响，实验组和对照组的平均成绩分别为 85 分和 75 分，标准差为 10 分。
那么，Cohen's d ＝（85 75）／ 10 ＝ 1。
一般认为，d ＝ 02 是小效应，05 是中等效应，08 及以上是大效应。
所以在这个例子中，效应大小为 1，可以认为这种新的教学方法产生了较大的效果。
接下来，我们再谈谈统计功效。
统计功效指的是当研究中确实存在效应时，能够正确检测到这个效应的概率。
想象一下，假如真实情况是某种心理治疗方法对患者的症状有改善作用，但由于我们的研究设计和统计分析能力不足，导致没有检测到这个效果，这就会是一个很遗憾的错误。
统计功效受到多个因素的影响，其中最重要的几个因素包括样本量、效应大小、显著性水平（通常设定为 005）和统计检验的类型。
样本量越大，统计功效通常越高；效应大小越大，越容易被检测到，统计功效也就越高；显著性水平越低，要求越严格，统计功效相应会降低；不同的统计检验方法，其检测效应的能力也有所不同。
在实际研究中，为什么要重视效应大小和统计功效的计算呢？一方面，它可以帮助我们更全面地评估研究结果。
如果一个研究仅仅报告了统计学上的显著性，而没有报告效应大小，我们很难判断这个结果的实际意义。
量表的效应量
量表的效应量
一、效应量概述
效应量是评估研究效应大小的一个指标，它能够提供关于研究结果的质量和可信度的信息。
在心理学术语中，效应量是一个用于
衡量实验组与对照组之间差异的统计指标，通常用平均数差、比率差、比值差等来表示。
在教育测量中，效应量通常用于评估教学干
预的效果、评估学生学习进步等。
二、效应量的作用
效应量在教育测量中具有重要的作用，它可以帮助我们：
1. 确定干预措施的效果：通过比较实验组和控制组的效应量，可以评估干预措施的效果，从而为教育决策提供依据。
2. 量化差异：效应量可以量化实验组与对照组之间的差异，帮助我们更好地
理解教学干预或学生进步的效果。
3. 评估研究质量：效应量可以
作为评估研究质量的一个指标，帮助我们识别出哪些研究结果更可靠、更有说服力。
三、如何计算效应量
效应量的计算方法因研究类型和测量工具而异。
在教育测量中，常用的效应量计算方法包括平均数差、比率差和比值差等。
例如，
如果我们使用问卷调查来评估学生的学习成绩，那么可以通过比较实验组和控制组的平均分数来计算平均数差效应量。
此外，我们还可以使用相关系数、方差比等统计指标来计算其他类型的效应量。
四、应用与建议
在实际应用中，效应量可以用于评估教学干预的效果、评估学生的学习进步、比较不同干预措施的效果等。
同时，我们也应该注意效应量的局限性，如受到测量误差和样本选择的影响。
因此，在应用效应量时，我们应该综合考虑其他研究方法和技术，以确保研究的可靠性和有效性。
以上就是关于量表的效应量的介绍，希望对您有所帮助。
心理学主要实验效应知识点总结
心理学主要实验效应知识点总结心理学实验是通过科学方法来研究心理现象和行为的重要手段。
在心理学实验中，研究者经常关注不同的实验效应，这些效应提供了有关人类认知、情绪和行为的重要信息。
本文将总结心理学主要实验效应的知识点。
1. 巨量效应巨量效应指的是当人们面临大量信息时，很难有效地处理和记忆这些信息。
这种效应可以解释为，人类的工作记忆容量有限，超出了其容量限制的信息会被遗忘或混淆。
例如，在一个记忆实验中，研究者通过呈现大量数字给参与者，发现他们只能记忆其中一小部分数字，而其他数字则容易被遗忘。
2. 情境依存效应情境依存效应指的是人们的记忆和行为受到所处情境的影响。
在不同的情境中，人们的行为和判断会发生变化。
例如，一个实验中，研究者要求参与者根据不同的背景颜色选择颜色方块，发现参与者的选择会受到背景颜色的影响，他们更容易选择与背景颜色相同的方块。
3. 原型效应原型效应是指当人们对某个类别的成员进行判断时，会倾向于根据该类别的典型特征进行评价。
即使一些成员不符合典型特征，他们也可能被归类到该类别中。
例如，在一个实验中，研究者要求参与者根据一系列面孔判断他们是否是“好人”，发现面孔的吸引力与被认为是“好人”的概率有关。
4. 填充效应填充效应是人们倾向于在信息不完整的情况下补全所缺失的信息。
这种效应可能导致人们对于不完整的信息做出错误的判断。
例如，在一个视觉实验中，研究者只让参与者看到物体的一部分，然后要求他们预测完整物体的形状，发现参与者往往会根据已有信息补全缺失的部分，即使这个补全与实际形状不符。
5. 灯塔效应灯塔效应指的是人们在寻找目标时，会受到周围突出的信息的干扰。
即使该信息与目标无关，人们也可能将其误认为目标。
例如，在一个注意力实验中，研究者要求参与者在一个图像中找到目标物体，发现当图像中有一个突出的物体时，参与者更容易将该突出物体误认为目标。
以上只是心理学实验中的一小部分实验效应，心理学领域还有许多其他的实验效应值得探索和研究。
效应量指标
效应量指标效应量指标是在实证研究中常用的统计指标，用于衡量实验或调查结果的显著程度和实际意义。
它可以帮助研究者评估所研究的变量之间的关系强度，同时也可以帮助读者了解研究结果的可靠性和实际应用价值。
本文将介绍效应量指标的定义、计算方法以及应用领域。
一、效应量指标的定义效应量指标是用于衡量自变量对因变量产生的影响大小的统计指标。
它可以帮助我们了解研究中所观察到的差异或关联的程度，进而判断这些差异或关联是否具有实际意义。
通常，效应量指标越大，说明自变量对因变量的影响越显著。
常见的效应量指标有很多种，下面介绍两种常用的计算方法。
1. 标准化均值差（Standardized Mean Difference，简称SMD）：SMD是一种常用于比较两个群体或条件间差异的效应量指标。
它通过计算两个群体或条件间的均值差异，并将其标准化，使得不同研究结果具有可比性。
SMD的计算公式为：SMD=(M1-M2)/SD，其中M1和M2分别为两个群体或条件的均值，SD为它们的标准差。
2. 相关系数（Correlation Coefficient）：相关系数用于衡量两个变量之间的线性关系强度。
它的取值范围在-1到1之间，绝对值越接近1，说明两个变量之间的关系越强。
常用的相关系数有皮尔逊相关系数和斯皮尔曼相关系数。
三、效应量指标的应用领域效应量指标在各个学科领域都有广泛的应用。
以下是一些常见的应用领域：1. 医学研究：在药物疗效评估和临床试验中，效应量指标可以帮助研究者评估不同治疗方案的效果大小，从而确定最佳治疗方案。
2. 教育研究：在教育实验和评估中，效应量指标可以帮助研究者评估不同教育干预措施对学生学习成绩的影响程度，从而确定最有效的教学方法。
3. 心理学研究：在心理学实验和调查研究中，效应量指标可以帮助研究者评估不同心理因素对行为或心理状态的影响大小，从而揭示心理学的规律。
4. 社会科学研究：在社会科学实证研究中，效应量指标可以帮助研究者评估不同社会因素对个体或群体行为的影响程度，从而提供科学依据支持社会政策的制定。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(2) Hedges 的 g 值 上面第二种方法对应的两组差异的效应量为
g = ( y1 − y2 ) s pooled
(4)
就是 Hedges (1981)的 g 值, 其中 spooled 是所有组的 混合标准差, 即单因素方差分析中的误差均方
(MSE)：
1
s pooled
=
⎡ ⎢ ⎢⎣
(n1 −1)s12 (n1 −1)
1 2
( ya1b1
+
ya1b2 )
−
1 2
( ya2b1
+
ya2b2 )
(9)
其中 ya1b1 表示处理 a1b1 上的得分均值, 其余符 号类推。如果研究目的是比较不同阅读速度的差
异(即对因素 B 的主效应感兴趣), 用线性对比表
示为：
1 2
( ya1b1
+
ya 2b1 )
−
1 2
( ya1b2
2 效应量的计算
2.1 差异类效应量
这类效应量一般用于实验研究, 进行两组均
值比较或多组均值比较。在两组均值比较的情况
下, 最直观的是用两组的均值差值作为效应量。
但在心理学研究中, 使用原始数据的均值差值作
为效应量会存在单位不统一、研究间效应量无法
比较的问题, Cohen (1969)和 Glass (1976)提出用
子
类
Cohen 的 d 值, Glass 的Δ值和 Hedge 的 g 值 r、rpb、rb、requivalent, ϕ及 Cramer 的 V 系数等基于χ2 统计量的相关系数等; 方差比 f2, R2, η2, ω2, ε2; 以及 ralerting, reffectsize, rcontrast 等 Improvement-Over-Chance index, 简称 I 效应量
摘 要 效应量在量化方面弥补了零假设检验的不足。除了报告检验结果外, 许多期刊还要求在研究报告中 包括效应量。效应量可以分为三大类别：差异类、相关类和组重叠类, 它们在不同的研究设计(如单因素和多 因素被试间、被试内和混合实验设计)或在不同的数据条件下(如小样本、方差异质等)可能有不同的计算方法 和用法, 但许多效应量可以相互转换。我们梳理出一个表格有助应用工作者根据研究目的和研究类型选用合 适的效应量。 关键词 效应量; 差异; 相关; 组重叠 分类号 B841.2
示(a1)和误导提示(a2); 因素 B—— 阅读速度, 有
2 个水平：快速阅读(b1), 常速阅读(b2)。因变量
是阅读理解成绩 y。有 4 个水平组合, 即有 4 个实
验处理：a1b1, a1b2, a2b1, a2b2 。如果研究目的是
比较不同的提示类型的差异(即对因素 A 的主效
应感兴趣), 用线性对比表示为：
的特殊情形, 如实验组 a、b 和控制组 c 的均值差
异为
1 2
(μa
+
μb
)
−
μc
,
不同实验处理组的均值差
异 μa − μb 。
线 性 对 比 的 效 应 量 定 义 为 ( 见 Olejnik &
Algina, 2000)
δ =ψ σ
(1)
分母σ 是混合标准差(pooled standard deviation)。
效应量公式。
(1) Cohen 的 d 值
上面第一种方法对应的两组差异的效应量为
d = ( y1 − y2 ) σ pooled
(2)
1
σ pooled
=
⎡ ⎢ ⎢⎣
(n1
− 1) s12 n1
+ +
(n2 n2
−
1)s22
⎤ ⎥ ⎥⎦
2
(3)
就是 Cohen (1969)的 d 值。 Cohen 的 d 有两种解释。一是实验组均值位
均值之差的标准化值替代原始均值差值, 是差异
类效应量的基础。
2.1.1 单因素实验设计
单因素实验设计时, 均值的差异可以是两组比
较, 也可以是多组比较, 其一般形式为线性对比
(contrast, Keppel & Wickens, 2004; Kline, 2004;
Bonett, 2008; 温忠麟, 2006)：ψ = c1μ1 + L + cJ μJ , 其中 J 是组数, μi 表示第 i 组的均值, i = 1,L, J , ci 是常数满足 c1 + L + cJ = 0 。均值差异是线性对比
+
ya2b2 )
下面分类介绍不同研究对应的效应量及其 具体计算方法, 同时考虑其中的自变量个数(单 因素和多因素)、实验设计类型(被试内、被试间 和混合实验设计)以及数据条件(如是否同质及样 本大小等)。
1868
第 12 期
郑昊敏等: 心理学常用效应量的选用与分析
1869
类别 差异类 相关类
组重叠
表 1 效应量分类
所有的组都用来加权计算(Hedges, 1981)。
(3)当方差同质假设不成立时, 只用所有组的
其中一组, 一般是控制组(Glass, 1976), 此时该组
的权重是 1。
特别地, 假设要比较的是第 1 组和第 2 组的
差异。各组的样本容量分别为 n1, n2 ,L, nJ , 样本 均 值 分 别 为 y1, y2 ,L, yJ , 样 本 标 准 差 分 别 为 s1, s2 ,L, sJ 。下面分别介绍上面三种方法对应的
+L +L
+ +
(nJ (nJ
− −
1)sJ2 1)
⎤ ⎥ ⎥⎦
2
(5)
1870
心 理科学进展
第 19 卷
应用中最常见的是实验组控制组两组比较
(即 J＝2), 此时
1
s pooled
=
⎡ ⎢ ⎢⎣
(n1
− 1) s12 n1 +
+ (n2 −1)s22 n2 − 2
⎤ ⎥ ⎥⎦
2
(6)
不难看出,
1
用各组的样本均值代替各组的总体均值, 就可以
估计Ψ, 问题是如何估计σ。混合方差σ2 通常用各
组样本方差的“加权”平均来估计, “加权”的方法
主要有下面三种, 每一种都相应地产生一种效应
量计算公式：
(1)只 用 要 比 较 的 组 来 “加 权 ”计 算 (Cohen,
1969)。
(2)当方差同质假设成立时, 实验设计条件下
文献上出现过的效应量种类繁多, 本文按效 应 量 的 统 计 意 义 将 其 分 成 如 下 三 类 ： (1) 差 异 类 (difference-type), (2)相关类(correlation-type ), (3) 组重叠(group-overlap), 详见表 1。
文献上关于效应量的分类不尽一致, 大多数 研究把差异类、相关类和方差比效应量归为三大 类。但仔细分析可以发现, 方差比效应量(如 R2、 η2、ω2、ε2)与相关大小有关, 可以归为相关类。 以往的研究中较少提及组重叠类效应量, 考虑到 一些数据条件的限制(如总体非正态、方差不同质 等), 同时它具有差异类和相关类效应量所有和所没 有的优点, 所以把组重叠类效应量单独作为一类。
严重高估δ, Hedges 和 Olkin (1985)提出用 c(m)=
1− 3 来校正 4m −1
d
(其中 m = n1 + n2 − 2 ),
也用
来校正 Δ (其中 m =验设计
即使是比较同样两组均值的差异, 不同的实
验设计也会有不同的效应量, 因为效应量衡量的
是不同的实验设计的效应而不是结果的差异大小,
标准化均值差异在多因素实验设计时比在单因素
实验设计时会更大(Olejnik & Algina, 2000), 因此 有必要针对不同的实验设计区分不同的效应量计
算方法。
多因素实验设计中的差异比较, 归根结底还 是组之间的差异比较, 这里所说的组是基于实验 处理的分组。如所知, 所谓实验处理, 是不同因素
g
=
⎡ ⎢ ⎣
n1 + n1
n2 − + n2
2⎤ ⎥ ⎦
2
d
(7)
(3) Glass 的 Δ 值 由上面第三种方法可以得到两组差异的一个
效应量为
Δ = ( y1 − y2 ) s2
(8)
称为 Glass 的 Δ 值。
对于常见的实验组控制组两组比较, 通常用
控制组的标准差作为 Δ 值的分母。一般在有明显
的控制组存在且控制组的样本容量比较大, 以及
实验组与控制组的条件差异比较大时才会使用 Δ
值(Rosenthal, 1991)。因为实验组的均值和标准差
会受到实验处理的影响, 但控制组的标准差却不
会, 因此它更能代表总体标准差(Vacha-Haase &
Thompson, 2004)。不过, 当方差不同质时, 把控
量有以下几个好处(Ruscio, 2008)：区分统计显著 性和实际显著性(Kirk, 1996); 通过元分析方法累 计或比较以往研究结果(Hunter & Schmidt, 2004); 估计统计检验力(Cohen, 1988)。效应量与研究设 计和研究目的有关, 它可以是任何我们感兴趣的 量的大小, 可以涉及单变量、双变量和多变量。 如我们熟悉的均值、均值的差异、中位数、相关 系数、频率、回归的斜率以及方差的比例等(Lipsey & Wilson, 2000)。
针对零假设检验存在的不足, 一些国际期刊 要求在报告检验结果的同时还要报告效应量 (effect size)。效应量在心理学研究中受到重视, 国 际上已经有许多关注效应量的研究(例如, Wilkinson & Task Force on Statistical Inference, 1999; APA, 2001; Rosnow & Rosenthal, 2003, 2009)。国内关于 效应量的研究还不多, 但已有学者认识到了统计 检验力和效应量大小的计算方法问题的重要性。 胡竹菁(2010)以平均数差异显著性检验为例, 具 体介绍了在对实验数据进行假设检验后, 如何对 统计检验力和效应量大小进行估计。吴艳和温忠 麟 (2011) 给 出 了 一 个 与 零 假 设 检 验 有 关 的 统 计 分 析流程, 其中涉及何时需要估计效应量。但如何 选用合适的效应量并作出估计, 还是一个问题。 本文对效应量进行分类, 针对不同的研究目的和 研究设计, 介绍效应量的计算方法。