2.3 變態心理學群體水平的研究

基於群體的研究是變態心理學中最常用的研究類型，研究者根據所有被試的平均水平得出結論。例如，研究人員為研究新的抑鬱症治療方法而招募大量患者，分別在治療前後測量患者的抑鬱症狀。若實驗後抑鬱減少了50%，表明參與研究的患者的病情平均被改善了50%。然而，這一結果並不表示每一個患者都提高了50%。而是一些患者在治療中收益較少，另一些較多。因為研究結果是群體的平均分數，所以我們並不能據此預測任何個體行為。然而，這類研究能使我們對重要療效得出結論，比如不同治療方法對不同患者的影響以及不同群體中各種疾病的患病率。

2.3.1　相關法

群體研究本質上可以是相關研究或控制研究。許多變態心理學的重要問題通過不同變量或條件之間的相關（correlations）關係來研究行為的各個側面。假定研究者想知道抑鬱症的嚴重性會不會隨著年齡增長。為了檢測這一相關關係，可用圖表示被試年齡和被試在抑鬱症狀量表上的得分間的關係，年齡在其中一軸（比如X軸），抑鬱症分數在另一軸（Y軸）。然後進行數學計算，對各散點擬合的線決定了兩種因素的關聯度（見圖2-9）。統計學概念相關係數（correlations coefficient）表示相關關係的方向和強度。相關關係分為正相關和負相關。在正相關中，一個變量會隨著另一個變量的增大而增大（例如，患心臟病的概率隨吸煙率增加而增加；Neaton＆Wentworth，1992）。相反，在負相關中一個變量隨著另一個變量增大而減小（例如，患癡呆症的概率隨教育水平提高而降低；Morris，2005）。相關關係的強弱由相關係數決定，其取值範圍為-1.0到1.0。取值接近-1.0或1.0表示強相關，0表示沒有線性相關（見圖2-9）。注意，強相關可能是正相關也可能是負相關。

圖　2-9　相關關係舉例 當用散點圖分析數據時，圖形分佈形狀揭示變量間的相關（或不相關）關係。

對相關意義的解釋取決於不同因素。第一個因素包括研究樣本的規模和異質性。如果所研究樣本人群不符合科研變量多樣性的要求，所得數據可能會導致不正確的結論。例如，對於年齡和記憶兩個變量，18～85歲的樣本與60～70歲的樣本得出的相關關係相差很大。後一樣本中從有限的年齡範圍得出的相關關係，不能代表總體中兩個變量間的關係。另一個影響解釋相關數據的重要因素是被試選取方法。如果所選被試是基於他們都患某種精神疾病，或因為他們都來自某一特定民族，那麼結果只能在相應團體內推廣。研究結果可能與其他患病群體或其他種族無關。

有時兩個變量間的相關關係並不能表現為一條直線，有時一些相關關係本質上不是線性的。例如，一個流行理論提出壓力和績效的關係呈倒U形。在測驗情境或運動競技中，中等水平壓力下的成績最好，過高或過低壓力水平下的成績都較差（Muse et al.，2003），這稱為曲線相關關係。在製作倒U形數據的直線時會得出接近於0的線性相關係數（見圖2-9d），從而會得出兩個變量不相關的錯誤結論。

相關不代表因果關係

通常，用相關解釋因果關係是不正確的。相關只表明了一個變量的變化與另一個變量變化的關聯程度，而並不代表一個變量的變化是另一個變量變化的原因。例如，變量X和Y之間的強的正相關可能是X影響Y，也可能是Y影響X，或者是第三個因素Z同時影響了X和Y。在這個例子中，Z是調節變量。例如，適量飲酒（一天不超過3次）和降低55歲及以上老人老年癡呆症患病率之間有明顯相關（Ruitenberg et al.，2002），通常被媒體錯誤報道為二者有因果關係（如適度飲酒可預防癡呆），實際上該研究僅僅表明兩種現象是相關的。事實是，適度飲酒可能是通過釋放海馬體（學習和記憶中心）中的一種神經遞質（乙酰膽鹼，ACTH）而對認知功能產生了直接影響。飲酒也可能通過對心血管病風險因素的影響間接影響認知狀態，即降低患高血壓或中風的可能性，這些因素會反過來影響認知功能。其他解釋還可能涉及同時影響飲酒和癡呆進程的其他變量（如鍛煉水平、受教育程度、遺傳傾向性、癡呆症類型，等等）。所有這些變量都可能是影響飲酒量和癡呆症之間關係的調節變量（Z）。

相關不代表因果關係。如圖中的兩姐妹每天都會在一起喝咖啡。為什麼我們不能馬上就得出喝咖啡能導致長壽和幸福的結論？

當兩個變量在不同時點都測得顯著相關時（如SAT分數與大學成績），更容易令人得出因果關係的假設。這種情況下，像風險因素或者預測者等術語會被用來描述這種關聯的時序性。例如，眾所周知吸煙和缺乏運動是膽固醇升高和患心臟病的風險因素。然而，其他干預因素也會影響二者的關係（如營養）。由於設計讓人們每天吸一定數量的煙的實驗是違背道德的，我們只能通過相關數據來理解變量間關係。

同樣地，一種疾病在治療前的嚴重性常用來預測治療效果。多數情況下，較嚴重的症狀與較差的療效相關聯，但症狀越重導致療效越差這一結論是否正確還不清楚。理解這一點很重要，因為儘管在日常語言中「預測」或許意味著有因果關係，但在心理學中這一術語僅僅表示：時點1評估的變量X的某些水平與時點2評估的變量Y的某些水平顯著相關。這種意義上的「預測」並不意味著二者有「因果關係」。

在以治療為重點的研究中，相關分析非常有用。對患者特徵（如人口學資料、病情嚴重程度和社會支持資源等）和治療效果間的關係進行相關分析具有理論和實踐意義。例如，識別對某種療法無效的患者組可以促進替代療法的開發。儘管相關設計可以提供重要信息，但這些研究也只能檢測預測和結果間的共變關係。而想要得出因果關係的結論，必須設置對照組。