古月小说网

手机浏览器扫描二维码访问

三研究结果（第2页）

图8-3不同性别婴儿自我认知的发展趋势

（二）婴儿自我认知的发展趋势

本研究采用多层线性模型的统计方法对婴儿从18～24个月自我认知的发展趋势进行考察。

多层线性模型可用于分析追踪研究数据。

在追踪研究的模型结构中，两个数据层分别为第一层的各个时间的观测结果和第二层的被观察的个体，也就是说，对每一个被试的多次观察形成了第一层数据，而个体代表的是第二层数据。

因此，本研究就所关心的两个问题建立对应的两水平统计模型：（1）第一水平模型，描述婴儿自我认知能力随时间变化的发展趋势；（2）第二水平模型，描述个体之间发展趋势的差异。

在本研究中，对婴儿在18个月、21个月、24个月的三次实验为第一层的数据，参加实验的每名婴儿个体为第二层的数据。

本研究的假设模型为：

模型1：零模型。

考察不含任何预测变量，只是把婴儿自我认知作为第一水平因变量的两水平模型。

这一模型通常用作层次分析的基准模型，主要用来检验婴儿自我认知能力是否存在个体的变异，以及计算个体之间的变异在总变异中的比例。

模型2：无条件增长模型。

在模型1的基础上，把时间变量作为第一水平的自变量，这个模型的第一水平主要用于描述婴儿自我认知随时间发展的线性变化趋势，模型的第二水平用来解释个体之间增长参数截距和斜率的差异。

模型3：含有第二水平预测变量的模型，也叫全模型。

这个模型是在模型2的基础上，在第二水平上加进预测变量性别，用个体的性别来预测婴儿自我认知的不同发展趋势的差异。

全模型可以用方程形式表示如下：

水平1：

因变量=β0+β1（时间）+γ

水平2：

β0=γ00+γ01（性别）+μ0

β1=γ10+γ11（性别）+μ1

模型参数所表示的意义如下：

因变量——

婴儿自我认知：从18个月到24个月，共测查3次，作为水平1的因变量。

自变量——

（1）时间：每次实验的时间点，从第一次实验到第三次实验被分别编码为0、1、2，是水平1中的自变量；

（2）性别：0代表女婴，1代表男婴，是水平2中的预测变量。

β0——水平1的截距；

β1——水平1的斜率，是线性增长率；

γ——残差；