第02课：研究方法
Learning Objectives
- 了解关系科学从 1930 年代至今的简史与发展
- 识别研究问题的四个主要来源
- 区分 convenience sample（便利样本）与 representative sample（代表性样本）并理解 volunteer bias（志愿者偏差）
- 区分 correlational design（相关设计）与 experimental design（实验设计），理解相关不等于因果
- 识别四种数据类型：self-report（自我报告）、observation（观察法）、physiological measures（生理测量）、archival materials（档案研究）
- 认识 social desirability bias（社会期望偏差）和 reactivity（反应性）
- 理解关系研究中的伦理两难
- 了解 meta-analysis（元分析）的价值以及如何批判性地评估研究成果
关系科学的简史
物理学在 300 多年前就由牛顿奠定了基本定律；生物学和化学同样历史悠久。但人类关系的系统研究却是一项非常年轻的发明——直到 20 世纪中叶，关系主要还由诗人和哲学家来琢磨。
时间线
| 时期 | 里程碑 |
|---|---|
| 1930 年代 | 关系科学的萌芽：Moreno（1934）的儿童友谊研究和 Waller（1937）的求偶与婚姻研究 |
| 二战前 | 关系研究仍然稀少 |
| 1950 年代 | 几项重要的实地研究（Whyte 的《街角社会》、Festinger 等人的学生宿舍友谊研究）开始引起关注 |
| 1958 年 | 美国心理学会主席 Harlow 抱怨说，心理学教科书对”爱与情感”几乎毫无兴趣 |
| 1960–1970 年代 | 研究大爆发：Ellen Berscheid 和 Elaine Hatfield 等先驱学者将实验室实验引入吸引力研究；Byrne 的”态度相似性”实验首次清晰证明因果关系 |
| 1980 年代至今 | 研究手段极大丰富：从 fMRI 脑成像到大样本纵向追踪（如德国 pairfam 项目追踪 12,400 人），再到虚拟现实中的交互实验 |
关键认知：如今的关系科学家使用多样化的样本、多种类型的关系、长期的追踪、自然情境下的观察，以及精密的技术手段。这已远非 1960 年代那种仅靠”虚构陌生人”问卷的时代可比。
当代研究范例
- 西北大学：Finkel 团队的”快速约会”（speed-dating）研究，让参与者与 10 位潜在伴侣各聊 4 分钟，记录化学反应。
- 德克萨斯大学阿灵顿分校：Ickes 团队秘密录制初次见面的自发对话，事后征得同意后请参与者回顾并报告当时的想法。
- 斯坦福虚拟人类交互实验室：Bailenson 团队通过虚拟现实中的”增强版微笑”操纵面部表情，发现比真实微笑更宽的笑容让互动更愉快。
- 亚利桑那大学：Mehl 团队用电子激活录音器（EAR）每天随机采集 70 次 30 秒的生活片段，真实捕捉社交生活。
- 西雅图 Gottman 实验室：录制夫妻讨论冲突的全程，同步采集心率等生理数据，能以 93% 的准确率预测哪些夫妻未来会离婚。
- 石溪大学：Aron 团队用 fMRI 扫描结婚 20 年以上的伴侣看配偶照片时的大脑活动，首次绘制爱与友谊的脑区差异。
- 德国 pairfam 项目：2008 年起每年访谈 12,400 人及其伴侣、父母、子女，计划持续至 2023 年以后。
- 密歇根 Early Years of Marriage Project：自 1986 年起追踪 373 对新婚夫妻，记录社会经济条件对婚姻满意度的影响。
研究问题的来源
科学研究的第一步是提出问题。关系科学中的问题通常来自四个来源：
- 个人经验（personal experience）：研究者自己的关系经历可以启发重要问题。
- 社会问题（social problems）：例如 1965–1985 年间美国离婚率飙升，直接催生了大量关于离婚的研究。
- 前人研究（previous research）：一项研究回答一个问题，往往又引出新的问题。
- 理论（theory）：好的理论既能解释已知事实，又能作出可检验的新预测。
两种研究目标
| 目标类型 | 问什么 | 常见误解 |
|---|---|---|
| 描述性（describe） | 事件是如何自然发生的？模式是什么？ | 读者容易错误地将描述性结果当作因果结论 |
| 因果性（establish causal connections） | 哪个事件导致了哪个结果？ | 需要实验设计才能回答 |
重要提醒：一个研究好不好，要看它的设计是否能回答它提出的问题。不要用因果性标准去评判描述性研究，反之亦然。
参与者招募
Convenience Sample（便利样本）vs. Representative Sample（代表性样本）
| 类型 | 描述 | 优点 | 缺点 |
|---|---|---|---|
| Convenience Sample | 用方便获取的人（如大学心理学课程学生） | 低成本、容易实施 | 结果可能仅适用于特定群体（如某校大学生） |
| Representative Sample | 参与者的人口学特征与目标人群一致 | 结论更具普遍性 | 成本高、实施困难 |
文化背景提示：目前大多数关系研究来自西方、受过良好教育、工业化、相对富裕、民主的社会——简称”WEIRD”（奇怪）文化。这些文化中的人有时确实与欠发达地区的人行为不同。不过，许多基本的人际过程（如对美的标准）在不同群体间差异不大。
Volunteer Bias（志愿者偏差）
即使研究者努力招募，愿意参加的人往往与不愿意参加的人有系统性差异：
- 一项研究发现，洛杉矶县只有 18% 的新婚夫妇同意参与纵向研究；志愿者通常更受教育、职业地位更高、更可能有过同居经历。
- 性行为研究的志愿者往往性经验更丰富、对性持更积极态度。
- 要求成对伴侣参与时，愿意一起参加的伴侣关系通常比拒绝者更幸福。
这意味着：关系研究的数据可能高估了人群的平均关系质量，因为那些关系更困难的人更少参与。
研究设计
Correlational Design（相关设计）
相关描述两个事件共同变化的模式：
- 正相关（positive correlation）：两者同升同降。例如，初次见面时感知到的相似性越高，喜欢程度越高。
- 负相关（negative correlation）：两者反向变化。例如，消极情绪性（negative emotionality）越高，婚姻满意度越低。
- 零相关：两者没有可预测的关系。
核心警告：相关不等于因果（correlation ≠ causation）
当 X 和 Y 相关时，至少存在三种可能的因果解释：
- X → Y（相似性导致喜欢）
- Y → X（喜欢导致我们认为彼此相似）
- 第三方变量 Z → X 和 Y（真正的原因可能是外貌吸引力，它同时影响喜欢和我们对相似性的判断）
当你看到”研究发现 A 与 B 相关”时，应当立即问自己：还有哪些可能的解释？
Experimental Design（实验设计）
实验是用来检验因果关系的设计。关键要素：
- 操纵（manipulation）：研究者主动改变某个变量
- 随机分配（random assignment）：参与者被随机分配到不同条件
经典案例——Byrne 的态度相似性实验：
- 参与者查看一份”陌生人”填写的态度问卷（实际上由研究者操纵）
- 部分参与者看到与自己高度一致的答案，部分看到高度不一致的
- 随机分配确保了各组参与者平均而言没有差异
- 结果：态度一致组的喜欢程度显著更高
- 结论：态度相似性 导致了 更高喜欢（因为这是唯一不同的因素）
实验的局限
实验中研究者必须能控制和操纵所研究的变量。但很多重要的关系现象无法在实验室中创造——比如，你无法在实验室里让两个人”真正相爱”。因此：
| 设计 | 优点 | 局限 |
|---|---|---|
| Correlational | 可研究真实世界中的重要现象（如承诺、激情、不安全性行为） | 不能确定因果关系 |
| Experimental | 可清晰揭示因果关系 | 只能研究可操纵的变量 |
正因如此，不同研究者用不同方法研究同一主题是好事，而非缺陷。
数据类型
Self-Report（自我报告）
最常用的方法：通过问卷、访谈或日记让参与者描述自己的体验。
优点：能”进入人们的头脑”了解主观视角；低成本、高效率。例如，Relationship Flourishing Scale（关系繁荣量表）仅用 12 个问题就很好地评估了关系的健康程度。
三大潜在问题：
| 问题 | 示例 |
|---|---|
| 参与者对问题的理解偏差 | 问”你和多少人发生过性关系？“——约一半人认为口交达到高潮算”性行为”，另一半不这么认为 |
| 回忆困难或缺乏自我洞察 | 女性口头说外貌不重要，但在速配实验中外貌同样影响她们的判断；离异者常错误记忆离婚月份，或遗忘热恋时的幸福感受 |
| Social Desirability Bias（社会期望偏差） | 参与者倾向于给出让自己看起来好的答案。一项研究发现，4% 的离异者声称自己”从未离婚”；当连接测谎仪时，女性报告的性伴侣数显著增加 |
减轻方法：匿名调查（如线上问卷而非面对面）可以有效减少社会期望偏差。
Observation（观察法）
直接观察行为，避免自我报告的偏差。
- Ecological Momentary Assessment（生态瞬时评估）：在真实时间中不定期抓取行为样本。例如，Mehl 的 EAR 应用让智能手机在白天定期短暂录音。
- 眼动追踪（eye-tracking）：通过追踪视线停留位置和时长来测量无意识的注意偏好。
- 隐蔽观察：如 Wimmer & Lewis（2010）追踪了 1,640 名大一新生的 Facebook 公共资料，研究品味和价值观如何影响友谊形成。
潜在问题：Reactivity（反应性）——当人们知道自己被观察时，可能会改变行为。
Physiological Measures（生理测量）
测量自主神经系统和生化反应（心率、肌肉紧张、生殖器 arousal、脑活动、激素水平），这些通常无法有意识地控制。
- 例子：满意配偶血液中的神经肽催产素（oxytocin）水平更高；fMRI 显示热烈的浪漫情感和渴望的性欲由不同脑区控制。
- 优点：避免反应性偏差。
- 缺点：成本高昂。
Archival Materials（档案研究）
利用他人已收集的数据：照片、日记、报纸、政府记录、社交媒体等。
- 经典案例：研究者通过大学年鉴照片判断年轻时的表情能否预测未来离婚概率。
- 优点：“非反应性”（研究行为不会改变被研究的行为）。
- 缺点：档案中可能不包含研究者真正需要的信息。
伦理问题
关系研究面临独特的伦理困境：
- 无意影响关系：仅仅询问参与者对关系的评价，就可能促使他们注意到之前没意识到的问题。
- 观察私密行为：Gottman 让夫妻重温上次引发争吵的分歧——有些夫妻确实发生了激烈冲突。这会不会造成伤害？
- 隐私侵犯：无通知地分析公共社交资料虽合法，但也引发争议。
保护措施
- 知情同意（informed consent），可随时退出
- 研究后及时反馈和解释（debriefing）
- 必要时提供免费心理咨询资源
- 参与者通常报告正面体验——甚至可能因为反思而更快从分手等困难中恢复
科学的伦理义务
研究者主张：不研究也是一种不道德。例如，美国政府自 2002 年投入超过 8 亿美元用于婚姻教育项目，但效果很差。原因是这些项目误读了问题——低收入群体并非不重视婚姻，而是经济压力使婚姻更脆弱。如果缺乏可靠的研究证据，再好的意图也会浪费资源。
在这个充斥着《单身汉》等夸张”爱情”真人秀、离婚率居高不下的文化中，试图理解关系如何运作本身就是一种伦理责任。
结果的解释与整合
统计显著性（Statistical Significance）
- 计算结果由随机因素产生的可能性
- 如果可能性极低（通常 p < .05），称为”显著”
- 本书报告的都是显著结果
注意事项
- 需要重复验证（replication）：关系科学遵循开放科学（open science）原则，共享材料和数据以便其他研究者重复验证
- 群体模式 ≠ 个体适用：研究结果描述的是群体趋势，不能因为认识某个例外就否定整个研究
- 成对相依数据（interdependent data）：伴侣双方的满意度相互影响，需用特殊统计方法
- 三重影响来源：关系结果可能来自 A 的个人特质、B 的个人特质，以及 A 与 B 组合的独特化学效应
Meta-Analysis（元分析）
元分析是将多个独立研究的结果统计性地合并分析的方法。它可以帮助：
- 揭示多个研究是否得出相同结论
- 识别不同研究间的差异来自何处
当我们看到多个独立研究团队用不同方法得出相似结论时，我们对该结论的信心就大大增加。
如何做一个明智的读者？
- 质疑****单一研究的完美性——没有任何研究是完美的
- 看重重复验证的结果
- 警惕相关性被曲解为因果性
- 理解科学研究是渐进式的：各种方法各有优缺点，真理需要时间才能浮现
总结
| 环节 | 核心要点 |
|---|---|
| 历史 | 关系科学是 1960–70 年代才蓬勃发展的年轻学科 |
| 问题来源 | 个人经验、社会问题、前人研究、理论 |
| 样本 | 便利样本 vs. 代表性样本；注意志愿者偏差 |
| 设计 | 相关可描述模式但不能确定因果；实验可检验因果但有操纵局限 |
| 数据 | 自我报告（经济但有偏差）、观察法（真实但有反应性）、生理测量、档案 |
| 伦理 | 保护参与者 vs. 科学获取知识的伦理义务，两者需要平衡 |
| 结论 | 重视元分析和重复验证，不轻信单一研究 |
应用练习
思考题 1
你在社交媒体上看到一篇文章：“新研究发现，一起旅游的情侣关系更幸福！“（研究测量了 200 对情侣过去一年共同旅游的次数和他们的关系满意度，发现两者正相关。）
根据本章所学，这篇报道的结论存在什么问题？
思考指引
这是一个典型的混淆相关与因果的例子。至少存在三种可能的解释：
- 一起旅游 → 更幸福（旅游带来美好体验）
- 更幸福 → 一起旅游更多次（幸福的情侣更愿意共同规划旅行）
- 第三方变量（如更高的收入）→ 既能承担更多旅游，又能减少经济压力带来的关系摩擦
仅有相关性，我们不能确定是哪一种（或哪几种）原因在起作用。一篇负责任的研究报道应当明确指出这一点。
思考题 2
假设你想研究”社交媒体使用时长与恋爱满意度的关系”。你设计了一份问卷，通过学校的心理学课程招募参与者。你在问卷中问：“你平均每天花多少小时在社交媒体上？“和”你对当前恋爱关系有多满意？”
请指出你的研究中可能的偏差来源，并思考如何改进。
思考指引
可能的偏差：
- Convenience sample 偏差：仅使用本校大学生，结果可能无法推广到其他年龄层或文化背景的人群
- Self-report 回忆偏差：人们很难准确回忆每天的社交媒体使用时长
- Social desirability bias：参与者可能会少报社交媒体使用时间（因为”刷手机”不那么体面），也可能对关系满意度给出更积极的评价
- Volunteer bias：关系更幸福的情侣可能更愿意参加
- 相关不能推因果：即使发现负相关，也不一定是社交媒体「导致」关系不满——可能是关系不满的人用社交媒体来消磨时间
改进建议：
- 增加代表性样本（招募不同年龄段、不同地区的人）
- 使用客观数据（如手机屏幕使用时间记录）替代自我报告
- 保证匿名性以减少社会期望偏差
- 如果想探讨因果关系，可考虑纵向追踪或实验设计
思考题 3
当你读到一项关于亲密关系的研究发现（例如”拥有安全型依恋的人关系满意度更高”）时，你应该问自己哪些问题？
思考指引
- 这是什么类型的研究设计？相关还是实验？能说因果关系吗？
- 样本是便利样本还是代表性样本？结果能推广到所有人吗？
- Volunteer bias 可能如何影响了结果？
- 数据是自我报告还是观察法？存在社会期望偏差吗？
- 这个结果是单一研究还是元分析得出的结论？有没有其他研究团队重复过？
- 研究告诉你的是群体趋势——你是否在用个别例外来否定一般规律？
养成问这六个问题的习惯，你就具备了关系科学的批判性思维能力。
继续学习建议：下一课将探讨吸引力——我们为什么喜欢某些人？准备好进入第 03 课：Attraction。