读书笔记系列（2）——《人格心理学》人格研究带来的启示

阅读到第二章 ”人格研究方法“的时候，我突然意识到心理学到底在干嘛，她一直在致力于描述、解释、预测和影响人的行为。我想厉害的心理学家会不会像夏洛克一样，有极强的洞察力。

至于本章讲述的研究方法，给我在生活中看到的那些“心理学文章”描述的一些现象和理论有了更加辩证的思路。当专家描述了一个结论的时候，应该有自己的判断力，这个结论是否正确并且适用的场景有哪些。这不仅适用于心理学，可能我们想科学的验证一些理论都可以借鉴类似的方法。

一、假设—检验方法

基于理论，提出预测，进行检验。这和我们平时在互联网应用中验证产品方法和策略的方式一致。

假设-检验法举例

通过最后自变量和因变量的相关性得出可能的结论，与之不同的是心理学中的自变量并不是那么好操控的，操控的自变量可能会将大量被试均分，以减小最初他们的差异带来的误查，从而引进新的变量。非操控的自变量 一开始直接根据被试者的不同确定变量，比如刚开始就把被试者分为高自尊和低自尊，从而去实验，但是这种变量无法去控制其它变量因素，比如高自尊的人可能更为聪明。所以一般研究者更为倾向于操控的自变量。

事前预测与事后解释：验证一个理论是否是否合理，应基于事前的预测，而不是事后对于结果给出解释。两者天差地别。心理学家对已经固有的理论也应保持严谨的态度，有时可以进行重复研究。

二、个案研究法

个案研究的价值我就不赘述了，简要概括一下他的局限和优缺点。在生活中的指导当我们看到一些个例时，是否也可以给我们一些新的启示。

局限：对少数人进行行为考察不能代表整个人群而导致偏差、难以确定因果关系、研究者的主观判断常常会妨碍科学的客观性。优点：考察一些罕见的个案、当研究者认为他们考察的个体在所要考察的维度与正常人没有本质的差别、在说明一种治疗方法的时候、研究者可能只是为了证明一些可能性而采用个案方法。

三、数据统计分析

实实在在的数据有时很具有说服力，特别是在这个大数据时代，通过AB测试和数据结果去对比差异也是惯用的方法，值得注意的是，统计的显著性问题，比如A组数的平均数只比B组数的平均数少一点点，如何确认这是偶然还是具有相关性。当然如果数据量庞大，较小的差异也可能具有统计显著性。另外值得注意的是，相关系数，当我们发现两者之间有相关关系时，可以通过相关系数（-1，1）去表现相关性的程度大小。

四、人格评价

人格评价就是我们平时做的各种各样的心理测验，如何建立测验标准，并证明测量的有效性，我们需考察它的信度和效度。

信度在于一想测验在多次测量中具有一致性，比如可以让一群被试者参与测验，一段时间后再测验一次，再通过相关方法测验两次结果的相关系数。信度系数越高，信度越好。信度的另一个方面是内部一致性。比如20道题，有10道是检验外向的，另外10道不是，则内部一致性较低。通过统计检验，我们可以查明不同题型之间的相关性，称之内部一致性系数。系数越高，一致性越强，信度越好。

信度只能表明能否有效的测量到某些东西，但这个东西具体是什么，还需要结合效度进行描述。效度指的是一项测验测出的东西多大程度上符合原本要测量的东西。我们可以通过表面效度、相容效度、判别效度和行为确认。

表面效度直接是指一道问题从表面上看起来和所要测量的东西相关性程度。相容效度，将不同的测验，但测验的内容都是同样的东西，比如都是焦虑测验，那这两个测验间应该有较高的相关性。判别效度：和相容效度相反，也是用不同的测验进行相关性的比较，但是他们的测验内容是不同的，比如一个是创造力的测验，一个是智力测验，他们之间的相关性可以说明你的测验用于测验创造性是否合理。行为确认是最为直接的，可以直接通过你测验的分数去预测人的行为，然后确认被试者是否产生预测行为。