Lec 2 科学方法与研究设计（Science and Research）

MIT 9.00 · Introduction to Psychology · 主讲 John Gabrieli

TL;DR

• 常识与内省充满偏误，科学心理学依靠可证伪的假设与虚无假设检验否定错误直觉，建立对复杂心智的经验约束。
• 相关不等于因果：混淆变量与自选择偏误（如冠状动脉药物依从性案例）无处不在，只有操纵自变量的严格随机对照实验才能确立因果关系。
• 实验信度与效度极易受微小情境干扰：实验者期望（罗森塔尔大鼠实验）、需求特征、具身启动与微观角色规范（速配相亲轮换）均会系统性改变行为表现。
• 绝大多数心理学研究依赖 WEIRD 样本（西方、受教育、工业化、富裕、民主社会），将局部测验外推为人类普遍规律需极度审慎。

1. 核心问题

• 核心问题：面对心智与行为这样高度复杂、充满主观经验的对象，心理学如何运用自然科学的方法确立客观真理？我们如何设计实验来区分“相关”与“因果”，并避免陷入直觉陷阱？
• 为什么这不是显而易见的：常识心理学（folk psychology）让人人自以为是心理学家——每个人对自身动机、人际交往和行为原因都有一套看似言之成理的解释（例如“异性相吸”、“自尊决定成败”、“赞美让人聪明”）。然而，直觉往往在未经对照的情况下接受伪相关，并将叙事合理性错当成经验因果性。如果缺乏严密的科学对照体系，主观报告与流行观点不仅无法揭示真相，反而会制度化为伪科学。
• 与上一讲的衔接：Lec 1 导论 通过一系列错觉、麦格克效应、自动化加工错误与情感预测偏差，彻底打破了“内省等于现实”的朴素信念，留下了“常识靠不住，何为有效证据”的知识悬念。本讲正是兑现这一承诺，从认识论与方法论层面，系统奠定整门课程的经验检验基石。

2. 核心概念

概念	一句话定义	易混淆点
可证伪性（Falsifiability）	科学假设必须包含能在经验观察中被证明为错误的潜在可能（Karl Popper）	并非指假设“已经被证明是错的”，而是指存在明确的经验检验条件能否定它；不可证伪的陈述属于信念而非科学
虚无假设（Null Hypothesis）	假定所考察的变量之间不存在真实效应或差异的基准假设（$H_0$）	科学研究的目标是通过拒绝虚无假设来间接支持备择假设，而不是直接绝对“证实”某一理论
自变量 vs. 因变量（IV vs. DV）	自变量由研究者主动操纵变化；因变量是被测量的输出行为或结果变量	容易与混淆变量混淆：混淆变量是随自变量非预期同步变化、从而掩盖真实因果关系的额外干扰因素
自选择偏误（Self-Selection Bias）	被试因自身未受控制的特质自发决定其所处条件，而非由研究者随机指派	无法仅通过“增大样本量”消除；若无随机分配（random assignment），组间差异可能是个体预存特质导致的假象
内部效度 vs. 外部效度	内部效度关注因果关系的确定性（排除混淆）；外部效度关注结论能否推广至真实世界或更广人群	二者往往存在权衡取舍：实验室严格控制提高了内部效度，但可能牺牲生态现实性与外部普遍性
WEIRD 偏差	心理学受试者过度集中于西方、受教育、工业化、富裕、民主社会人群的现象	不能假设在 WEIRD 群体（尤其是美国大一新生）中发现的认知与社会效应，天然是全人类普适的生理法则
需求特征与实验者效应	受试者察觉研究目的而调整自身行为（需求特征），或研究者无意识暗示诱发预期结果（实验者效应）	不是被试或研究人员故意作弊；哪怕是无意识的语气、身体姿态都会诱发系统性偏差，必须依赖双盲设计控制
证实偏差（Confirmation Bias）	人类认知倾向于寻找、解释和记忆支持既有信念的信息，而自动忽视或低估反例	不是智力低下所致，而是大脑节能的启发式特征；在沃森四卡片选择任务中表现为只翻找肯定规则的卡片

3. 证据链

研究：破窗效应与无序蔓延实验（Keizer, Lindenberg, & Steg, Science, 2008）

• 设计：在荷兰格罗宁根市的自行车停放小巷进行现场实验。在墙上贴有醒目的“禁止涂鸦”标志。自变量为环境秩序（控制组：墙面干净无涂鸦；实验组：墙面涂满喷漆涂鸦）。研究者在每辆自行车的车把上夹上一张无处丢弃的白色传单（附近没有垃圾桶）。因变量为车主取车时乱扔传单的百分比。
• 结果：在控制组（环境整洁）中，有 33% 的人将传单丢弃在地上；在实验组（存在涂鸦破坏）中，丢弃传单的比例飙升至 69%。在后续针对小额偷窃（从暴露在邮箱外的信封中抽取 5 欧元纸币）的实验中，环境违规同样使偷窃率从 13% 增加到 27%。
• 推论：目睹对某一社会规范的破坏行为，会削弱个体遵守其他规范的心理约束，从而导致无序行为在不同领域之间扩散蔓延。这为犯罪学中长期受争议的“破窗理论”提供了首个严格受控的微观实验因果证据。
• 局限：实验展示的是特定文化背景下轻微规范违犯（乱扔垃圾、顺手牵羊）的短期诱发效应，无法直接推论打击轻微违法行为必定能够遏制恶性暴力犯罪（如杀人、武装抢劫）。

研究：父亲生育年龄与子代精神分裂症风险（Malaspina et al., Arch Gen Psychiatry, 2001）

• 设计：对以色列 87,907 名出生的个体进行大型流行病学队列追踪，统计其在 34 岁前确诊精神分裂症的累积发病率，按父亲生育时的年龄分层分析。
• 结果：父亲年龄小于 25 岁时，子代精神分裂症发病风险约为 1/141；随着父亲年龄增长，风险单调上升；至 50–54 岁时，发病风险急剧攀升至 1/47。
• 推论：父亲年龄与子代精神分裂症存在显著统计相关。生物学假设认为精子干细胞终生持续分裂累积基因复制突变（de novo 突变）。
• 局限：该研究属于相关性观察研究而非真实验（无法操纵父亲的生育年龄）。存在关键混淆变量可能：晚育的父亲自身是否在年轻时就具有某些人格或亚临床精神特质（导致其择偶与生育推迟），而正是这些特质遗传给了后代？相关性不能直接确立精子衰老突变是唯一的因果链条。

研究：冠状动脉药物依从性与自选择偏误（Coronary Drug Project, NEJM, 1980）

• 设计：评价降脂药氯贝丁酯（Clofibrate）降低心肌梗死患者死亡率的双盲随机对照试验。跟踪 5 年内服药依从性高（遵医嘱服用剂量 $\ge 80\%$）与依从性低（$< 80\%$）患者的病死率，并在安慰剂对照组中进行平行分析。
• 结果：在真实药物组中，依从性 $\ge 80\%$ 的患者 5 年死亡率为 15%，而依从性 $< 80\%$ 的患者死亡率高达 25%。看似药物疗效显著——然而，在安慰剂组中，依从性 $\ge 80\%$ 的患者死亡率同样为 15%，而依从性 $< 80\%$ 的患者死亡率亦高达 28%！
• 推论：依从性高的患者死亡率降低，根本不是氯贝丁酯药理作用的结果，而是**自选择偏误（自我依从特质）**造成的伪因果关系。能够坚持规律服药的人群，通常在饮食健康、规律作息、情绪管理等多方面均具备系统性优势。如果不设立包含依从性测量的安慰剂对照组，这一健康生活方式混淆变量将彻底误导临床决策。
• 局限：严格提醒了随机分配与盲法对照的绝对必要性；在非实验性干预研究中，单纯按行为表现分层分析极易产生虚假因果。

研究：环境启动与具身认知（Williams & Bargh, Science, 2008）

• 设计：被试在前往实验室的电梯中偶遇实验助手。助手双手拿着课本和记录夹，请求被试帮忙端一下手中的咖啡杯（自变量：一杯热咖啡 vs. 一杯冰咖啡，持续数秒）。随后，被试阅读一段对陌生人中性的人格描述，并在多项维度上对其打分。在实验 2 中，被试评估热/冷理疗贴（双盲设计），并选择奖励（为自己保留还是赠送给朋友）。
• 结果：短暂握持热咖啡的被试，评价目标人物显著更为“温暖、慷慨、信任”（物理温暖启动了心理温暖表征）；握持热敷贴的被试中有 54% 选择将礼品券赠予朋友，而握持冰敷贴的被试仅有 25% 赠予朋友（75% 留给自己）。
• 推论：身体感知觉系统与高级社会认知之间存在底层表征重叠（具身认知），微小的物理环境线索能无意识地引导人际评价与亲社会决策。
• 局限：该研究是社会心理学“启动效应”经典代表，但样本量相对较小（每组仅数十人），近年来该领域面临可重复性危机（replication crisis），此类微妙效应在不同实验室间重现难度较大。

研究：金钱心理启动与自足自立效应（Vohs, Mead, & Goode, Science, 2006）

• 设计：被试通过解混词任务（descrambling task）或房间角落摆放的“大富翁”纸币进行金钱概念启动（控制组为中性词汇或无金钱道具）。随后，要求被试完成一项极具挑战性的几何拼图任务（实际上需要巧妙技巧，难度极高），主试离开房间并告知“如果需要帮助随时可以叫我”。测量被试坚持多久才开口求助；并在后续场景测量被试愿意花多少时间帮主试录入实验数据。
• 结果：金钱启动组被试在拼图上独自苦撑的时间显著更长，求助意愿大幅下降（表现出高度“自我依赖”）；但在后续帮助主试录入数据的任务中，中性控制组被试平均帮忙 42 分钟，而金钱启动组被试仅帮忙 25 分钟。
• 推论：仅仅是激活“金钱”这一心理符号，就会触发个体的“市场交换/自我依赖”心态，在增强独立坚持性的同时，系统性降低亲社会求助与助人倾向。
• 局限：实验室情境中的启动能否在长期复杂商业行为中保持同样效应尚存疑问。

研究：速配相亲与择偶挑剔度——刻板印象背后的微观情境（Finkel & Eastwick, Psychol Sci, 2009）

• 设计：350 名大学生参与速配相亲（speed dating），每次交谈 4 分钟后在卡片上填写是否愿意与对方再次见面（yes/no）及吸引力打分。操作自变量：在传统轮换条件下，男性在不同桌子间轮换走动，女性坐在原位等待；在反转轮换条件下，女性在桌子间轮换走动，男性坐在原位等待。
• 结果：在传统轮换下，男性对女性的打分更高、更缺乏挑剔度（yes 比例显著高于女性），符合“男性更主动、女性更挑剔”的进化心理学常识；然而在女性轮换条件下，这一性别差异被完全逆转或消除——轮换的一方（主动靠近者）无论男女，其浪漫欲望和满意度均显著上升，打勾率提高；而坐在原位被接近的一方表现出更高的挑剔度。
• 推论：表面上看是男女先天的进化择偶偏好差异，实际上在很大程度上是由“物理走动接近 vs. 原地守候评估”这一微观角色规范（situational norm）所驱动的。
• 局限：实验聚焦于初次接触的前 4 分钟快速吸引，长期严肃择偶策略可能受到更复杂的资源与承诺因素约束。

研究：医学院录取面试的真实预测效度（德克萨斯大学休斯敦分校自然实验）

• 设计：1979 年，德克萨斯大学休斯敦医学院原本依据严格初筛和面对面面试，从 2200 名申请者中挑出 800 人面试，录取了前 150 名。入学在即，州议会突然下拨经费要求强制扩招 50 人。由于前列候补均已去其他学校，校方被迫从面试排名的末尾（第 700–800 名，即“面试不合格、原本已被彻底拒绝”的申请人）直接破格补录 50 人。
• 结果：追踪这 50 名“面试失败者”与那 150 名“面试优秀者”在医学院 4 年学业成绩、临床实习考评以及毕业执业医师通过率——两组学生的最终临床表现与毕业执业水平完全没有任何统计学差异！
• 推论：耗费巨大人力物力的非结构化非盲面试，其对未来专业工作能力的预测效度接近于零。面试官在半小时交谈中产生的所谓“直觉判断”，充斥着光环效应、投射与个人偏好，极易成为制度化的伪指标。
• 局限：补录的学生毕竟通过了最初的客观笔试与 GPA 底线门槛，说明客观基础能力是前提，但在门槛之上，面试并未提供额外的增量有效信息。

研究：智力赞美 vs. 努力赞美对认知韧性的塑造（Carol Dweck 等）

• 设计：五年级学生完成一套具有适度挑战性的智力测试题。随后主试给予不同类型的言语反馈：A 组称赞其智力（“你一定非常聪明”）；B 组称赞其努力（“你一定非常努力”）；C 组对照（“你答得很棒”）。随后，给所有学生一套极难的挫折测试题，最后再做一套与第一阶段难度相当的平行测试。
• 结果：在面对困难与挫折后，受到“智力赞美”的学生在第二轮测试中表现显著下滑，他们放弃更快、任务乐趣更低，并将失败归咎为自身能力不足；而受到“努力赞美”的学生表现显著提升，表现出更强的探索韧性与求知欲望。
• 推论：赞美并非总是有益。赞美特质（固着心态）使个体将挑战视为对自我价值的威胁，从而引发焦虑与回避；赞美过程与努力（成长心态）则引导个体将困难视为能力提升的反馈机制。
• 局限：学校大班教学环境中的言语反馈机制受师生长期信任关系的调制，单次言语实验需与家庭教养模式配合观察。

4. 理论交锋

立场 A	立场 B	哪些证据能区分二者
常识内省与非实验经验：相信权威、主观直觉与传统智慧，认为个人观察即可揭示心理规律	实证科学检验（Popper 证伪主义）：主张通过控制实验、反例检验和虚无假设拒绝来检验心理学规律	医学院面试自然实验、冠状动脉依从性实验：直觉判断完全被对照组和客观数据推翻；常识坚信“面试能挑出好医生”、“吃药比不吃药好”，只有科学实验揭示了背后的自选择与伪因果
破窗理论（犯罪由环境无序诱发）：治理乱涂乱画和小偷小摸能显著降低严重暴力犯罪（Bratton & Giuliani 治理哲学）	替代社会因果假说（《魔鬼经济学》）：犯罪率下降源于人口结构变化（1973 堕胎合法化）、毒品周期退潮或监禁率上升	Keizer et al. (2008) 证实破窗效应在微观轻罪蔓延上确有直接因果性；但宏观大都会暴力犯罪率骤降受多种宏观社会变量共同决定，单一实验无法完全替代宏观经济学分析
进化心理学决定论：男性与女性的择偶挑剔度由配子投资与繁衍成本的生物学生理差异先天决定	微观情境角色决定论：男女在相亲中的挑剔度差异是由“主动追求”与“被动接受”的情境动作规范所构成的	Finkel & Eastwick (2009) 速配相亲轮换实验：一旦让女性走动、男性就座，男性的挑剔度上升而女性的挑剔度下降，证明所谓“天生性别差异”可被简单的微观情境操纵瞬间逆转
自尊至上论（Self-Esteem Movement）：坚信提升自尊是学业成功、心理健康和减少不良行为的核心因果枢纽	经验事实怀疑论：自尊可能仅仅是积极生活结果的伴生副产物，过度拔高自尊反而诱发自恋与攻击性	Baumeister et al. (2003) 系统审查 15,000 篇文献，发现没有任何实质证据支持自尊具有单向因果驱动力；Dweck 的实验进一步证明盲目赞美智力与特质反而摧毁抗挫韧性

5. 分析层次

• 神经与生理层面：父亲生育年龄与子代精神分裂症风险的相关性，将认知障碍与精子干细胞减数分裂过程中的累积复制突变联系起来；具身温度感知涉及下丘脑和岛叶对物理温度与社会亲近感的双重编码。
• 个人与认知信息加工层面：沃森选择任务揭示了人类深层的证实偏差启发式算法；金钱启动实验展示了语义网络激活如何抑制工作记忆中的依赖动机；思维心态（固着 vs. 成长）直接决定了个体对困难信息的因果归因机制。
• 行为层面：乱扔传单比例（从 33% 跃升至 69%）、涂鸦小巷中的偷窃行为、速配相亲卡片上的勾选率、求助延迟时间（秒数）——这些都是客观可记录、可重复操作化的行为学指标。
• 社会与文化层面：WEIRD 样本带来的普遍性局限；微观角色规范对性别吸引力的隐性建构；破窗效应在社区治理中的扩散；社会自尊神话如何通过教育政策演变为流行伪科学。

6. 边界与失效情形

8. 自测

经典实验逻辑题：沃森四卡片选择任务（Wason Selection Task）

桌上有四张卡片，每张卡片一面是英文字母，另一面是阿拉伯数字。当前露出的四面分别是：

[ E ]　[ J ]　[ 6 ]　[ 7 ]

测试规则：“如果卡片的一面是元音字母，那么它的另一面必须是偶数。” 问题：为了验证这一规则是真是假，你最少必须翻开哪几张卡片？

::: example 解答与认知机制分析

• 绝大多数人的错误直觉：翻开 [ E ]（寻找偶数以确认规则）或者翻开 [ E ] 和 [ 6 ]。
• 正确答案：必须且只需翻开 [ E ] 和 [ 7 ]（仅约 10% 的人初次能答对）。
• 逻辑推导：
  1. [ E ] 是元音：必须翻开。如果背面是奇数，规则立刻被证伪。
  2. [ J ] 是辅音：无需翻开。规则并未规定辅音背面必须是什么。
  3. [ 6 ] 是偶数：无需翻开！规则是“元音 $\implies$ 偶数”，并未断言“偶数 $\implies$ 元音”（充分条件非必要条件）。如果背面是辅音，规则并未被打破。
  4. [ 7 ] 是奇数：必须翻开！如果它的背面竟然是元音，规则直接被彻底推翻。
• 核心启示：人类天然倾向于去寻找“能证实规则的证据”（看 6 的背面是不是元音），却下意识回避去翻开那个“能推翻规则的反例”（看 7 的背面是不是元音）。这正是科学证伪思维与直觉常识的鸿沟所在。 :::

单项选择题（OCW Check Yourself 核心考点）

1. 在心理学实验设计中，哪项关键特征能确保因果关系的推论成立？

   • A. 确保同时具备自变量和因变量
   • B. 通过随机分配（random assignment）将受试者分入两个或多个实验条件
   • C. 对实验数据进行了严格的高阶统计分析
   • D. 确保所有受试者在人口统计学特征上完全一致
   • 答案：B。只有随机分配能够均摊被试个体差异与未知混淆变量，使组间差异唯一由研究者操纵的自变量所引起。

2. 某项实验结果能够可靠地推广到其他真实情境或人群，属于哪种效度？

   • A. 构念效度（Construct validity）
   • B. 外部效度（External validity）
   • C. 内部效度（Internal validity）
   • D. 研究者效度（Researcher validity）
   • 答案：B。外部效度即研究结论的普适性与推广能力。

3. 下列哪项实验设计能最有效地防止由研究人员期望或受试者猜测所导致的系统性偏差？

   • A. 随机分配设计
   • B. 双盲设计（Double-blind design）
   • C. 元分析设计（Meta-analysis）
   • D. 可重复性检验设计
   • 答案：B。双盲设计使主试与被试均不知晓当前所处的实验组别，彻底隔断实验者期望效应与需求特征。

9. 待解决问题

• 启动效应与具身认知的真实边界：物理温暖启动社会温暖、微小的金钱概念激活等实验，在真实世界中能维持多久？它们是转瞬即逝的联想激活，还是能真正指导现实经济与政治决策？
• 如何克服心理学对 WEIRD 样本的制度性依赖：在经费与样本获取受限的前提下，研究者如何构建真正跨越文化背景、年龄阶层和经济地位的代表性研究池？
• 统计显著性与真实效应量：心理学界长期依赖 $p < 0.05$ 的虚无假设显著性检验，如何遏制 p-hacking（数据窥探与钓鱼检验）并普及预注册（pre-registration）范式？

10. 参考文献

• 讲义幻灯片：9.00sc-fall-2011/static_resources/5ff7eb6785f0575799a65af146ea17d2_MIT9_00SCF11_lec02_scires.pdf
• 课程官方页面：9.00sc-fall-2011/pages/science-research/index.html（配套视频讲座：syXplPKQb_o）
• 主要阅读材料：
  • Kosslyn & Rosenberg [K&R], Chapter 1: "Introduction to the Science of Psychology: History and Research Methods"
  • Oliver Sacks, The Man Who Mistook His Wife for a Hat, Chapter 19: "Murder"
• 引用经典研究文献：
  • Keizer, K., Lindenberg, S., & Steg, L. (2008). The Spreading of Disorder. Science, 322(5908), 1681–1685.
  • Malaspina, D., et al. (2001). Advancing Paternal Age and the Risk of Schizophrenia. Archives of General Psychiatry, 58(4), 361–367.
  • The Coronary Drug Project Research Group (1980). Influence of adherence to treatment and response of cholesterol on mortality in the coronary drug project. New England Journal of Medicine, 303(18), 1038–1041.
  • Williams, L. E., & Bargh, J. A. (2008). Experiencing physical warmth promotes interpersonal warmth. Science, 322(5901), 606–607.
  • Vohs, K. D., Mead, N. L., & Goode, M. R. (2006). The psychological consequences of money. Science, 314(5802), 1154–1156.
  • Finkel, E. J., & Eastwick, P. W. (2009). Arbitrary social norms influence sex differences in romantic selectivity. Psychological Science, 20(10), 1290–1295.
  • Baumeister, R. F., et al. (2003). Does high self-esteem cause better performance, interpersonal success, happiness, or healthier lifestyles? Psychological Science in the Public Interest, 4(1), 1–44.
  • Mueller, C. M., & Dweck, C. S. (1998). Praise for intelligence can undermine children's motivation and performance. Journal of Personality and Social Psychology, 75(1), 33–52.
  • Henrich, J., Heine, S. J., & Norenzayan, A. (2010). The weirdest people in the world? Behavioral and Brain Sciences, 33(2-3), 61–83.
  • Wason, P. C. (1968). Reasoning about a rule. Quarterly Journal of Experimental Psychology, 20(3), 273–281.