心理學視野下的社會變遷研究：研究設計與分析方法*

蔡華儉 張明楊 包寒吳霜 朱慧珺 楊紫嫣 程 曦 黃梓航 王梓西

(1 中國科學院心理研究所行為科學重點實驗室,北京 100101) (2 中國科學院大學心理學系,北京 100049)(3 清華大學新聞與傳播學院,北京 100084) (4 成都大學心理健康教育中心,成都 611730)

社會變遷作為人類社會發(fā)展過程中的重大科學問題(中國科學報,2019),正在成為心理學的前沿熱點(Varnum &Grossmann,2017,2021)。心理學視角的社會變遷研究關注的是在社會變遷過程中人類的文化、心理和行為在時間維度上的變化。具體地,常涉及幾個方面的問題,比如怎么變(變化的內容和方向)、為什么變(導致變化的原因)、如何變(變化的過程和機制)等。對于當下中國來說,對前兩個問題的研究更具現(xiàn)實意義,也更為緊迫。鑒于在研究與人類心理變遷相關問題時,經(jīng)常需要采用和研究其他心理學問題不同的方法,我們擬對和這兩個問題相關的常見研究設計和數(shù)據(jù)分析方法進行介紹,幫助國內研究者了解這些設計、方法及其獨特性,從而促進國內的相關研究。為了便于理解,我們先對社會變遷研究中常見的三種效應進行簡單介紹。

1 社會變遷研究中的三種常見效應：年齡效應、時間效應、時代效應

和發(fā)展心理學類似,社會變遷研究通常涉及三種效應(Bell,2020;Fosse &Winship,2019)：年齡效應(age effect)或成熟效應(maturation effect)、時間效應(time effect)或時期效應(period effect)、時代效應(cohort effect)或世代效應(generation effect)。其中,年齡或成熟效應是指由個體發(fā)展導致的效應(比如：改革開放期間中國人的心理和行為的自然成長導致的變化),時間或時期效應是指與特定時期內發(fā)生的各種社會事件導致的效應(比如：改革開放對中國人的影響),時代或世代效應是指和特定出生年代有關的效應(比如：改革開放對不同年代出生的中國人的不同影響)。在任何一個時間點上,個體的心理和行為都是這三個效應共同作用的結果。

和發(fā)展心理學主要關注年齡效應不同,在社會變遷研究中,研究者關心的通常是時間效應和時代效應,而年齡效應則是需要控制和排除的噪音。理想中,大家都期望能夠對所涉及的效應進行區(qū)分和分別估計。實際中,目前還沒有一種方法可以在不預設任何前提的情況下對上述三種效應進行準確估計(Bell,2020;Dinas &Stoker,2014;Rudolph et al.,2020),因為年齡、時間和時代三者可以互相線性表達(年齡=時間 -出生年),以致上述效應的兩種或三種經(jīng)?；煜谝黄稹Ｉ鐣冞w研究的這一特點要求我們對每一種研究設計的優(yōu)缺點、所涉及的效應有清醒的認識,并借助相應的理論對結果做出盡可能合理的解釋。下面在介紹每一種具體的研究方法時,我們會特別指出每一種方法所涉及的效應,供讀者參考。

2 研究心理和行為變化趨勢的常見設計

研究個體或群體心理和行為如何隨著時代的發(fā)展而變化,最直接的方法就是在不同時間點對目標個體或群體心理和行為進行調查,然后進行跨時間比較,繼而以先后時間點上的心理和行為的差異為基礎來推測其在時間維度上的變化。不過,社會變遷是一個漫長的過程,很多研究并非事先計劃,采集跨時間數(shù)據(jù)的現(xiàn)實可行性有限。因此,在跨時間數(shù)據(jù)缺乏的情況下,研究者也經(jīng)常利用非跨時間或橫斷面的數(shù)據(jù)來間接推測變遷規(guī)律。此時,常用的方法有兩種：跨代際比較和跨地區(qū)比較?？绱H比較是通過某一時間點上的不同代際之間的心理和行為差異來推測心理和行為的變化趨勢。這里一個重要前提假設是,老一代代表著過去或傳統(tǒng)社會,而新一代代表著當下或現(xiàn)代社會,這樣就可以通過代際之間的差異來推測傳統(tǒng)社會和現(xiàn)代社會之間的差異,進而推測社會發(fā)展過程中人類心理和行為可能發(fā)生的變化。而跨地區(qū)比較則是通過某一時間點上處于不同發(fā)展階段的地區(qū)之間的人們的心理和行為差異來推測心理和行為的變化趨勢。這里一個重要前提假設是,欠發(fā)達地區(qū)(比如農(nóng)村)代表著過去或傳統(tǒng)社會,而發(fā)達地區(qū)(比如城市)則代表著當下或現(xiàn)代社會;這樣就可以通過不同發(fā)展階段的地區(qū)之間的差異來推測社會發(fā)展帶來的心理影響。下面我們依次介紹跨時間比較、跨代際比較、跨地區(qū)比較的各種方法和范式。

2.1 跨時間比較

跨時間比較有3 種主要方法,分別基于3 種不同來源的數(shù)據(jù)：歷史檔案數(shù)據(jù)、既往發(fā)表文章報告的數(shù)據(jù)、各種調查數(shù)據(jù)。其中,前兩類數(shù)據(jù)都是群體水平的,反映的是宏觀水平上的群體特點的變化。最后一類數(shù)據(jù)是個體水平的,所有相關個體變量都可以納入分析,因而可以探討心理和行為變化是否隨著個體特征的不同而不同。下面我們分別對這三種方法進行介紹。

2.1.1 基于檔案數(shù)據(jù)的跨時間分析

社會變遷研究中常用的檔案數(shù)據(jù)主要有兩類：第一類是數(shù)字形態(tài)的歷史統(tǒng)計數(shù)據(jù),如國家統(tǒng)計局等機構發(fā)布的統(tǒng)計年鑒等;第二類是非數(shù)字形態(tài)的文化產(chǎn)品,如Google 圖書資料庫(Google Books Ngram Corpus)、歷年流行歌曲的歌詞、影視劇本、報刊資料、人名數(shù)據(jù)庫等。

對于數(shù)字形態(tài)的歷史統(tǒng)計數(shù)據(jù),研究者可以直接通過分析數(shù)據(jù)和年代之間的關系來揭示數(shù)據(jù)所代表的心理和行為隨時間變化的規(guī)律。常用的數(shù)據(jù)指標有離婚率、家庭規(guī)模、家庭多代同堂率等,這些數(shù)據(jù)都是社會變遷的重要標志。在心理學中,上述指標常作為個體主義和集體主義的客觀指標,用來探討文化心理的變化。比如,有研究采用這些指標對全球很多國家的文化變遷趨勢進行了研究,結果發(fā)現(xiàn),在全球范圍內,個體主義在上升,而集體主義在下降(Santos et al.,2017)。

對于非數(shù)字形態(tài)的文化產(chǎn)品,研究者首先需要對這些文化產(chǎn)品中包含的具有特定心理含義的部分(通常是字或詞)進行量化,然后分析其和年代之間的關系。在目前的社會變遷研究中,量化的信息通常有兩類,一類是代表某種文化心理(比如個體主義)或現(xiàn)象的流行情況,通常用代表該心理的詞每年出現(xiàn)的頻率來表征,這類信息可以用來研究該文化心理現(xiàn)象流行情況的變化。目前社會變遷研究中絕大部分基于非數(shù)字形態(tài)的研究都屬于這類研究。比如：基于Google Books Ngram語料庫,有研究通過調查9 種語言中第一人稱單數(shù)代詞(“我”)和第一人稱復數(shù)代詞(“我們”)的使用情況,進而考察不同國家或地區(qū)的個體主義和集體主義價值觀在過去半個多世紀的變化趨勢(Yu et al.,2016);基于流行歌曲歌詞,有研究通過對歌詞中自我詞和情緒詞的變化,進而考察文化取向和情緒的變遷(Berger &Packard,2018);基于名字庫,有研究通過分析名字獨特性的變化趨勢,進而推測個體主義文化的變化趨勢(Bao et al.,2021;Bianchi,2016);基于廣告語,有研究通過分析廣告和電視內容中價值觀信息的變化,進而推測人們價值觀的變化(Lin,2001);基于電視節(jié)目,有研究通過分析流行電視節(jié)目內容包含的個體主義信息的變化,進而推測個體主義的變化(Uhls &Greenfield,2011)。

另一類量化信息通常是代表某種文化或心理現(xiàn)象的目標概念(比如個體主義)的特征,通常用目標概念和其他屬性概念(比如積極和消極)之間的聯(lián)系來表征。這種聯(lián)系通常反映的是一種內隱聯(lián)系,比如內隱態(tài)度(比如對個體主義的內隱態(tài)度)或內隱刻板印象(比如女性和家庭相聯(lián)的刻板印象);其變化在一定程度上可以反映某目標概念的含義或相應聯(lián)系的變化。比如,一項最新的研究中,研究者利用自然語言處理的詞嵌入(Word Embedding)技術對Google Books 中文書籍中的個體主義和積極或消極概念的聯(lián)系進行了量化,結果發(fā)現(xiàn)從1950 年到1999 年間,個體主義與消極詞的聯(lián)系在減弱,表明個體主義在中國的接受程度在上升(Bao et al.,2022;Hamamura et al.,2021)。此外,該研究還發(fā)現(xiàn)個體主義和工作之間的聯(lián)系強度沒有變化,和金錢詞的聯(lián)系在不斷加強。這些結果表明,個體主義或集體主義在中國的涵義過去幾十年來既有穩(wěn)定的一面、也有變化的一面。還有研究基于Google Books、Google News 等語料庫探討了女性概念和工作之間的聯(lián)系在 1910 年和1990 年間的變化,結果發(fā)現(xiàn),女性和工作的聯(lián)系在不斷上升,表明職業(yè)的性別刻板印象在減弱(Garg et al.,2018)。

使用檔案數(shù)據(jù)進行文化變遷研究具有一些優(yōu)點。首先,檔案數(shù)據(jù)內容豐富、跨時也可以較長,可以用來研究很多變遷現(xiàn)象,不僅包括心理和行為本身流行情況的變化,還包括其內涵的變化;和相關社會生態(tài)變量結合起來還可以探討導致變遷的社會生態(tài)原因。其次,數(shù)據(jù)多來源于真實情境,大多都不是為研究專門設計的,研究結果的生態(tài)效度較高(Kashima,2014)。但是,這類研究也存在不足(Heng et al.,2018)。首先,這些數(shù)據(jù)并非為研究而設計,分析對象未必能很好地代表對象總體,以致使結果的可推廣性受限(Varnum &Grossmann,2017)。其次,研究結果雖然不涉及年齡效應,但是結果通常是時間效應和時代效應的混合,無法對二者做進一步的區(qū)分。再次,源自檔案內容的心理指標的效度在一定程度上會限制結果的有效性。最后,數(shù)據(jù)可能涉及被試隱私,違反研究倫理(Verma,2014)。

2.1.2 基于既往發(fā)表數(shù)據(jù)的橫斷歷史元分析(crosstemporal meta-analysis,CTMA)

橫斷歷史元分析是一種用來研究社會變遷的特殊的元分析方法,由Twenge 于1997 年首次提出并應用(Twenge,1997;詳細介紹見: 辛自強,池麗萍,2008)。與一般元分析類似,橫斷歷史元分析也是一種對過去發(fā)表的研究數(shù)據(jù)進行匯總和定量分析的方法;但與一般元分析不同,在橫斷歷史元分析中,研究者關注的不是心理效應的匯總,而是心理特征的平均水平如何隨年代的變化而變化。研究者通常以過去發(fā)表的某一主題的所有研究中涉及的樣本均值(或中位數(shù))作為分析對象,通過考察這些樣本均值和年代的共變關系來揭示其變化情況。

進行橫斷歷史研究通常涉及建立數(shù)據(jù)庫和數(shù)據(jù)分析兩個階段。與常見的元分析過程相似,數(shù)據(jù)庫的建立主要有以下幾個步驟：(1)搜索符合研究目標、并且具有可比性的文章(群體、測量工具相同或具有可比性);(2)根據(jù)一定的納入標準(例如該文獻是否報告了被試的量表得分均值)對文獻進行篩選;(3)文獻編碼;(4)按照時間順序整理研究;(5)復查文獻編碼信息,確保數(shù)據(jù)質量。在數(shù)據(jù)分析階段,先要對數(shù)據(jù)有關信息進行描述和展示,包括來源、樣本量、均數(shù)、標準差、分布等;然后重點考察研究的心理變量與年代之間的共變關系;有時還可以通過繼續(xù)考察有關社會生態(tài)變量(比如GDP、流行病發(fā)生率等)和心理變量的共變關系進一步探討導致心理變化的可能社會生態(tài)原因(辛自強,池麗萍,2008)。

國內外已經(jīng)有很多研究采用橫斷歷史元分析探討了各種文化心理的變遷。1997 年,Twenge 等第一次運用橫斷歷史元分析對美國在1975～1994年間性別角色的變遷進行了研究,結果發(fā)現(xiàn),美國女性越來越有男性化的傾向,而男性卻越來越有女性化的傾向(Twenge,1997)。在國內,Cai 等最近對中國人在2001～2019 年間的幸福感進行了橫斷歷史元分析,結果發(fā)現(xiàn)中國人的幸福感自2001年來呈線性上升趨勢;研究還通過時間序列分析發(fā)現(xiàn),經(jīng)濟增長是導致中國人幸福感上升的重要原因(Cai et al.,2022)。

橫斷歷史元分析利用過去發(fā)表的數(shù)據(jù)來探討心理與行為的變化,具有許多優(yōu)點。首先,橫斷歷史元分析對以往發(fā)表的數(shù)據(jù)重新利用,成本低,一定程度上克服了變遷研究所需的歷史數(shù)據(jù)難以獲得的困難;其次,橫斷歷史元分析可以通過考察不同年代中來自同一年齡階段的被試的數(shù)據(jù)(比如大學生)從而控制年齡效應。當然,橫斷歷史元分析也有不足。首先,不是所有的心理變量都有跨時足夠長的可比較的數(shù)據(jù),因此該方法能夠研究的問題有限。其次,雖然橫斷歷史元分析可以控制年齡效應,但是時間效應和時代效應依然混合在一起,并有可能高估或低估時代效應(Rudolph et al.,2020);最后,由于不同年代的數(shù)據(jù)來源于不同樣本,樣本的代表性和樣本間的可比較性不一定可以保證,以致結果的可靠性和可推廣性受限(Trzesniewski et al.,2008)。

2.1.3 基于調查數(shù)據(jù)的跨時間分析

第三種跨時間的分析是以各種個體水平的實際調查數(shù)據(jù)為基礎。這些調查由于最初的調查目的、可操作性等的不同存在很多不同的設計。下面,我們根據(jù)設計的不同對各種方法進行介紹。

(1) 橫斷序列設計(cross-sequential design)

基于橫斷序列設計的研究,在每個時間點上調查一個獨立樣本,通過對不同時間點采集的獨立樣本數(shù)據(jù)在時間維度上進行對比分析,繼而推測心理和行為的變化。許多大型的社會調查采用的就是這種設計,比如世界價值觀調查(World Values Survey,WVS;http://www.worldvaluessurvey.org/wvs.jsp)、中國綜合社會調查（China General Social Survey,CFPS;http://cgss.ruc.edu.cn/）、蓋洛普世界民意調查(Gallup World Poll,GWP;https://www.gallup.com/home.aspx)等。這種設計在社會變遷研究中有很多成功的應用,產(chǎn)生了許多重要發(fā)現(xiàn)。比如,利用GWP 在2005～2019 年間的社會流動性數(shù)據(jù),對全球167 個國家的社會向上流動性的變化趨勢及導致其變化的社會生態(tài)原因進行了分析,結果不僅揭示了各個國家的基本變化趨勢及其復雜性,還發(fā)現(xiàn)教育私有化是變化的重要解釋變量(Chan et al.,2021)。Cai 等(2022)對包括GWP、WVS、CFPS 在內的所有涉及中國人的幸福感的公開調查數(shù)據(jù)進行了整合分析,結果發(fā)現(xiàn)從1990 年到2018 年,中國人的幸福感表現(xiàn)出“U”型變化趨勢,先降后升,但總體上依然是上升的基本趨勢。除了跨時較長的研究,還有跨時很短的橫斷序列研究。比如,Park 等人(2016)對美國經(jīng)濟衰退前(2004～2006 年)和衰退期(2008～2010 年)大學生的價值觀進行了對比,結果發(fā)現(xiàn)美國大學生的社群主義(communitarianism) 和物質主義(materialism)在經(jīng)濟蕭條期間都有所增加(Park et al.,2016)。

橫斷序列設計有許多優(yōu)點。首先,不同時間點上的樣本可以不一樣,數(shù)據(jù)獲取相對容易;其次,理論上講,可以研究一切能夠通過調查進行測量的心理和行為,因此適用范圍非常廣;再次,可以把個人水平和群體水平的變量結合起來進行多水平分析,基于一定的假設,還可以對年齡效應、時間效應和時代效應進行分解(Yang &Land,2008)。不過,橫斷序列設計在每一個時間點上調查的是不同的樣本,這些樣本是否具有代表性、是否具有可比性是不可忽視的問題。

(2) 縱向追蹤設計(longitudinal design)

縱向追蹤設計通常鎖定一個樣本,然后進行多年的追蹤調查,在每個設定的時間點收集所有被試的數(shù)據(jù)?？v向追蹤設計可以是很短期的,也可以跨時相對較長。當采用時代-序列追蹤設計(cohort-sequential longitudinal design),樣本將會包含不同出生年代的人。此時,如果數(shù)據(jù)點較多,基于一定的假設,可以對年齡效應、時間效應、時代效應進行較好的分解(Yang &Land,2008)。

例如,Twenge 等對美國人的自尊在 1986～2002 年間的變化進行了研究?；诔錾诓煌甏谋辉?從25 歲到104 歲)的四波大樣本追蹤測量數(shù)據(jù)(1986,1989,1994,2002 年),通過運用多水平分析模型對數(shù)據(jù)進行建模分析(Yang &Land,2008),結果不僅揭示了美國人的自尊隨年齡增長而變化的發(fā)展曲線(先增后降,60 歲左右到達頂峰),還發(fā)現(xiàn)了顯著的時間效應和時代效應,1960年后出生的被試的自尊在1986～2002 年間呈上升趨勢,但是此前出生的被試的自尊在這段時間內呈不變或下降趨勢(Twenge et al.,2017)。在一項最近的研究中,基于美國國家青年追蹤研究(National Longitudinal Study of Youth)數(shù)據(jù),Hong等對出生于1980～1984 年間的5 代被試在美國2008 年的經(jīng)濟大蕭條前后就業(yè)和就學情況影響進行了研究。結果不僅發(fā)現(xiàn)了顯著的時代效應和年齡效應,更發(fā)現(xiàn)顯著的時間效應,即大蕭條作為宏觀社會經(jīng)濟條件對青年的就業(yè)和就學情況產(chǎn)生了顯著影響(Hong &Chung,2022)。

縱向追蹤研究的一個優(yōu)點是,每次研究調查的是同一批被試,可以避免不同時間點由于被試的不同而未必可比的問題;其次,基于一定的假設和恰當?shù)慕y(tǒng)計分析,可以對年齡效應、時間效應和時代效應進行一定程度上的分解,從而可以分別考察不同的效應。但是,這種方法數(shù)據(jù)采集很困難,被試流失是一個常見的問題;還有,由于其只是調查一個有限的樣本,結果準確性、可靠性受樣本大小和代表性影響較大;最后,由于是追蹤研究,不適合跨時長的變遷研究。

(3) 循環(huán)追蹤設計(revolving panel design)

循環(huán)追蹤設計和一般追蹤設計類似,需要在多個時間點上進行數(shù)據(jù)采集,不同的是,不同時間點的被試不完全相同,從第一次數(shù)據(jù)采集開始,以后每一次數(shù)據(jù)采集都有一些原有的被試流失,同時又有一些新的被試加入,因此兩個不同時間點的被試部分相同、部分不同。全美犯罪受害調查(National Crime Victimization Survey,NCVS)采用的就是這種研究設計。該調查項目自1973 年開始實施,每半年一次,對全美具有代表性的家庭進行訪談,調查過程中會不斷有家庭退出和加入,從而形成循環(huán)追蹤設計。家庭中所有符合條件的成員會被訪談七次(即共3.5 年),以了解他們在過去半年內經(jīng)受的各種形式的暴力行為。有研究者利用1973 年至2010 年全美犯罪受害者調查的數(shù)據(jù),對男性暴力受害與其人口學特征之間的關系進行了研究,發(fā)現(xiàn)白人男性與黑人男性、拉丁男性的暴力受害經(jīng)歷之間的差異在很大程度上能夠被年齡、居住地、經(jīng)濟和工作情況所解釋,而種族、民族與受害經(jīng)歷之間的關系并未隨著時間變化發(fā)生顯著的改變(Lauritsen et al.,2018)。

循環(huán)追蹤設計是縱向追蹤設計和橫斷序列設計的結合,因此除了二者共有的特點外,還有一些獨特的優(yōu)點。比如,研究者可以對追蹤的樣本和非追蹤的樣本分別分析,從而對結果進行交叉論證,增強結果的可靠性。

(4) 全樣本設計(total population design)

顧名思義,全樣本設計就是在每個時間點上都對研究設定范圍內的所有被試進行數(shù)據(jù)采集。每隔一段時間進行一次的國家人口普查就是這種設計的典型應用。由于每年都會有一定的出生和死亡人口,每次人口普查的樣本都會有些不一樣。其中,多個時間點共有的被試可以進行類似縱向追蹤研究的建模分析;而非共有的數(shù)據(jù)則可以進行類似橫斷序列設計的跨時間的橫斷對比分析。目前,有不少基于人口普查數(shù)據(jù)發(fā)表的社會變遷研究,比如有研究通過分析美國人口普查數(shù)據(jù),發(fā)現(xiàn)文化規(guī)范變化會影響家庭生育率(Hacker &Roberts,2017)、城市化會影響家庭世代同居情況的變化(Merchant et al.,2012;Pensieroso &Sommacal,2019)以及男、女經(jīng)濟地位的變化會影響婚姻情況和家庭權力(家長制) (Ruggles,2015)等。

全樣本設計是循環(huán)追蹤設計的升級版,除了循環(huán)追蹤設計的一般特點外,還具有樣本大、代表性強的優(yōu)點。但是這樣的調查通常涉及的心理內容非常有限,且實施需要耗費巨大的人力和物力,在心理與行為的社會變遷研究中實際作用有限。

(5) 回溯性追蹤設計(retrospective panel design)

回溯性追蹤設計和縱向追蹤設計類似,擁有一個特定的被試樣本,以及每個被試在不同時間點的數(shù)據(jù);不同的是,每一個時間點的數(shù)據(jù)都不是對被試在那個時間點的真實測量,而是基于后來的回溯性記憶給出的估計。很多時候,該方法讓來自不同出生時代的參與者回憶曾經(jīng)的經(jīng)歷和心理狀況,并以時間序列的形式記錄編碼,從而重建個體心理和行為的連續(xù)數(shù)據(jù),然后以這樣的連續(xù)數(shù)據(jù)為基礎,進而考察社會變遷的影響。德國生命史調查就是基于這種方法。有研究者利用德國的這個調查數(shù)據(jù)進行分析發(fā)現(xiàn),階級出身和受教育程度之間的聯(lián)系正在減弱,即教育不平等程度在減弱(Breen et al.,2009,2010)。在中國,張明楊(2021)運用回溯性追蹤設計對一批55 歲以上的被試進行了調查,讓他們基于回憶對80 年代初、2000 年初和現(xiàn)在的中國人的理想情緒進行評估,結果發(fā)現(xiàn)中國人對高喚醒積極情緒和低喚醒積極情緒的偏好都在上升。

回溯性追蹤設計具有縱向追蹤設計的一些優(yōu)點,同時也避免了縱向追蹤設計需要在每一個時間點采集數(shù)據(jù)的麻煩,使得數(shù)據(jù)采集相對較為容易。但是,這種設計以被試的回憶為基礎,存在許多其他設計沒有的問題。比如,被試是否能夠準確記得過去;即使記得,是否愿意如實報告;即使能夠回憶并愿意報告,各種記憶偏差(如選擇、重構、簡化、扭曲等)將會造成什么樣的影響;即使到了最后,對被試回憶內容的人工編碼有時也會出現(xiàn)偏差。所有這些偏差最終都會反映到結果中,從而降低結果可靠性。

2.2 跨代際比較

出生在不同年代的人,由于人生歷程中所經(jīng)歷的社會環(huán)境和歷史事件通常不同,因而身上會帶有不同的時代烙印,從而為我們研究社會變遷對心理和行為的影響提供了新的可能(Cai,et al.,2018;Gilleard,2004;Joshi et al.,2011;Schuman &Scott,1989)。

一種常見的跨代研究設計是,根據(jù)某種標準對客觀年代進行劃分,然后對出生在不同年代的人的心理和行為差異進行對比,繼而通過代際間的差異推測心理和行為的變化。具體研究中,定義和區(qū)分“代”的常見方法有兩種。最簡單、直接的一種就是按照年代進行劃分,每隔一定年為一代,例如,出生在1960 年至1969 年的為一代、出生在1970 年到1979 年之間的為一代(廖小平,張長明,2007;劉鳳香,2011;劉蘋 等,2012)。另一種則是以關鍵的歷史事件為依據(jù)進行劃分,例如,Tang 等(2017)為了研究經(jīng)濟發(fā)展對于不同出生年代的員工的價值觀的影響,按照兩個重要的經(jīng)濟事件(1978 年的改革開放、1990 年上交所和深交所的成立)將研究對象分為三代：改革前一代(出生在1978 年以前)、改革一代(出生在1978～1989 年)、改革后一代(出生在1989 年以后)。不管是哪種方法,屬于同一代的個體應該有類似的社會經(jīng)歷,因此身上會帶有一些類似的時代烙印。

另外一種常見的跨代研究設計則不以客觀年代為標準,而以某一時間點上的家庭為分析單元,以直系親屬關系為基礎,以祖父母輩、父母輩和子輩三代為基礎進行家庭代際差異研究。這樣,通過上下三代或兩代人的差異來推測心理和行為在時間維度上的變化趨勢。比如,為了調查瑪雅地區(qū)從農(nóng)業(yè)社會發(fā)展到商業(yè)社會人們價值觀的變化,Manago (2014)對18 個高中生及其母親、祖母進行了訪談,通過代際差異分析,作者推斷個體主義呈上升趨勢,而集體主義呈下降趨勢。Zhou 等對祖父母眼中的中國三代孩子的心理特點(自主、好奇;服從、害羞等)以及三代父母的養(yǎng)育風格(支持、表揚;控制、批評)的看法進行了訪談,結果發(fā)現(xiàn),年輕一代具有更多的個體主義心理特點和養(yǎng)育風格(Zhou et al.,2018)。

兩種跨代設計得到的所謂代際差異是年齡效應、時代效應的混合,無法確知差異來源。但是,兩者的一個共同優(yōu)點是一次調查就可以獲得全部數(shù)據(jù),相對容易實施。家庭代際差異研究還有一個獨特的優(yōu)點,即不僅可以用來考察不同代際之間的差異,還可以用來考察不同代際間的相似性或代際傳遞。

衡量家庭內代際相似性有三種方式,第一種是代和代之間的絕對均數(shù)差,差越小,表明相似性越高;第二種是代與代的相關系數(shù),相關越高,表示相似性越高;第三種則是代與代之間多個心理特征的模式或剖面相關(profile correlation),相關越高,表示相似性越高。這三種相似性指標反映代際差異或相似性的不同側面。第一種代際之差反映的是代際的絕對平均差異；第二種和第三種代際相似性反映的則是相對差異,即來自不同家庭的父代與子代在整個樣本中相對位置的不變性。特別需要注意的是,絕對平均水平的差異大小和代際相似性相對獨立,這意味著,代際相似性高并不必然表示絕對平均水平不存在代際差異,同樣,代際相似性低并不必然意味著絕對平均水平差異很大。一項發(fā)表在Science雜志的涉及祖孫三代的研究發(fā)現(xiàn),人類的文化可以通過包括代際間的垂直傳播在內的多種方式進行傳遞,并且文化觀念傳遞性因領域而異(Cavalli-Sforza et al.,1982)。

2.3 跨地區(qū)比較(歷史重構法)

跨地區(qū)比較研究需要對兩個或多個處于不同發(fā)展或現(xiàn)代化水平不同的地區(qū)的人群進行同時考察,再通過對不同發(fā)展水平或階段的地區(qū)進行橫斷對比,繼而推測社會發(fā)展的一般趨勢?？绲貐^(qū)比較可以在不同發(fā)展水平的國家間進行比較,也可以在一個國家內部發(fā)展水平不同的地區(qū)進行比較。比如,Xin 等通過對考察中國29 個省份間信任水平的差異,發(fā)現(xiàn)越是發(fā)達的、市場化水平高的地方,信任水平越低;由于中國過去幾十年來總體上市場化水平在不斷提高,他們推測中國人的信任過去幾十年來在不斷下降(Xin &Xin,2017)。Cai 等(2012)在一項關于自戀的大樣本研究中發(fā)現(xiàn)中國城里人的自戀水平比農(nóng)村人高,據(jù)此以及其他一些證據(jù),他們推測中國人的自戀在現(xiàn)代化進程中有日益增高的趨勢。

橫斷比較法不需要采集跨時間點的數(shù)據(jù),能以較低成本、更方便地了解人類文化、心理和行為的變化規(guī)律及背后原因。但是,橫斷比較中,比較的是不同的樣本,樣本代表性和可比較性將會影響結果的可靠性。還有,從地域差異推測時間變化差異是以前述的一些重要假設為基礎,當假設不能得到滿足時,結果將可能不準確或不可靠。

3 解釋心理和行為變化的常用數(shù)據(jù)分析方法

社會變遷研究中大家最為關心的是某種心理或行為的變化趨勢及影響變遷的社會生態(tài)原因。對此,傳統(tǒng)的統(tǒng)計分析方法是簡單相關和回歸分析。當以時間作為預測變量時,就可以揭示變遷趨勢;當以潛在社會生態(tài)變量作為預測變量時,則可以探索導致變遷的可能原因。但是,由于簡單相關和回歸分析在處理具有時間序列性質的數(shù)據(jù)無法排除自相關和虛假相關的影響,越來越多的研究開始采用時間序列分析,特別是交叉滯后相關和格蘭杰因果檢驗。下面我們先介紹傳統(tǒng)分析方法及其局限性,然后重點介紹現(xiàn)代時間序列分析。

3.1 傳統(tǒng)分析方法及其局限性：自相關和偽相關問題

在社會變遷研究中,研究除了收集感興趣的心理和行為的年度數(shù)據(jù),通常也會收集對應年份的社會生態(tài)變量,如人均GDP、城鎮(zhèn)化率、傳染病流行率、自然災害頻次等。在考察心理和行為的變遷趨勢時,通常是把該心理和行為作為結果變量,把時間作為預測變量,建立回歸方程,從而分析心理和行為如何隨時間的變化而變化。如果要進一步考察導致變化的可能原因,則可以把潛在社會生態(tài)變量作為預測變量建立一元或多元回歸方程,進而了解各生態(tài)變量的預測或解釋作用。

但是,傳統(tǒng)的回歸分析在處理社會變遷數(shù)據(jù)時存在許多問題。社會變遷研究中收集的數(shù)據(jù)很多都是時間序列數(shù)據(jù),而時間序列數(shù)據(jù)往往存在自相關(autocorrelation),即變量在時間維度上存在連續(xù)性,相鄰觀測之間不獨立,某一年數(shù)據(jù)與前一年甚至前若干年的數(shù)據(jù)之間存在相關性。自相關的存在使得分析的數(shù)據(jù)通常不滿足傳統(tǒng)的回歸分析對誤差獨立性的基本要求,使得回歸系數(shù)標準誤的估計出現(xiàn)偏差,相應的假設檢驗結果可靠性降低。

此外,傳統(tǒng)的回歸分析還無法解決偽相關(spurious correlation)問題,即分析揭示的某兩個變量的相關可能是由某個第三變量導致的虛假相關。這里的第三變量可能是時間本身,或者未被觀測到的其他社會生態(tài)變量等(Neusser,2016)。比如,生活中很多家長都有一個感覺,孩子上課外輔導班越多,將來上好大學的可能性越高。表面上看,上課外輔導班可以提高孩子上好大學的可能性似乎是對的。但是,二者的相關可能是背后的家庭經(jīng)濟條件導致的：家庭經(jīng)濟條件好的孩子更有可能上輔導班,也有更大的可能性上好大學。這種情況下,上輔導班和上好大學的相關其實只是一個虛假的相關,導致二者產(chǎn)生相關的真正原因是家庭經(jīng)濟條件?？梢?對于社會變遷研究中的時間序列數(shù)據(jù),尤其是存在共變趨勢的時間序列,傳統(tǒng)回歸分析得到的結果很可能只是一種偽相關,從而導致錯誤的結論。此外,傳統(tǒng)的回歸分析得到的兩個變量的關系即使真的存在,也只是一種相關關系,無法確定其因果,因為二者是同時發(fā)生的。為了排除自相關和偽相關對結果的影響,并探討變量間可能的因果關系,更合適的是進行時間序列分析(Box-Steffensmeier et al.,2014)。

3.2 時間序列分析

時間序列分析是一種涉及時間變化的分析方法的統(tǒng)稱,通常用來研究一個或多個變量如何隨時間變化,同時如何受其他變量變化的影響等問題,在金融學、經(jīng)濟學等領域有廣泛應用(Box-Steffensmeier et al.,2014;Neusser,2016)。近年來,越來越多的心理學研究也開始采用時間序列分析,其中一個重要的領域就是社會變遷研究(如Grossmann&Varnum,2015)。

時間序列分析使用的是一組按照一定時間間隔(如天、周、月、季度、年)排列起來的對某個特定對象(如一個國家)的觀測數(shù)據(jù)。時間序列分析一般要求具有50 個時間點的觀測數(shù)據(jù),最少不能低于20 個(Jebb et al.,2015)。時間序列分析還要求數(shù)據(jù)滿足一些前提條件。其中,最重要的一個條件是平穩(wěn)性(stationarity)：如果一個時間序列的均值、方差、自相關系數(shù)等統(tǒng)計特征不隨時間推移而變化,那么就稱其為平穩(wěn)時間序列,否則為非平穩(wěn)序列(Neusser,2016)。也就是說,一個明顯呈上升或下降趨勢的時間序列,不具有平穩(wěn)性,不能直接使用其原始值進行后續(xù)的時間序列分析,而是要事先去除時間趨勢,使時間序列平穩(wěn)化。在統(tǒng)計上,用于檢驗時間序列是否平穩(wěn)的方法包括：(1)檢查時間序列圖,直觀判斷是否存在明顯的趨勢或周期,有趨勢或周期的時間序列都是不平穩(wěn)的(Jebb et al.,2015);(2)檢查自相關圖,平穩(wěn)時間序列通常具有短期相關性,隨著時間期數(shù)的增加,平穩(wěn)序列的自相關系數(shù)會很快衰減趨向于零;(3)單位根(unit root)檢驗,如Augmented Dickey-Fuller (ADF)單位根檢驗,如果存在單位根,則說明時間序列不平穩(wěn);(4)平穩(wěn)性檢驗,如KPSS 檢驗(Box-Steffensmeier et al.,2014)。如果發(fā)現(xiàn)時間序列不平穩(wěn),可以對數(shù)據(jù)進行適當轉換使時間序列平穩(wěn)化。一種常用轉換方法是對原始數(shù)據(jù)進行一階差分(first-order differencing),即用T 年的數(shù)據(jù)減去T -1 年的數(shù)據(jù)得到一系列差值作為新的時間序列,該新數(shù)據(jù)反映的則是相較于前一年的年度變化量(Levendis,2018)。如果一階差分后仍然非平穩(wěn),可以進一步做高階的差分。需要注意的是,隨著階數(shù)的增加,新時間序列的實際意義將會越來越難解釋。如果希望去除時間趨勢和混淆變量的影響,還可以在回歸中使用時間趨勢項和混淆變量預測某個時間序列,然后保存回歸的殘差(residuals),后續(xù)的分析則以殘差構成的新的時間序列為基礎(如Caluori et al.,2020;Jackson et al.,2019)。

3.3 雙變量時間序列分析方法

目前,社會變遷研究中用的最多的是雙變量的時間序列分析。其中,一個變量通常為心理或行為變量,另一個通常為社會生態(tài)因素。這種情況下,通常把一個變量作為結果變量,另一個變量作為預測變量。

3.3.1 交叉滯后相關(cross-lagged correlation)

假如有兩個平穩(wěn)時間序列變量X 和Y,要考察究竟是X 的變化先于Y 的變化,還是反方向的關系,可以進行交叉滯后相關分析,得到兩個變量的交叉相關函數(shù)(cross-correlation function,CCF)和交叉相關圖(cross correlogram)。具體而言,CCF依次計算時間序列Y 和X 同期及X 滯后1～k 年的簡單相關(k 一般設為20 或30),將求得的若干相關系數(shù)視為滯后期數(shù)(從-k 至k)的函數(shù);以相關系數(shù)為縱坐標、滯后期數(shù)為橫坐標,得到交叉相關圖(見圖1),一般將Y 和X 過去項的相關系數(shù)繪制在圖的-k 至-1 范圍(左半側),將Y 和X 滯后項的相關系數(shù)繪制在圖的1 至k 范圍(右半側),而兩者的同期相關系數(shù)則是在圖中間。通過交叉相關圖,可以找出相關系數(shù)絕對值最大的滯后期數(shù)：如果在左側,則說明當前的Y 與過去的X 相關最高,意味著X 的變化先于Y 的變化(圖1A);如果在右側,則說明當前的Y 與滯后的X 相關最高,意味著X 的變化滯后于Y 的變化(圖1B);如果最高相關在圖中間,則說明X 和Y 的同期相關最高,無法通過交叉滯后相關分析得出X 和Y 的變化誰先誰后的結論(圖1C) (Neusser,2016)。同時,交叉相關圖中絕對值最大的相關系數(shù)的方向和大小也需要參考,相關的正負號代表了X 和Y 關系的正負向,而相關的大小代表了關系的強度;此外,能進行CCF 分析的軟件(如R 語言的ccf 函數(shù))還會在圖中給出恰好達到統(tǒng)計顯著的相關系數(shù)的參考線(見圖1 中的藍色虛線)。

圖1 交叉相關示意圖

迄今,交叉滯后相關分析在社會變遷的研究中已經(jīng)有很多應用。比如,有研究曾用交叉滯后相關分析來考察文化變量(如個體主義、文化松緊性)與社會生態(tài)變量等因素之間的跨時間共變關系(Caluori et al.,2020;Grossmann &Varnum,2015;Jackson et al.,2019;Xin &Xin,2017)。

3.3.2 格蘭杰因果檢驗(Granger causality test)

交叉滯后相關分析只是對兩個時間序列X 和Y 先后順序的初步探索,尚未考慮某些混淆因素(如Y 自身滯后項與Y 當期數(shù)值的自相關),因此不足以作為最終結論。為了進一步確定X 和Y 是否存在時間順序上的因果關系,還需要進行格蘭杰因果檢驗(Granger,1969)。具體而言,格蘭杰因果檢驗會首先以Y 為結果變量,以Y 的1～p 階滯后項、X 的1～p 階滯后項為預測變量(滯后階數(shù)p可根據(jù)信息準則確定,一般不超過10),建立回歸模型。該模型既包括Y 的自回歸,也包括X 若干滯后項對Y 的回歸。然后,使用F檢驗考察X 的滯后項對Y 的回歸系數(shù)是否都為零,即相當于在控制了Y 的滯后項之后,考察X 滯后項對Y 是否有顯著的預測作用,如果存在,說明加入X 的滯后項能夠顯著提升預測效果,進一步說明X 有助于預測Y 的變化,認為X 是Y 的格蘭杰原因(Granger cause)。為了嚴謹起見,還可以進行反方向的格蘭杰因果檢驗,如果Y 不是X 的格蘭杰因果原因,則可以使原有結論更具有說服力。

需要注意的是,與其他時間序列分析方法一樣,格蘭杰因果檢驗也需要滿足一個前提條件,即時間序列的平穩(wěn)性。因此做格蘭杰因果檢驗之前一般需要對原始時間序列進行平穩(wěn)化(如Caluori et al.,2020)。而且,格蘭杰因果檢驗揭示的仍然是一種時間先后的預測關系,這種關系仍然有可能是由第三變量引起的,并不屬于嚴格意義上的因果關系,至多可以認為是真正因果關系的一個必要條件。

格蘭杰因果檢驗在經(jīng)濟學中應用廣泛,近年來,在社會變遷研究中的應用也越來越多。在一項旨在探討自1990 年以來中國人的幸福感變遷趨勢及其背后原因的研究中,Cai 等(2022)在明確了中國人幸福感的上升基本趨勢后,進一步探討了經(jīng)濟增長和幸福感變化之間的關系。他們首先進行了交叉滯后相關分析。結果顯示,人均GDP可以顯著提前預測幸福感,而幸福感卻不能提前預測人均GDP,預示著人均GDP 的增長是中國幸福感提升的一個可能原因。隨后,他們進一步進行了格蘭杰因果檢驗。結果發(fā)現(xiàn),在控制了幸福感的自回歸影響后,人均GDP 依然可以預測1年、2 年和4 年后的幸福感,表明人均GDP 是幸福感的格蘭杰原因。

3.4 多元時間序列分析：向量自回歸(VAR)模型、基于VAR 模型的格蘭杰因果檢驗

上面考察的是只有兩個時間序列變量且假設其中一個為因、一個為果的情形。如果不事先假設因果,或者存在兩個以上的時間序列變量,則需要采用向量自回歸(vector autoregression,VAR)模型(Sims,1980),對多個時間序列變量的動態(tài)關系進行同時考察。

具體地,對于兩個或多個平穩(wěn)時間序列變量,VAR 建立的是一組時間序列回歸模型。其中,每個回歸模型的結果變量分別是各個時間序列變量,而預測變量是相同的,皆為所有時間序列變量的1～p 階滯后項;滯后階數(shù)一般可根據(jù)信息準則(如AIC)確定,年度數(shù)據(jù)的滯后階數(shù)一般不超過 5(Box-Steffensmeier et al.,2014;Levendis,2018;Neusser,2016)。例如,對于3 個平穩(wěn)時間序列X、Y、Z,建立3 個分別以X、Y、Z 為結果變量的回歸模型,每個模型的預測變量都是 Xt-1～Xt-p、Yt-1～Yt-p、Zt-1～Zt-p;如果設定滯后階數(shù)p=5,那么預測變量就一共有15 個。滯后階數(shù)p 是VAR模型需要設置的主要參數(shù),因此,一般也把向量自回歸模型具體寫為VAR(p)模型。此外,由于變量個數(shù)和滯后階數(shù)的乘積等于VAR(p)模型每個回歸方程的預測變量個數(shù),兩者都不能過大,否則回歸方程會產(chǎn)生過多需要估計的參數(shù),使模型估計的精確程度和有效性降低。

基于VAR 模型,研究者也可以進行多變量的格蘭杰因果檢驗。與雙變量的思路類似,基于VAR 模型的格蘭杰檢驗同樣使用F檢驗考察加入一個時間序列的若干滯后項是否能夠顯著提升對另一個時間序列的預測作用,如果統(tǒng)計顯著,則說明前者是后者的格蘭杰原因(Levendis,2018;Neusser,2016)。由此,可以基于VAR 模型對多個時間序列變量進行一系列的格蘭杰因果檢驗,不僅統(tǒng)計效率更高,而且充分考慮了多元時間序列作為一個變量系統(tǒng)而可能存在的內部相互影響(Box-Steffensmeier et al.,2014)。實際上,以往研究進行的雙變量格蘭杰因果檢驗是VAR 模型格蘭杰因果檢驗的一個特例;VAR 模型作為更普遍適用的多元時間序列分析方法,在最新的社會變遷研究已經(jīng)有多個應用嘗試。

在一項探討2006～2014 年間美國房地產(chǎn)價格和開放性人格之間的共變關系研究中,G?tz 等(2021)就采用了基于面板數(shù)據(jù)的面板向量自回歸模型(panel vector autoregression,PVAR)。模型中,房地產(chǎn)價格和開放人格之間互為因果,互相交叉滯后預測。結果發(fā)現(xiàn),房地產(chǎn)價格可以預測一年后的房屋購買者的開放人格水平,價格越高,購買者的人格越開放;但是,開放人格卻不能預測房屋價格。在另一項研究中,Chan 等(2021)探討了全球167 個國家社會流動性(向上流動)在2005 到2019 年間變化趨勢及和教育私有化、GDP、收入不平等三個社會生態(tài)變量之間的關系。他們運用PVAR 估計四個變量之間的相互預測關系(包括同時預測和滯后的交叉預測)的同時,再通過格蘭杰因果檢驗,進一步考察了上述三個生態(tài)變量是否是社會流動性的格蘭杰原因。結果發(fā)現(xiàn),教育私有化在部分國家會降低向上流動性(比如中國、新加波、哥倫比亞、約旦、菲律賓、印度尼西亞等),在另外一些國家卻會增強向上流動性(比如德國、墨西哥、馬來西亞等)。這些結果不僅表明教育私有化對社會流動性的決定性作用,還揭示這種作用隨國家而異。

4 討論

社會變遷對人的心理和行為的影響正在成為心理學的前沿熱點之一,得到越來越多心理學家的關注(Muthukrishna et al.,2021;Cai et al.,2019;蔡華儉 等,2020;黃梓航,敬一鳴 等,2018;黃梓航 等,2021)。自新中國、特別是改革開放以來,中國經(jīng)歷了幾十年的高速發(fā)展,社會發(fā)生了廣泛而深刻的變化,探討中國人的心理和行為的變化及其背后原因不僅具有重要學術價值,更對國家治理具有重要意義。為了促進國內學界對該領域的研究,本文從兩個方面對相關研究方法進行了較為全面的介紹。

第一個方面涉及變遷研究中的常用研究設計。這些設計中,有的是基于跨時間的比較,有的是基于跨代/地區(qū)的比較;有的是基于群體數(shù)據(jù),有的是基于個體數(shù)據(jù);有的基于客觀數(shù)據(jù),有的基于調查數(shù)據(jù)。所有的方法都可以從某一個方面觸及和社會變遷相關的兩種效應(時間效應和時代效應)中的一種或兩種,從而使得我們可以基于某種邏輯(歷史演進或歷史重構)對心理和行為的變遷規(guī)律進行推測?？傮w上,這些方法各有特點、各有優(yōu)缺點。這意味著,我們在進行具體研究時,在方法的選取上要根據(jù)研究的目的、研究資源的多少、數(shù)據(jù)的可獲得性和難度等選取恰當?shù)姆椒ā?/p>

鑒于每一種方法都是從不同角度觸及和變遷相關的時間或時代效應,但同時又可能混淆著無關的效應,理想的方法是同時采用多種方法對同一個問題進行研究,相互取長補短,以尋求多視角的聚合證據(jù)。比如,關于中國人幸福感的變遷,我們可以同時采用檔案研究(利用流行歌曲歌詞中的積極和消極情緒詞的變化)、橫斷歷史元分析(對已發(fā)表的幸福感的文獻按照時間維度進行定量分析)、跨時間對比(對不同時間點上獲得的幸福感數(shù)據(jù)進行比較)、跨代研究(對不同年代或代際的差異進行對比)、跨地區(qū)對比(對發(fā)達地區(qū)和不發(fā)達地區(qū)民眾的幸福感進行對比)、甚至追蹤研究(對同一批被試在不同時間點的幸福感進行對比)。這樣,我們就可以避免基于單一方法或單一來源的數(shù)據(jù)進行推論。

第二個方面涉及變遷研究中的常用數(shù)據(jù)分析方法。對此我們介紹了目前研究中常用的幾種統(tǒng)計方法,包括傳統(tǒng)的簡單相關和回歸分析,以及基于時間序列分析的交叉滯后相關分析、格蘭杰因果檢驗。通過簡單相關和回歸分析,我們可以很快知道變遷的基本趨勢、各種社會生態(tài)變化和結果變量之間的共變關系,大致可以推測導致變化的社會生態(tài)因素;通過交叉滯后相關分析,我們可以進一步推測已經(jīng)揭示的共變關系可能的先后順序;通過格蘭杰檢驗,我們可以進一步排除自回歸的影響,對潛在因果關系進行更為可靠的檢驗。但是,需要注意的是,現(xiàn)有的這些方法揭示的本質上都是一種相關關系;這種相關關系依然有可能是其他變量導致的。

此外,變遷研究中一個棘手問題就是年齡效應、時間效應和時代效應的分解和估計。對此,理論上雖然沒有完美的方法可以徹底解決該問題,但是已經(jīng)有大量的方法性研究,并提出了很多可能的分解和估計方法,比如局部限定法、兩因素模型、內生因子法等(Bell,2020),不同的模型適用于不同的設計和數(shù)據(jù)。其中一種較新的、應用較廣的就是年齡-時間-時代(Age-period-cohort,APC)模型(Yang &Land,2008,2013)。APC 模型可用于分析橫斷序列設計的數(shù)據(jù)。該模型把年齡作為個體內變量、時期和時代作為情境變量,個體嵌套在時間和時代中。以此為基礎建立的兩水平線性APC 模型中,個體年齡為第一水平的預測變量,時間和年代為第二水平的預測變量,因變量則為具有某一年齡、出生于某特定時代、在某一特定時間點的某心理變量。通過APC 模型分析,我們可以大概估計年齡、時期和時代效應。不過,該模型適用數(shù)據(jù)有限,且模型需要很強的假設,比如所有隨機變量服從多元正態(tài)分布;當樣本數(shù)據(jù)量較小或數(shù)據(jù)不平衡時,模型的參數(shù)估計和假設檢驗結果可靠性將降低。鑒于變遷研究中三種效應的分解和估計問題的復雜性,我們將另文專述。

需要指出的是,社會變遷及其對心理和行為的影響非常復雜,學界關心的問題遠不止變化趨勢和可能的原因,還有變遷的后果(比如,對經(jīng)濟的影響等)、變遷的過程和機制等,不同的問題研究方法也不盡相同。本文只是對和變遷趨勢相關的常見研究設計和數(shù)據(jù)分析方法進行了介紹。關于變遷的過程和機制的常用研究方法,辛自強等已有專文介紹(辛自強,劉國芳,2012)。此外,國內還有研究者對一些更為特定的方法進行了詳細介紹,比如,文化產(chǎn)品分析(豐怡 等,2013)、橫斷歷史元分析(辛自強,池麗萍,2008)、利用互聯(lián)網(wǎng)數(shù)據(jù)進行變遷研究(李永帥 等,2017)、社會變遷研究有關的各種數(shù)據(jù)資源(黃梓航,王可 等,2018)等,。期待本文和其他相關文章一起,能為國內的研究者開展社會變遷研究提供相對全面的方法參考,最終促進國內的社會變遷研究。