潘晚坷 温秀娟 金海洋

    (1 南京师范大学心理学院，南京 210097)

    (2 广州医科大学附属脑科医院，广州 510370)

    (3 Department of Psychology,Division of Science,New York University Abu Dhabi,PO Box 129188,Saadiyat Island,Abu Dhabi,United Arab Emirates)

    1 引言

    近年来，心理学研究所使用的统计方法日渐丰富。随着新的统计方法的推广与普及，心理学研究者逐渐意识到了一些传统统计方法的局限性，实验心理学中最常用的重复测量方差分析就是其中之一。首先，它处理的是汇总后(aggregated)的数据，比如每个被试在每个条件下的平均反应时。汇总后的数据忽略了每个被试个体内部的变异，这可能会导致无法准确估计自变量的效应(Haaf &Rouder,2017;Veenman et al.,2022)。其次，它通常只能考虑一个随机因素(Judd et al.,2017)，而无法同时考虑多个随机因素。例如，它一般把被试作为随机因素，借此通过被试样本的数据推断被试总体的效应。类似地，重复测量方差分析可以把刺激材料作为随机因素，通过实验中使用的刺激材料推断刺激材料总体的效应，但它无法同时考虑被试和刺激材料这两个随机因素。最后，当某个被试在某一条件下的汇总数据缺失时(例如在纵向研究中某些被试未能参加某个时间点的测试)，通常只能删除存在缺失值的被试的所有数据，这会造成数据进一步流失，可能导致有偏差的估计(Magezi,2015;Matuschek et al.,2017)。

    相比之下，线性混合效应模型(Linear Mixedeffects Models，LMM)，亦称多水平模型(Multilevel Models)或层级模型(Hierarchical Models)，可以更好地处理这些问题。混合效应模型可以考虑被试在各个条件内的变化性及数据中可能存在的相互依存关系和层级结构，并且能够更好地处理数据缺失等问题(Singmann &Kellen,2019;Tuerlinckx et al.,2006)。例如，在以学生为被试的实验中，学生来自不同的班级，不同的班级属于不同的学校；同一个班级或同一个学校学生的表现一般更相似。混合效应模型可以更好地考虑学生、班级和学校之间的层级关系，对实验效应的估计更准确。统计工具(如 R 语言)的成熟使得在心理学研究中使用混合效应模型分析数据变得更加容易 ......