心理学研究任务是什么？核心在于描述、解释、预测与控制行为与心理过程。如何开展实验设计？需要遵循假设提出、变量操控、数据收集与统计推断四大步骤。下面用自问自答的方式拆解这两个高频疑问。

心理学研究任务到底要解决什么问题？

很多初学者以为心理学只是“读心术”，其实它的研究任务远比这严谨。

• 描述：用问卷、观察或生理指标精准刻画现象，例如“青少年每天刷短视频的平均时长”。
• 解释：寻找变量间的因果链，比如“短视频时长→多巴胺分泌→注意力分散”。
• 预测：基于模型推算未来行为，例如“高冲动性个体更可能沉迷短视频”。
• 控制：通过干预降低负面结果，如“设置弹窗提醒可减少使用时长20%”。

个人观点：在真实场景中，描述与解释往往交织进行，而预测和控制才是落地应用的关键。

如何提出一个可检验的研究假设？

假设不是拍脑袋，而是从文献缺口中长出。

1. 阅读近三年高被引论文，定位“尚未回答的小问题”。
2. 用“如果……那么……”句式把猜想转成变量关系。
3. 检查变量是否能量化，例如“自尊水平”可用Rosenberg量表。

自问：假设越宏大越好吗？
自答：恰恰相反，越聚焦的假设越能排除混淆变量，比如“红色字体比蓝色字体更能提高警觉任务正确率”就比“颜色影响认知”更易检验。

实验设计的三类变量如何区分？

变量混乱是新手最常踩的坑。

• 自变量：研究者主动操控的因素，如“字体颜色（红 vs 蓝）”。
• 因变量：被测量的结果，如“反应时、正确率”。
• 控制变量：需要保持恒定的条件，如“屏幕亮度、室温、被试视力”。

个人观点：与其列十条控制变量，不如用随机分组抵消个体差异，让统计效力说话。

样本量到底多大才够？

别再凭感觉“30个就够”。

使用G*Power软件，输入：

• 效应量（小=0.2，中=0.5，大=0.8）
• 显著性水平α=0.05
• 统计功效1-β=0.80

系统会吐出最小样本量。例如检测中等效应的独立样本t检验，每组至少64人。

自问：预算有限怎么办？
自答：可改用被试内设计，减少个体差异带来的噪声，样本量直接减半。

数据清洗与统计陷阱

原始数据往往像“刚挖出的矿石”。

1. 检查缺失值：若随机缺失<5%，可用多重插补。
2. 剔除极端值：用箱线图法，超出1.5倍四分位距即标记。
3. 正态性检验：Shapiro-Wilk p<0.05时，考虑对数转换或非参检验。

个人观点：统计显著≠实际显著，务必报告效应量η²或Cohen’s d，让结果“带温度”。

预注册与开放科学的必要性

心理学正经历“可重复性危机”。

• 在OSF平台预注册假设与分析计划，防止HARKing（假设后验化）。
• 公开原始数据与代码，接受同行“显微镜式”检验。
• 使用“多实验室合作”模式，一次性收集跨文化大样本。

最新数据显示，预注册研究的效应量平均比未注册研究低25%，说明过去部分“惊人发现”可能是假阳性。

从实验室到现实：如何提升生态效度？

传统实验常因环境过于“干净”而被诟病。

1. 采用生态瞬时评估（EMA），通过手机推送实时记录情绪。
2. 引入虚拟现实，模拟真实社交场景而不牺牲控制。
3. 与行业合作，在真实APP后台嵌入A/B测试。

个人观点：未来五年，混合现实+大数据将让心理学研究任务从“解释行为”升级为“实时优化行为”。