要显著，不要节操
如何写一篇节操丧尽的心理论文导言心理学研究，理想状态下是一个用数据验证假设的过程。然天不遂人愿，你会发现，你的数据从来没有听话过。怎么调教你的数据呢？我来整理一下丧尽节操的经验。（初始状态，您有10点节操。）
1 被试/数据
首先我们可以从数据本身下手。处理被试/数据的方法基本有以下两种：删被试与造假。
1.1 剔除数据
即删除不符合假设的数据。比如假设两个变量之间有正相关，结果做出来没有相关，怎么办？先画个散点图看看，YAHOO！双变量正态分布。这时你默默地把散点图左上角和右下角的数据删掉。删几个，试试相关显著了没，没显著继续删，一直删到显著为止。在报告的结果部分这样写“剔除了部分作答不认真的被试”就行了。（您损失了1点节操，还有9点节操。）
例如Johnson, Smeesters, and Wheeler (2012)就因为这个被retract了。
1.2 编造数据/造假
相对于删被试来说，编造数据似乎更恶劣一些，所以我很少这么干。具体怎么编呢，有两种方法，一种是直接在excel里输入你想要的数据，另一种相对间接一些，自己当被试，想着自己的实验假设，多做几次，大概就显著了。（您又损失了1点节操，还有8点节操。）
例如Stapel and van der Linde (2011)就是这么干的。
2 变量转换
原始数据不显著？你可以试试对它进行对数、指数、倒数、三角函数等转换，还可以把几种转换结合起来使用。同样的，你需要在结果部分说明你使用了哪些转化，最重要的是要这句话后面引上这篇神文献(Winer, 1962)，它被引了40202次（截止2017年10月8日谷歌学术显示的数据）。（您又损失了1点节操，还有7点节操。）
3 显著性
放开了数据，接下来我们对显著性本身下手。
3.1 边缘显著
一般的，p < 0.06你说这是边缘显著完全没问题。也有很多人p < 0.1就说边缘显著了，还节操满满的。最狡猾的做法是：对于假设里应该显著的，p < 0.1就是边缘显著；假设里不该显著的，p = 0.5 就说不显著。（此处需要引一篇JPSP的研究，但我想不起来是哪一篇了……）（您又损失了1点节操，还有6点节操。）有人说“Marginally significant？So you didn't find anything?”你就跟他生气。
3.2 “但不显著”
即使P > 0.1，也没有关系，你可以说“有趋势但不显著”，“不显著但有趋势”更好。“不显著但多重比较/事后检验发现……”与此相似。（您又损失了1点节操，还有5点节操。）
3.3 创新
发挥创造力，改变传统的统计标准也是一个好办法。比如简单斜率检验中，一般取正负一个标准差处的数据进行比较。你可以创新啊，你取正负两个标准差处的数据进行比较，显著的可能性就大大提升了。（您又损失了1点节操，还有4点节操。）
3.4 多种统计方法
社心课上大三的一个小孩说“某先哲说过没有不显著的数据，只有不显著的统计方法”。这话说得太好了。回归不显著，把自变量划成分类变量做方差分析试试，或者把因变量划成分类变量做判别分析，再或者两边都分类咱来个卡方检验试试。你可以尝试一万种统计方法，但最后只报告显著的那一种（或几种）。（您又损失了1点节操，还有3点节操。）
4 设计
我们还可以从实验设计上增加“*”出现的概率。为什么听上去这么高级？
4.1 多个因变量
多个因变量可以有效地保证结果的显著。本人所在的实验室喜欢用“行为主体判断”这个任务，即给被试一堆行为，其中有积极、消极和中性行为三种，让被试判断这行为是城市居民做的呀还是农民工做的，是黑人做的呀还是白人做的，是男人做的呀还是女人做的，等等。这任务好处在哪呢？你可以单独以积极行为的结果为因变量，也可以用消极行为的，还可以用积极减中性、消极减中性、积极减消极等等做为因变量，只要有一个显著，就OK了，其他的就当你没做过。（您损失了1点节操，还有2点节操。）
4.2 中介变量
中介变量是问卷研究的好朋友，用包含多个变量的问卷研究很容易做出中介作用来。学位论文如果只有一个自变量和一个因变量，答辩老师肯定嫌你做的少，这是研究生群众对于中介变量如此喜闻乐见的原因之一。提到中介变量，我们应该感谢两个人（两篇文献），一是Sobel (1982)，他提出的检验方法非常容易显著，二是温忠麟,张雷, 侯杰泰,和刘红云 (2004)，他为广大心理学研究生提供了简单易行的中介变量检验程序（其中的“部分中介作用”尤其给力），毕竟Sobel君那篇以统计为主题英文文章大家都不太愿意读。你要做的呢，就是在问卷塞尽一堆量表，然后算相关矩阵，看看哪三个变量两两相关比较高，然后按温老师的流程做下来就OK了。讨论部分就随便解释呗。万一中介作用不显著，别忘了还有“边缘显著”、“不显著但有趋势”可以用。（您损失了1点节操，还有最后1点节操。）
要说的基本都说完了，还有1 点节操没有丢掉，怎么办？那我就接着问卷研究说说共同方法偏差好了，这货特别适合败节操。要再次请出温忠麟, 侯杰泰和马什赫伯特 (2004)，他们提出可以根据被试量改变显著性指标，这个提议不知挽救了多少文章。我曾经较为深入地研究过这个问题，很高兴地发现，中文文献中所有做了共同方法偏差检验的，都有各种极具创造性的解释来说明自己的研究中不存在共同方法偏差。较为有代表性的是这样一段话，由于某些原因，我就不给出参考文献了“原模型加入共同方法因子后，卡方改变呢，也不是不显著。但由于卡方啊，它受被试量影响，所以显著也一定不说明存在那啥。你看NFI呀，IFI呀，RMSEA呀，改变都不是很大嘛！所以本研究没有共同方法偏差。”为防止引起不愉快，我对这段文字做了口语化处理。
你为什么不去试试呢？（您损失了1点节操，您的节操败光了。）
参考文献
Johnson C S, Smeesters D, Wheeler S C. Visual perspective influences the use of metacognitive information in temporal comparisons.[J]. Journal of Personality & Social Psychology, 2012, 102(1):32-50.
Sherman J W, Kruschke J K, Sherman S J, et al. Attentional processes in stereotype formation: a common model for category accentuation and illusory correlation.[J]. Journal of Personality & Social Psychology, 2009, 96(2):305-23.
Sobel M E. Asymptotic Confidence Intervals for Indirect Effects in Structural Equation Models[J]. Sociological Methodology, 1982, 13(13):290-312.
Stapel D A, La V D L. What drives self-affirmation effects? On the importance of differentiating value affirmation and attribute affirmation.[J]. Journal of Personality & Social Psychology, 2011, 101(1):34.
Winer B J. Statistical principles in experimental design[J]. American Journal of Sociology, 1962, 29:: 7304–7309.
温忠麟, 张雷, 侯杰泰,等. 中介效应检验程序及其应用[J]. 心理学报, 2004, 36(5):614-620.
温忠麟, 侯杰泰, 马什赫伯特. 结构方程模型检验:拟合指数与卡方准则[J]. 心理学报, 2004, 36(2):186-194.
来源：果壳网 心事鉴定组贴
声明：部分文章和信息来源于互联网，如转载内容涉及版权等问题，请立即与小编联系，我们将迅速采取适当的措施。