文化心理学研究设计中的常见偏差分析

在设计和评估跨文化研究时，等值和偏差是极其重要的概念。偏差（Bias）是指在文化内部或文化之间意义不同导致的差异。等值（Equivalence）是不同的文化之间在概念含义和研究方法上相似或相等的状态／条件。它使得跨文化对比具有意义。上述两个概念密切相关：偏差是指不等值的状态，等值是指不存在偏差的状态。

从最严格的意义上说，如果跨文化对比研究的任何方面存在偏差，那么这种比较就失去了意义。只有当理论框架和研究假设在被比较的文化中具有同等意义，并且实验操纵、数据收集和分析的方法具有同等意义时，比较的结果才有意义。

因此，对于跨文化研究者来说，了解研究中哪些方面可能存在文化偏差以及努力在这些方面达到等值是很重要的。下面我们将讨论几个常存在偏差的领域。

（一）概念偏差

跨文化研究的一个主要关注点是被检验的整体理论框架以及关键的特定研究假设的跨文化等值性。如果这些内容的含义在研究关注的不同文化中并不相同（即出现概念偏差），那么从这些文化中获得的数据就不具有可比性，因为它们意味着不同的东西。如果理论框架和研究假设在参与的文化中是等值的，那么这项研究就可能是有意义和有用的。

例如，在美国或欧洲接受过研究训练的人可能会被正规的和系统的教育体系所特有的逻辑决定论（Logical Determinism）和理性主义（Rationality）束缚。另外，因为我们非常习惯在纸上以二维的方式来描述人类的行为，这种二维表征模式会影响我们的心理表征方式。其他文化背景的人如果没有接受过这样的教育，或者不习惯将自己对世界的想法简化成二维表征，他们的想法可能就不一样。如果上述情况确实存在，就会产生一个更为深刻的问题：在欧洲或美国文化架构下创建的理论，对那些不认同这种文化的人来说，是否也具有同样的意义？显然，如果一个理论不具备跨文化相等的意义，那么它就不是等值的。

又如，在幸福感研究领域中，幸福的概念是否具有跨文化的一致性对研究结果的意义价值非常重要。Delle等在一个研究中探索了跨国家和文化维度的幸福定义，分析它们的组成部分及与参与者人口学特征的关系。该研究的对象为2 799名生活在阿根廷、巴西、克罗地亚、匈牙利、印度、意大利、墨西哥、新西兰、挪威、葡萄牙、南非和美国等国的成年人（年龄范围为30～60岁，50%为女性）。被试完成一个幸福与快乐调查（EHHI），并报告自己对幸福的定义以及其他一些信_息。结果表明，被试对幸福的定义范围很广，涉及广泛的生活领域、环境-社会领域和心理领域。总体而言，在心理领域中将幸福定义为内心和谐的比例占主导地位，在社会环境领域中将幸福定义为良好家庭和社会关系的比例占主导地位。该研究结果提示研究者，在使用幸福这个词汇测试不同文化背景的被试的幸福感时，需要考虑他们对幸福的定义是否一致。

（二）方法偏差

1．取样偏差

在心理学研究设计中，样本的代表性是核心问题之一。如果样本缺乏代表性，就会导致取样偏差。在跨文化研究中，对于取样偏差问题，研究者首先需要考虑所选择的样本是否能恰当地代表所研究的文化。事实上，大多数跨文化研究不仅是跨文化的研究，也是跨城市的研究，更确切地说，是跨不同大学的研究。例如，美国人和中国人之间的跨文化比较可能会涉及西雅图和北京两个城市的数据。西雅图的被试是美国文化的代表吗？北京的被试提供的数据会和西安、长春、重庆、上海、广州等地的被试提供的数据一样吗？当然，答案是我们不知道的，但对跨文化研究非常重要。无论在同一个研究中还是在不同的研究中，为了证明研究结果在同一文化背景下的不同群体中都是适用的，研究者需要考虑如何收集到同一文化群体中多种来源的被试数据。

在跨文化研究中，对于取样偏差需要关注的第二个问题是研究中的样本在非文化的人口统计学变量（如年龄、性别、宗教信仰、社会经济地位、职业以及其他特征）上是否存在差异。例如，研究者需要比较来自洛杉矶的50名美国人和来自上海的50名中国人的数据。这两组被试的文化背景不同、社会经济地位不同、教育水平不同、社会经验不同、科技形式不同、宗教背景不同，那么，他们在心理或行为上的差异到底是哪个因素导致的呢？为了解决这个问题，研究人员需要在跨文化对比数据时找到控制这些非文化类的人口统计学变量的方法。有两种常用方法可以对之进行控制，一种是在选择被试时加以控制，即尽量选择在控制变量上一致的被试；另一种是在分析数据时进行统计上的控制，而这需要研究者事先收集到被试在人口统计学变量上的信息，然后将这些人口统计学变量作为协变量加入探索自变量对因变量影响的统计过程中。

需要注意的是，跨文化研究中往往有这样的现象，即某些非文化类的人口学特征与文化不可分割地交织在一起，以至于研究人员无法在跨样本比较中保持两种文化背景的被试在这些人口学特征上的一致性。例如，在不同文化中宗教信仰的意义和实践存在差异，使得它们往往与文化密不可分。研究者对比一个无宗教信仰的文化群体和一个信仰某种宗教的文化群体时，将无法判断两个群体的心理／行为差异是文化不同导致的，还是宗教信仰条件不同（有／无）导致的。即使研究者试图在两种不同的文化中保证被试的宗教信仰一致也不能解决问题，因为在美国信仰天主教和在日本或马来西亚信仰天主教的意义是不一样的。除了宗教信仰外，社会经济地位也是一个常常无法与文化分割的变量，因为在世界各地的文化样本中，总体社会经济地位存在着巨大的差异。当研究对比一群来自经济水平落后地区的被试和一群来自经济发达地区的被试时，研究者将无法判断二者之间的心理／行为差异是源于文化差异还是源于社会经济水平差异。对于这样的多因素不可分割的现象，研究者需要在解释其研究结果时更为谨慎，不可轻易下结论。

2．语言偏差

语言偏差是跨文化研究中不可忽略的潜在问题。跨文化研究很特殊，因为它经常涉及使用多种语言收集数据，而研究人员需要保持数据收集过程中语言的等值性。语言偏差是指跨文化研究程序中涉及的语言部分如问卷、指导语等缺乏两种或多种文化之间的语义对等性。

学术界常用的建立语言等值性的方法有以下两种。

第一种被称为反向翻译（Back Translation）。反向翻译是将一种语言版本的研究材料翻译成另一种语言，然后让他人将这个版本翻译成第一种语言。如果反向翻译后的版本与原文基本相同，我们通常就可以认为两种语言版本的研究材料达到了语言等值；如果不相同，则该过程需要重复，直到反向翻译的版本与原文版本相同。这个过程背后的观念是最终产品必须与原文语言在语义上对等。通过成功的反向翻译，原版本语言的任何特定文化概念都将被消除或被等效地翻译成目标语言。也就是说，特定文化的意义和内涵逐渐从研究材料中消失，研究材料中只剩下各种语言之间彼此最接近的语义对等物。由于实现了语言上的等值，成功反向翻译后的研究材料在跨文化假设检验研究中被认为有真正的可对比性。

第二种建立语言等值性的方法是委员会法（Committee Approach）。在这种方法中，几个双语者共同将研究材料翻译成目标语言。他们共同讨论协商目标语言中可以使用的各种形式、单词和短语，并将之与他们对原材料中的语言的理解进行相互比较，最后达成一个具有共识性的产品。这个过程的产品反映了翻译的理念，即达成跨语言和跨文化的语言等值性共识。

研究人员可能会将多种语言等值性方法结合起来，以获得更科学合理的结果。例如，他们可以先将一个研究材料进行翻译和反向翻译，然后由翻译委员会协商修改。又如，Smith等（2018）在对中文普通话-英语双语者在两种语言情景下的认知偏差任务操作特征的研究中，为了建立语言等值性，使用了反向翻译程序和一个所谓的离心程序（Decentering Procedure）。

3．程序偏差

在不同文化中收集数据的过程或程序也可能出现偏差。这种偏差被称为程序偏差。例如，在美国，许多大学里的心理学教授都强烈鼓励选修心理学入门课程的学生参与心理学研究，做研究中的被试；而美国学生通常希望参与研究，以作为他们学术经历的一部分，并且许多美国学生很擅长做实验被试。其他国家的风俗习惯可能不同。在一些国家，教授只是简单地收集来自学生的某些数据，或者要求学生完成一个实验。在另一些国家，学生可能认为能够参加一项研究是神圣或光荣的，视之为一种特权，而不是一件苦差。因此，不同文化背景下的被试对参与研究的期望和经验可能会有所不同，从而影响到他们在研究过程中的表现或发挥。

在其他类型的心理学研究中研究者常用的收集数据的程序同样需要应用于跨文化研究中。但这些程序在不同的国家可能有不同的意义。收集数据的地点是实验室还是其他地方，收集数据的时间是白天还是晚上，收集数据的方法是问卷法还是调查法，等等，在不同文化中可能都有不同的意义。跨文化研究者需要在工作中面对和思考这些程序上的意义差异，并建立可以进行跨文化比较的等效的程序、环境和设置。同样地，文献阅读者在评估跨文化研究时也需要意识到这些可能存在却很容易被忽略的差异。(www.xing528.com)

4．测量偏差

在跨文化研究中，测量工具可能是与偏差和等值性这两个概念关系最为密切的领域。测量偏差是指在不同文化中用于收集数据的测量工具未能达到同样的有效（效度）和可靠程度（信度）导致的偏差。

可以肯定的是，在跨文化研究中，语言等值本身并不能保证测量工具的等值，因为即使在两种语言中使用的单词是相同的，这些单词在两种文化中也不一定具有完全相同的含义。一个经过成功翻译的研究材料与其原语言版本是在两种或多种语言中彼此最接近的语言对等物。然而，它们可能仍然不完全一样。例如，在翻译英语单词anger时，我们可能会在中国话中找到一个等价的词，例如愤怒、恼怒、生气等，但是，这个翻译词是否具有与英语相同的内涵、力度和解释力呢？要找到与大多数单词完全等值的译文是非常困难的。因此，跨文化研究者除了关注语言等值外，还需要关注测量的等值性。

不同的文化可能以不同的方式定义和／或测量一个变量。某个事物在两种或两种以上的文化中具有相同的名称并不意味着它具有相同的含义（Poortinga，1989），也不意味着它可以用同样的方法来测量。如果一个概念对不同文化的人来说意味着不同的东西，或者在不同的文化中以不同的方式测量，那么比较就没有意义了。跨文化研究人员在研究过程中，对变量进行定义和操作时，需要敏锐地意识到等值性问题。

智力领域的研究就是一个涉及测量等值的例子。在经济水平较发达的工业社会里，智力通常被认为是由言语能力和分析批判思维能力构成的。以考察言语和推理能力为主的韦氏成人智力量表（WAIS）已被广泛用于在各种文化背景下评估智力。然而，不同文化对智力的构成可能有不同的认识。例如：有的文化可能认为高尚的品格和真诚是高智力的标志；有的文化可能认为保持和谐无冲突的人际关系的能力是高智力的标志；还有的文化则可能认为创造力和艺术能力是衡量智力的指标。在这样的情况下，对来自文化背景差异很大的WAIS数据进行比较可能不是对智力这个概念或变量有意义的跨文化比较。换言之，这种对智力的跨文化比较缺乏效度。

为了获得测量等值性，研究者常采用统计学方法加以控制。心理测量的等值性可以用几种不同的统计方法来确定。其中最常用的一种方法是确定不同语言版本的问卷是否具有相同的内部结构。这对于使用问卷法收集数据的情况尤其重要。研究者常使用探索性因子分析技术来检验问卷的结构。探索性因子分析中提取的因子是基于被试在各个问卷题目的回答之间的关联性来计算的。每个因子都与某些问卷题目测量的内容密切相关，代表某个心理结构。研究者可以用因子分来直接代表被试在这个心理结构上的得分。在不同文化中使用问卷时，其中一个问题是从不同文化的数据中是否可以提取出相同的因子或因素。如果是，那么这个量表在结构上就达到了等值。如果不是，那么该量表在结构上是有偏差的，表明不同的心理结构在影响不同文化群体的人的反应模式，因此，这些群体之间可能不具有可比性。例如，Ng和Levy设计了一个特质量表，通过探索性因素分析提炼出一个包含五个项目的单因素模型。他们在美国和新加坡分别施测，对双方的数据进行探索性因素分析，发现了类似的因素结构，以此证明这个特质量表在美国和新加坡两地文化中具有等值性（Ng，Levy，2018）。

另一种确定心理测量等值性的方法是检查跨文化测量工具的内部一致性。内部一致性可以通过检查问卷上的项目是否相互关联来评估。如果一个量表／问卷测量的是相同的心理结构，那么它的项目之间应该是相互关联的，即具有内部高度一致性。如果这些项目在不同文化中测量的心理结构都是一样的，那么它们应该在每个被测试的文化中都具有高度的内部一致性。例如，流行病学研究中心抑郁量表（CES-D）是流行病学研究中应用得最广泛的抑郁症状测量工具之一。考虑到CES-D量表的跨种族测量等效性对于研究的重要性，Assari等在全美具有代表性的黑人和白人成年人样本中对12个CES-D项目进行了验证性因素分析（CFA）。该研究的被试为3 570名非裔美国人和891名西班牙裔美国人。研究者采用多组结构方程建模，发现对于两类被试而言，最好的拟合模型都是三因素模型。具体来说，两组被试数据的因素结构相同，但是因素负荷有所不同。这个结果在一定程度上支持了CES-D在美国跨种族施测的等值性。（Assari，Moazen-Zadeh，2016）。

5．反应偏差

除了以上描述的关于方法上的偏差和等值性问题外，跨文化研究者还需注意不同的文化中的人会出现不同的反应偏差。反应偏差是一种以某种特定方式对项目或量表做出反应的系统化倾向。如果反应偏差存在，要对不同文化之间的数据进行比较就非常困难，因为研究者难以辨别数据中的差异是被测量对象的真实心理差异，还是他们对研究中所使用的量表做出的习惯性行为反应的差异。

反应偏差中最常见的一种是社会期望反应（Socially Desirable Responding）。这种偏差是指被试在受测过程中试图给出符合社会期望的答案的倾向。社会期望反应有两个方面，包括自欺性强化（Self-eceptive Enhancement，即以积极的角度看自己）和印象管理（Impression Management）。某些文化背景的被试比其他文化背景的被试可能会更关心如何以符合社会期望的方式做出反应。例如，Lalwani、Shavitt和Johnson（2006）的研究表明，欧美学生在自欺性强化方面的得分高于韩裔美国学生和新加坡学生，而新加坡学生在印象管理方面的得分高于欧美学生。研究者认为，个人主义文化取向越强的个体，其自欺性强化倾向越强；而集体主义文化取向越强的个体，其印象管理能力越强。Matsumoto（2006）的研究亦表明，一旦研究者对社会期望反应进行统计控制，美国和日本大学生的个人主义和集体主义文化取向之间的差异就会消失。该结果说明个人主义倾向和集体主义倾向的差异可能主要表现在被试回答问题时的社会期望反应差异上。

另外两种常见的反应偏差类型是默许偏差（Acquiescence Bias）和极端反应偏差（Extreme Response Bias）。前者是一种对问题题目观点表示同意的倾向，后者则是无论问题题目内容为何，都使用极端值（如非常符合或非常不符合）回答的倾向。Van Herk、Poortinga和Verhallen（2004）研究了6个欧洲国家关于家庭行为（如做饭、使用产品、刮胡子、洗衣服）的市场调查结果，发现地中海附近国家（希腊、意大利和西班牙）比欧洲西北部国家（法国、德国和英国）表现出更多的默许偏差和极端反应偏差。

最后一种常见反应偏差是参照群体效应（Reference Group Effect）（Heine，Lehman，Peng＆Greenholtz，2002）。参照群体的不同会影响人们的反应方式。人们在进行等级评定时，会与他人进行隐性的社会比较，而不是依据个人私下的价值体系进行直接推断（Peng，Nisbett，Wong，1997）。换言之，在完成评分量表时，人们会含蓄地将自己与组中的其他人进行比较。例如，Heine等（2002）认为，在问卷调查中，日本被试往往以高度集体主义的日本人群为参照群体，因此在回答问题时容易夸大自己的个人主义倾向，甚至在个人主义得分上比美国被试还高。同样地，美国人也可能会夸大他们对自己的集体主义的评分，因为他们的参照群体是高度个人主义的美国群体。Peng等（1997）研究比较了四种不同的价值观调查法——传统排名法（Traditional Ranking）、评分法（Rating）、态度量表法（Attitude Scaling Procedures）和行为情景评分法（Behavioral Scenario Rating Method），发现最合理有效的方法是行为情景评分法，其他方法都容易受到反应偏差的影响。然而，行为情景评分法是所有方法中最不常用的一种。

文化的哪些方面会导致反应偏差？Johnson，Kulesa，Cho和Shavitt（2003）研究了19个国家被试的反应偏差，并将这些偏差与每个国家在Hofstede的文化维度上的得分进行了相关度的比较。其研究结果发现，极端反应偏差更多地出现在鼓励男子气、权力和地位的文化中。研究者解释认为，极端反应偏差可以使一个人的言语表述更精确、更清晰以及更果断，而这些特点在这些文化中受到重视。此外，该研究也发现个人主义文化的被试不太可能产生默许偏见，这可能是因为个人主义文化并不强调保持和谐、传达友善和顺从这些特征。

在传统上，人们将反应偏差看作为得到真实反应而需要加以控制的方法学上的人为产物。然而，如今越来越多的人认为它们是文化对数据产生影响的重要组成部分。无论研究者在方法论上如何看待这一问题，都应该考虑反应偏差的影响，并将之纳入跨文化比较的数据分析中。

6．解释偏差

研究者在跨文化研究中还需要面对解释偏差（Interpretational Bias）。

首先，解释偏差容易出现在对统计显著结果的解读过程中。当研究者对感兴趣的变量进行文化差异检验时，经常使用卡方检验或方差分析等推断统计方法进行显著性检验。这些统计方法将观察到的各组之间的差异与人们通常仅基于偶然因素所期望的差异进行比较，然后计算该结果完全出于偶然因素的概率。如果这个概率非常低（通常以小于5%为标准），那么研究者可推断，各组之间的差异的出现不是因为偶然因素，即这些差异反映了样本所代表的文化群体之间的实际差异。这种通过否定对立面来证明某个现象的过程（如果A与B互为不可兼容的对立面，那么非A即B）是统计推断假设检验背后的核心逻辑。在传统上，研究者通过软件运算如果得出统计上有显著差异的结果，马上就将其解释为对所有或大多数被比较组的成员都有实际意义。也就是说，研究者和相应的读者经常假设这些群体中的大多数人在对比平均值时是有差异的。因此，如果研究发现，美国人的情感表达能力在统计学上显著强于日本人，人们往往就会得出这样的结论：所有的美国人都比所有的日本人更善于表达。但是，组间平均数具有统计学上的差异，这一事实本身并不能说明组间差别的实际意义程度，因为即使两组间不少个体的得分是相同的，组平均数在统计学上仍可能出现显著差异。当然，统计指标可以帮助我们确定平均值的差异在多大程度上反映了个体之间的显著差异。这个指标在统计学上被称为效应量（Effect Size）。有些研究者在跨文化研究中使用这类指标时直接称之为文化效应量（Cultural Effect Size，Matsumoto，Grissom，Dinnel，2001）。代表文化效应量的具体数值越大，表明文化对于研究涉及的心理／行为特征的影响越大，那么组水平差异（即平均值差异）所反映的个体水平差异的程度就越大。效应量指标的使用有助于打破将组间差异转化为个体差异的刻板性解释。

其次，解释偏差容易出现在对非等值数据的处理和解释过程中。尽管跨文化研究者在理论、假设、方法和数据处理方面会做很多努力来实现文化等值，但文化不等值问题往往是不可避免、固有和难以解决的。在跨文化研究中，人们几乎不可能在概念上和实证研究上创造出对研究涉及的两个或多个文化来说意义完全相同的东西。跨文化研究者通常采用的办法是在具体研究中就理论和方法而言尽可能地使数据接近等值。因此，研究人员经常面临如何处理非等值数据的问题。Poortinga（1989）概述了处理跨文化数据不等值问题的四种常见方法：①预先排除比较。这是研究者所能采取的最容易的措施，即在设计研究时排除那些对研究目的而言意义不大且容易造成混淆的比较。例如，研究者在对比两种文化背景被试的自尊水平时，考虑到男女群体自尊水平可能在这两种文化背景下有较大差异（即在一个文化中男女自尊水平接近，而在另一个文化中男性自尊水平高于女性），因此只选择两个文化背景下的男性被试来进行对比。②减少已收集数据中的不等值。许多研究者采取一定的方法来确定研究方法中存在的等值和不等值部分，然后只比较那些等值的部分。例如，如果一名研究者使用一个包含20个题目的量表来测量两种文化背景的人的焦虑程度，并在量表中发现了不等值的证据，那么他可能会逐个检查每一个题目是否等值，然后只使用达到等值的题目，重新计分，并在最新的计分结果上进行对比。③解释非等值。研究者确定了研究结果中的非等值部分时，可能将非等值结果解释为文化差异的表现。④忽略非等值。出于设计或解释上的疏忽，许多跨文化研究者可能会忽略研究中的非等值现象，直接将两（多）个文化背景下的人群的心理差异归因于文化差异，而非研究工具或研究材料的非等值。忽略非等值的解释无疑导致了解释偏差。研究者如何解释已经得到的不等值数据，取决于他们的经验和偏好，以及数据本身和研究结果的性质。由于许多跨文化研究都缺乏等值性，研究人员在解释研究结果时往往面临许多灰色地带。文化本身是一个复杂的现象。只有能保持客观且经验丰富的研究人员才能很好地处理这些灰色地带，并根据数据做出合理、有效和可靠的解释。

再次，解释偏差也出现在对研究结果的解读过程中。①研究者受背景文化过滤器的影响。在跨文化研究中，研究者本身的背景文化不仅影响其考虑的研究问题，也影响其对研究结果的解释。大多数研究者不可避免地要通过自己的文化过滤器来解释他们获得的数据。这种文化背景的差异会在不同程度上影响他们的解释方式。例如，多年来，研究人员将日本人与美国人在情绪状态上的文化差异归因为日本人压抑情绪。（Matsumoto，Ekman，1989）。然而，后来研究提供的证据表明，这种差异与其说是因为日本人压抑情绪，不如说是因为美国人夸大了自己的情绪反应（Matsumoto，1999）。因此，研究者对数据的解读是有偏差的，偏差来源于（具有美国文化背景的）研究者下意识地认为美国被试呈现的数据是真实的反应。②研究者将相关关系错误推论成因果关系。在假设性检验的跨文化研究中，文化在研究设计和数据分析中往往被视为自变量，使这些研究成为准实验的形式。这些研究中变量之间的关系基本上是相关关系，因此从这些研究中得出的推论只能是相关而非因果推论。例如，一个研究者对比美国和中国香港的群体在社会判断这一变量上的数据会发现，美国人在人际知觉（Person Perception）得分上显著高。对这个结果的解释应该仅限于相关性解释，即文化成员（美国人或中国香港人）与得分之间存在相关关系。据之进行因果推理（例如，身为美国人会导致人际知觉得分更高）是没有根据的。因果推论依赖于真实验设计，如设计自变量条件（不同的文化群体），并随机将被试分配到每个条件下。无疑，这种真实验范式对于跨文化研究而言是无法实现的。③研究者所做的文化归因错误（Cultural Attribution Fallacies）。在对跨文化结果进行解释时，研究者还可能将两（多）个文化群之间的某种心理／行为特征差异归因于某些在研究中未曾测量的因素。例如，当在一个研究的结果中发现美国和中国香港被试在社会判断倾向上存在显著差异时，研究者可能会认为这些差异是由于两种文化中个人主义／集体主义的差异造成的。这种无依据的解释是不符合科学逻辑验证精神的，属于误导性的推理。研究者只有在该研究中实际测量了个人主义／集体主义得分，发现两种文化背景的被试在这个维度上的得分显著不同，且有证据表明个人主义／集体主义得分模式影响美国和中国香港被试在社会判断任务上的得分，才可以进行上述解释。