对于心理学实证研究来说，几乎都要进行数据分析，特别是进行各种统计显著性检验。如果采用参数检验，那么，数据需要满足一些条件，例如，对于研究的变量，样本来自的总体得符合正态分布，样本数据也得符合正态分布。众所周知，人类的许多属性，比如，身高、智力，都是符合正态分布的。因此，就参数检验的正态分布要求而言，往往是针对样本的。

样本数据是否符合正态分布，可以通过检验而确定。如果检验结果表明，样本数据符合正态分布，就能进行欲做的参数检验。如果检验结果表明，样本数据不符合正态分布，那么，可以改用非参数检验，也可以将数据进行转换，把数据变得符合正态分布，做参数检验。由于非参数检验的效力低，所以，在这种情况下，进行数据转换是更为优先的选择。

许多研究者都会参考已有研究的作法，在需要时进行数据转换，但是，他们很可能并不明白数据为什么可以转换，甚至感到困惑：明明不符合正态分布的数据，却要硬生生转换成符合正态分布的数据，这算怎么回事呢？难道是公然允许篡改数据？因此，一些研究者知道数据转换，也进行过数据转换，然而，推测他们还是不清楚数据转换的原理。特别地，如果一种转换没有把数据变成正态分布，还可以进行另一种转换。这愈加令人不安，如此作法与操弄数据有何两样？

当然，数据转换既不是篡改数据，也不是操弄数据，而是变换数据的度量尺度。通俗地说，数据转换就是转换研究属性的度量单位。小学生在数学课上就学过相应的知识，做过有关的练习。例如，1米=3尺、4吨=4000公斤、5小时=300分钟。当用尺作单位时，假定有3个测量数据分别是3.45、8.28、11.94。如果用米作单位，对应的3个测量数据就分别成了1.15、2.76、3.98。

由此不难看出，用尺作单位时，数字较大，数字之间的差距也较大；用米作单位时，数字较小，数字之间的差距也较小。更为关键的是，虽然两套数据的数字不同，但是，它们对应的实物长度是相同的。也就是说，数据是重要的，不过，具体数字却不是那么重要，从而，对于一个物体的长度，用3.45表示或用1.15表示，甚至用11.50表示都是可以的。

同时，对于上述的一套数据，如果数字3.45成了1.15，那么，8.28、11.94也必然成了2.76、3.98。显然，这种数字的转换是成系统的，或者说，是按照一定的规则而系统转换的。数据虽然转换成不同的数字了，然而，数据对应的实物属性的数量还是原来的那样。从操作的层面看，就是原来用以尺为单位的尺子去度量，现在用以米为单位的尺子去度量。

实证研究中的量化研究，就是研究者对特定的属性进行测量，获得数据，对数据进行统计分析，得到结果，进而得出结论。虽然研究过程中的每个环节都是重要的，但是，有些环节更为关键。例如，测量就是这样的关键环节之一，毕竟，统计分析的数据来自测量，而研究的结果和结论又基于统计分析。

提到测量，人们很容易想到拿着尺子去量物体的长度。用尺子量长度或许是测量的最初情形。显然，人们不仅需要测量长度，而且需要测量重量；不仅需要测量物理属性，也还需要测量心理属性。对研究的属性，经过测量会得到结果，也就是数字。从而，所谓测量就是依据一定的规则，对事物的属性赋予数字的过程。

可见，测量依据的规则是基础性的，不妨把测量规则称为尺度。在测量时，对于相同的属性，所用尺度不同，获得的数字自然也不同。

有些尺度，人们已经知道或熟悉它们的具体含义，比如，常见的长度、重量、速度的尺度。其实，还有更多的尺度，人们不太熟悉或者根本就不知道，特别地，一些尺度是更为复合的，可能是两种或多种属性的比率，比如，马赫。研究者在具体研究中，还会制定或定义新的尺度。

这里的要点是，研究者在测量时，可能采用了合适的尺度，也可能没有采用合适的尺度。甚至，对于测量的属性，常用的尺度并不是合适的，而合适的尺度尚未发现或定义，从而，用已有尺度测量的数据，相应的数字在使用时并不是特别有效，例如，不符合正态分布，不能进行参数检验。此时，很自然的想法就是转换测量尺度，把测量数字变得符合正态分布，从而进行更为有效的参数检验。

统计学家已经系统研究了数据转换的规律，提出了一些常用的转换方式，例如，标准分数转换、平方根转换、对数转换、正弦转换、余弦转换，等。由此可知，数据转换通常是把度量的尺度由大变小，相应地，把数据之间的差距也由大变小，把不符合正态分布的数据变成符合正态分布的。

总之，理解了测量的基本含义，尤其是度量尺度的问题，也就真正理解了数据转换的原理，从而，研究者就可以根据需要，放心而灵活地进行数据转换了。

转载本文请联系原作者获取授权，同时请注明本文来自李宏翰科学网博客。

链接地址：https://m.sciencenet.cn/blog-2619783-1314292.html?mobile=1

收藏

分享