四、统计基础：描述统计、推断统计、效应量、统计检验力
心理学研究本质上是通过数据来理解行为与心理过程。无论是实验设计、问卷测量还是干预评估，最终都要面对数据。然而，数据本身不会说话，需要借助统计工具来揭示其背后的规律。本章聚焦于四个核心概念：描述统计、推断统计、效应量与统计检验力。它们构成了心理学量化研究的逻辑骨架——描述统计回答“数据长什么样”，推断统计回答“样本能否代表总体”，效应量回答“差异有多大”，统计检验力回答“发现真实效应的把握有多高”。理解这四者的关系，是读懂文献、设计研究、避免统计误用的关键起点。
4.1 核心原理：四者如何协同工作
描述统计是统计分析的起点。它通过均值、中位数、众数描述集中趋势，通过标准差、方差、极差描述离散程度，通过偏度和峰度刻画分布形态。例如，在一项关于工作记忆容量的研究中，研究者会先报告被试的平均反应时（M = 850 ms）及其标准差（SD = 120 ms），这能让读者快速把握数据的整体面貌。但描述统计仅局限于样本本身，无法回答“总体中是否真的存在差异”这一更根本的问题。
推断统计则利用概率理论，从样本数据出发对总体参数进行估计或假设检验。其逻辑基础是抽样分布——如果从总体中反复抽取相同规模的样本，统计量（如均值）会形成一种可预测的分布。基于此，研究者可以计算置信区间（如“总体均值有95%的可能落在820-880 ms之间”），或进行显著性检验（如t检验、F检验），判断观察到的差异是否可能由随机误差造成。
然而，显著性检验只回答“差异是否真实存在”，却无法回答“差异有多大”。一个非常大的样本可能让微小的、实际无意义的差异也达到统计显著。此时需要效应量来量化差异的实际大小。Cohen's d 是最常用的效应量指标之一，0.2、0.5、0.8分别对应小、中、大效应。效应量不受样本量影响，因此在不同研究之间具有可比性，是元分析的基础。
统计检验力（Power）则是从研究设计角度出发的概念，指当总体中确实存在效应时，检验能够正确拒绝零假设的概率，即 1-β。检验力受四个因素影响：效应量、样本量、显著性水平 α、检验类型。心理学研究中通常要求检验力不低于 0.80，这意味着有 80% 的把握能发现真实存在的效应。若检验力过低，研究可能因样本量不足而得出假阴性结论。
4.2 判断方法与操作流程：从数据到结论的标准化路径
在实际研究中，四者的应用遵循一套可复用的流程。以下为标准化操作步骤，适用于大多数心理学实证研究。
- 数据清洗与描述统计：检查缺失值、异常值，计算各变量的均值、标准差、偏度、峰度，绘制直方图或箱线图，判断数据是否近似正态分布。
- 选择推断统计方法：根据研究设计和变量类型选择方法——两组独立样本用独立样本t检验，配对设计用配对t检验，多组比较用单因素方差分析，分类变量关系用卡方检验。
- 检验前提条件：验证正态性（Shapiro-Wilk检验）、方差齐性（Levene检验），若不满足则考虑非参数替代方法（如Mann-Whitney U检验）。
- 计算效应量：t检验报告 Cohen's d，方差分析报告 η²（eta squared）或 ω²，相关分析报告 r 或 r²。效应量应伴随置信区间一并报告。
- 进行功效分析：若研究设计阶段未做，可在结果解释时计算事后检验力（post-hoc power），但更推荐在研究前进行先验功效分析（a priori power analysis）以确定所需样本量。
- 综合解释结果：将 p 值、效应量、置信区间、检验力整合在一起，形成对研究问题的完整回答。
| 统计概念 | 回答的问题 | 常用指标 | 报告规范 |
|---|---|---|---|
| 描述统计 | 数据呈现什么特征？ | M, SD, 中位数, IQR | M ± SD 或 M (SD) |
| 推断统计 | 差异是否真实存在？ | p值, t值, F值, χ² | t(58) = 2.34, p = .023 |
| 效应量 | 差异的实际大小？ | Cohen's d, η², r | d = 0.61, 95% CI [0.12, 1.10] |
| 统计检验力 | 发现效应的把握多大？ | Power (1-β) | Power = 0.85 |
4.3 案例拆解：一项正念干预研究的统计决策全流程
为将上述概念串联起来，我们构建一个完整的实战场景。某研究者想检验“为期8周的正念减压训练能否降低大学生的考试焦虑”。研究招募了60名高焦虑水平的大学生，随机分为干预组（n=30）和等待对照组（n=30）。干预结束后，两组均完成考试焦虑量表（得分越高焦虑越严重）。
初始数据与描述统计：干预组焦虑得分 M = 52.3, SD = 8.1；对照组 M = 58.7, SD = 7.6。从描述统计看，干预组平均分低6.4分，但仅凭均值差异无法判断是否具有统计显著性。
推断统计过程：首先进行独立样本t检验的前提检验。Shapiro-Wilk检验显示两组数据均近似正态（p > .05），Levene检验显示方差齐性（p = .42）。随后进行独立样本t检验，结果 t(58) = 3.18, p = .002。p值小于 .05，说明两组差异在统计上显著，干预组焦虑水平显著低于对照组。
效应量计算：计算 Cohen's d = (M₁ - M₂) / SD_pooled。合并标准差 SD_pooled ≈ 7.85，因此 d = (58.7 - 52.3) / 7.85 ≈ 0.82。根据 Cohen 的标准，d = 0.8 为大效应，说明该干预不仅统计显著，且实际效果较大。进一步计算 95% 置信区间为 [0.29, 1.34]，区间不包含0，支持效应存在的结论。
统计检验力评估：研究前未进行先验功效分析，但事后计算显示，在 α = .05、d = 0.82、n = 30/组 的条件下，检验力约为 0.86，高于 0.80 的推荐标准。这意味着如果总体中确实存在中等偏大的效应，本研究有 86% 的概率能检测到它。
结果整合与复盘：研究结论为：正念减压训练显著降低大学生考试焦虑，效应量大，且检验力充足。但需要注意，事后检验力计算存在逻辑循环——它基于观察到的效应量，而观察到的效应量本身有抽样误差。更严谨的做法是在研究设计阶段就根据预期效应量（如参考前人研究的 d = 0.5）计算所需样本量。若按 d = 0.5、Power = 0.80、α = .05 计算，每组需要约 64 名被试，而本研究每组仅30人，说明研究设计时对效应量的估计偏乐观。
4.4 常见误区与总结复盘
在心理学论文审稿和教学实践中，以下误区反复出现，需要特别警惕。
- 误区一：p值崇拜。将 p < .05 视为“效果显著”的唯一标准，忽略效应量。实际上，p值受样本量影响极大，大样本下微小差异也能显著。
- 误区二：效应量报告缺失。许多研究只报告 t 值和 p 值，不报告 d 或 η²，导致读者无法判断实际意义。
- 误区三：检验力与显著性混淆。检验力是研究设计阶段的属性，而 p 值是数据分析阶段的输出。高检验力不保证 p 值一定显著，低检验力也不意味着结果无意义。
- 误区四：忽视置信区间。置信区间提供了效应量的可能范围，比单独的点估计更有信息量。例如 d = 0.82, 95% CI [0.29, 1.34] 表明效应量可能从小到很大，精确度有限。
- 误区五：样本量“拍脑袋”。不进行功效分析，仅凭“前人研究用多少我就用多少”或“能招到多少算多少”来确定样本量，容易导致检验力不足或资源浪费。
总结复盘：描述统计、推断统计、效应量与统计检验力构成了心理学量化研究的完整逻辑链。描述统计让研究者“看见”数据，推断统计让研究者“验证”差异，效应量让研究者“衡量”差异，统计检验力让研究者“确保”发现。四者环环相扣，任何一环的缺失或误用都会削弱研究结论的可信度。在阅读文献时，应主动检查这四项指标是否齐全；在设计研究时，应预先规划好每一项的分析路径。掌握这四者，不仅是为了通过考试，更是为了成为严谨、负责的心理学研究者。