徐 桃 張敏強 王小婷 黃兆鋒 焦 璨

(1華南師范大學心理學院/心理應用研究中心, 廣州 510631) (2深圳大學師范學院心理學系, 深圳 518060)

1 引言

社會關系模型(Social Relations Model, SRM)是一種研究群體內(nèi)部雙方行為和人際知覺的分析方法(Kenny, Kashy, & Cook, 2006), 適用于研究人際互動中的知覺、行為、人際吸引的復雜性和多重性的問題。將個體從關系情景中抽離出來的研究, 其結論往往缺乏生態(tài)效度(Robins &Kashima, 2008; 馬紹奇, 焦璨, 張敏強, 2011), 而社會關系模型將個體在雙方關系中的行為和人際知覺的變異分解為個體和關系兩個層次, 較好地彌補了該缺陷, 被應用于許多心理學領域的研究。在國外心理學研究中, SRM應用廣泛, 包括人際知覺的精確性和偏差研究(Santuzzi, 2007; Kwan,John, Robins, & Kuang, 2008), 人際吸引及影響研究(Back, Schmukle, & Egloff, 2011; Coesens, De Mol, De Bourdeaudhuij, & Buysse, 2010), 人格研究(De Vries, 2010; Locke, Zheng, & Smith, 2014)及跨群體跨文化研究(Christensen, Duangdao, Isaacs,& Alfonso-Reese, 2012; Betts et al., 2014)等250項以上的心理學研究(Lüdtke, Robitzsch, Kenny, &Trautwein, 2013)。但是國內(nèi)僅有兩篇對特定領域的相關研究綜述(張宏宇, 許燕, 柳恒超, 2007;郭素然, 伍新春, 2013), 而關于社會關系模型的研究設計、數(shù)據(jù)處理和統(tǒng)計方法的評述在國內(nèi)文獻中還較少涉及。本文將重點介紹社會關系模型的研究設計、各種數(shù)據(jù)處理方法和相應軟件, 并簡述其在心理學研究領域的應用, 展示SRM在心理學研究中處理成對互動數(shù)據(jù)的優(yōu)勢和前景, 以期為國內(nèi)心理學研究方法的應用帶來新的視角。

2 社會關系模型概述

SRM將個人在雙方關系中的行為和知覺的變異分解為三種成分：行動者效應(actor effect)、同伴者效應(actor effect)和關系效應(relationship effect)。行動者效應反映的是個體在與不同的對象進行互動時采取的行為的一致性程度, 例如在信任研究中, 個體A對他人的信任在多大程度上是因為個體A傾向于信任他人; 同伴者效應反映的是不同的人對同一個體采取行為的一致性程度,如個體A的同伴者效應就是測量個體A獲得他人信任的程度; 關系效應反映的是個體排除行動者效應和同伴效應, 由于特定的雙方關系而采取的行為, 如在群體中, 個體A對個體B以外的其他人都不信任, 那么A與B的關系具有獨特性, 即A對B存在關系效應, 反映了特殊關系的獨特特點,需要注意的是關系效應具有有向性和非對稱性。

SRM基礎統(tǒng)計模型是具有兩因素隨機效應的模型(Cook & Dreyer, 1984), 如(1)式所示, 該模型是對成對關系中的主要變異做出統(tǒng)計估計和理論分析的基礎：

其中,Yijk代表行動者i對行動者j的某種行為或知覺的測量觀測值;μ代表組內(nèi)平均數(shù), 也叫做跨社會行為或知覺的平均數(shù), 即組內(nèi)不同個體行為或知覺的平均數(shù);αi是行動者效應, 即個體i對他人做出某種行為或產(chǎn)生某種知覺的趨勢;βj是同伴者效應, 即個體j成為某種行為或知覺的對象的行為或知覺趨勢;γij是關系效應, 即個體i對個體j做出某種獨特行為或產(chǎn)生某種特定知覺的趨勢,γij和γji不一定相等;εijk表示誤差成分, 而模型中下標k代表測量所屬的組別, 如果僅僅只有一個測量值, 則無法分離誤差(Lüdtke et al., 2013)。

3 研究設計類型

3.1 循環(huán)設計(round-robin design)

最常見的社會關系模型所采用的是循環(huán)設計,群體內(nèi)的各個成員須同群體的每個成員進行互動或評價。在一個全循環(huán)設計中最小的成員規(guī)模是4人(Lashley, Brian, & Kenny, 1998), 如表1是一個循環(huán)設計的模擬數(shù)據(jù)表, 群體中的4人進行循環(huán)設計, 每個人與其他3名成員進行互動或評價,為了分離關系變異中的誤差成分, 可采用對相同的變量進行多次測量,Yijk表示行動者i對同伴者j在第k次測量中的互動或評價觀測值。循環(huán)設計能夠得到全面精確的數(shù)據(jù), 可以提供兩方面的信息：個體差異和共同作用。但是若群體成員過多, 成員之間兩兩互動的幾率降低, 循環(huán)設計耗時耗力。

表1 循環(huán)設計表(N=4)

3.2 區(qū)組設計

區(qū)組設計是將群體的互動參與者分為兩個亞組, 每個亞組至少兩名成員, 個體對群體中的某一亞組成員進行互動或評價, 不需對所有同伴進行互動或評價。區(qū)組設計分為非對稱區(qū)組設計(Lashley et al., 1998; Luo & Zhang, 2009; Malloy,Berrios-Candeleria, Lewis, & Agatstein, 2011;Christensen et al., 2012)、對稱區(qū)組設計(De Paulo,Kenny, Hoover, Webb, & Oliver, 1987)和半?yún)^(qū)組設計(Kenny, Homer, Kashy, & Chu, 1992), 每種設計對于數(shù)據(jù)布局都有所不同。在半?yún)^(qū)組設計中, 群體分為行動者和同伴者兩個亞組, 只能由行動者亞組對同伴者亞組進行評判, 角色不可互換; 在對稱區(qū)組設計中, 兩個亞組角色相互調(diào)換, 可產(chǎn)生額外的成對數(shù)據(jù); 在非對稱區(qū)組設計中, 兩個亞組的成員特征存在明顯差異, 如男性與女性, 亞組間是不等價的, 數(shù)據(jù)被認為是兩個獨立的區(qū)組(Lashley et al., 1998)。區(qū)組設計不要求群組內(nèi)成員兩兩互動, 這種設計在成員較多時比較實用, 而且在非對稱區(qū)組設計中可加入更多的額外區(qū)分變量。

4 數(shù)據(jù)處理方法

4.1 傳統(tǒng)SRM數(shù)據(jù)分析方法——類方差分析法

傳統(tǒng)的SRM數(shù)據(jù)處理方法類似于兩因素方差分析(ANOVA), 將行動者效應和同伴者效應作為主效應, 關系效應作為交互效應。但是SRM數(shù)據(jù)之間存在互惠性, 不滿足方差分析對變量獨立性要求, 且對角線數(shù)據(jù)缺失(表1), 因此采用一般的方差分析會產(chǎn)生偏差(張宏宇, 許燕, 柳恒超,2007)。Warner, Kenny和Stoto (1979)根據(jù)觀測數(shù)據(jù)表, 同時考慮對角線數(shù)據(jù)缺失和非獨立性假設,加入修正項計算各變異來源的期望均方(EMS),通過EMS建立方差—協(xié)方差分量的線性方程組,來估計模型中的方差—協(xié)方差分量,。其中分別是分離出的行動者變異、同伴者變異和關系變異,是誤差變異。通過顯著性檢驗發(fā)現(xiàn), 如果變異成分顯著不為零, 那么就可以考察它與被試個體水平的變異之間的關系(張宏宇等, 2007)。

4.1.1 效應值

傳統(tǒng)SRM數(shù)據(jù)分析方法能計算出每個個體的行為者、同伴者和關系的具體效應值, 可將其與外生變量(如人格特質變量或人口學變量)進行相關性分析, 探索具有某種特質的個體的知覺或行為趨勢。行動者效應與觀測數(shù)據(jù)表中的行效應有關, 同伴者效應與列效應有關, 但是在SRM中需要考慮到在互動循環(huán)行列數(shù)據(jù)中存在觀測值缺失的現(xiàn)象, 如表1中對角線部分數(shù)據(jù)缺失, 缺失部分是個體對自身的評價或行為的測量, 由于個體不能既是自身的行動者又是自身的同伴者, 會影響行動者效應和同伴者效應的估計, 這主要是通過成員個數(shù)n可以給予一定的權重, 調(diào)試缺失的同伴者(郭素然, 伍新春, 2013)。表示行動者效應的估計值,表示同伴者效應的估計值,表示關系效應的估計值;Mi..表示行均值,M.i.表示列均值,Mij.表示方格均值,M...表示樣本總均值。各效應估計值計算公式如下：

4.1.2 相關軟件

根據(jù)傳統(tǒng)SRM數(shù)據(jù)分析的統(tǒng)計原理和計算方法, 研究者開發(fā)了基于windows系統(tǒng)的SRM分析統(tǒng)計軟件：WinSRM。該軟件包括兩個程序SOREMO (Kenny, 1998b)和BLOCKO (Kenny,1998a), SOREMO用來分析循環(huán)設計, BLOCKO分析區(qū)組設計。WinSRM需要創(chuàng)建三個文件：設置文件(setup file), 包括標題、變量標簽、數(shù)據(jù)格式、測量結構等; 數(shù)據(jù)文件(data file), 測量所得的數(shù)據(jù); 說明文件(instructions file), 指明設置文件、數(shù)據(jù)文件和輸出文檔。該軟件將心理和行為變異來源分解為行動者、同伴者和關系三種成分, 采用兩種不同的顯著性檢驗方法：當只有一組數(shù)據(jù)時, 采用jackknife方法進行顯著性檢驗; 而當有兩個及以上的群組時, 則進行組間t檢驗(Sch?nbrodt,Back, & Schmukle, 2012)。通過該軟件對數(shù)據(jù)進行整理和運算, 最終可輸出行動者、同伴者和關系的絕對變異值(absolute variance partitioning)和相對變異程度(relative variance partitioning)、各效應的效度估計值(reliability of effect estimates), 互惠性系數(shù)(reciprocity correlations)等。若采用多重指標或多次測量, 可分離測量誤差, 可進行結構分析, 包括穩(wěn)定結構和非穩(wěn)定結構。

WinSRM對每組成員數(shù)量有一定的限制, 每組成員一般不得超過25人, 同時, 該程序不能處理缺失值, 對數(shù)據(jù)清洗的要求高, 且要求采用標準格式輸入(Sch?nbrodt et al., 2012)。Sch?nbrodt等人(2012)介紹了一種R軟件包TripleR來分析循環(huán)設計, Triple R能靈活處理缺失值, 對每組成員的數(shù)量沒有限制, 且單組數(shù)據(jù)可作組內(nèi)t檢驗, 多組數(shù)據(jù)可進行組間t檢驗。近年來R軟件在統(tǒng)計領域中蓬勃發(fā)展, 可從R軟件官方網(wǎng)站上直接獲取相應軟件包, 大部分研究者對R語言較為熟悉,編程語言簡潔易懂, Triple R數(shù)據(jù)輸入格式更加靈活便捷, 既可作單變量SRM分析、單變量SRM結構分析, 也可作多變量SRM分析、多變量SRM結構分析, 通過軟件估計直接輸出SRM模型的方差—協(xié)方差參數(shù)。

4.1.3 傳統(tǒng)SRM數(shù)據(jù)分析方法存在的一些問題

綜上所述, 基于方差分析的傳統(tǒng)SRM數(shù)據(jù)分析方法, 其處理方法簡單明了, 計算并不復雜, 可以算出具體的效應值。但是它存在以下幾個問題：

首先就顯著性檢驗來說, 與傳統(tǒng)的方差分析不同的是, 數(shù)據(jù)的非獨立性導致顯著性檢驗不能采取F檢驗, 當只有一個群組時, 采用jackknife方法或組內(nèi)t檢驗進行顯著性檢驗; 而當有兩個及以上的群組時, 進行組間t檢驗(Sch?nbrodt et al., 2012), 需要分別對每組進行參數(shù)估計, 再計算組間平均數(shù)。在SRM方差和協(xié)方差服從正態(tài)分布的假設基礎上, 使用t檢驗考察參數(shù)估計值是否與0差異顯著。但是, 這種方法會產(chǎn)生統(tǒng)計上的問題, 尤其是在組數(shù)很小的時候。一般來說, 當SRM參數(shù)使用方差分析方法進行估計時, 統(tǒng)計學推斷是非常復雜的, 事實上在多組非平衡設計中這種方法難以實現(xiàn)(Bond & Lashley, 1996)。

其次, 這種方法對缺失數(shù)據(jù)的處理比較棘手,一個數(shù)據(jù)的缺失往往造成整組數(shù)據(jù)無效, 從而導致方差—協(xié)方差參數(shù)估計精確性降低, TripleR軟件包對缺失數(shù)據(jù)的增補方法是假定缺失的數(shù)據(jù)中關系效應不存在, 隨著缺失率的增加, 關系變異被低估, 行動者和同伴者變異被高估(Sch?nbrodt et al., 2012)。

再次, 傳統(tǒng)方法會得到負的方差估計值和超出范圍的相關系數(shù)。盡管理論上變異不可能為負值, 但是當變異非常小時, 其估計值有時可能會出現(xiàn)負值。而且, SRM擴展得到的針對性強的模型無法通過方差分析方法估計。

4.2 多層方法

傳統(tǒng)的SRM處理方法僅注意行動者、同伴者和關系效應, 忽視群組效應, 但是循環(huán)數(shù)據(jù)嵌套于群組中, 如家庭成員的關系數(shù)據(jù)嵌套在家庭中,研究表明15%～40%兒童行為的變異可由家庭群組效應解釋, Snijders等人(Snijders & Kenny, 1999;Rasbash, Jenkins, O’Connor, & Tackett, 2011)提出運用多層模型來分析SRM中的群組效應。在SRM中, 同伴效應和行為者效應被當做交叉隨機效應,此外在雙方關系中加入了針對性的隨機效應。如(5)式,Gk是群組k的隨機主效應,Aik是行動者效應,Bjk是同伴者效應,Rijk是雙方關系效應,Eijk是誤差。

該多層模型具有三個層次：組層次、雙方關系層次和個體層次。但是, 標準的多層次模型假設交叉隨機效應是相互獨立的, 即行為者-同伴協(xié)方差應該為0。因此, 在標準的多層次模型軟件包中(如MLwin等)需要增加2n個虛擬變量(n是最大循環(huán)中的人數(shù)), 因此增加群組中n個行動者的虛擬變量a1到an,n個同伴者的虛擬變量p1到pn,如(6)式所示。研究者們對具有三個層次模型中的方差-協(xié)方差矩陣設置復雜的約束條件, 通過WLwin程序估計多層模型的群組變異、行為者和同伴者變異以及相應的協(xié)方差(Lüdtke et al., 2013)。

其最大的優(yōu)勢是可以處理缺失數(shù)據(jù), 并且不要求各組被試數(shù)目一致, 另外固定效應如年齡或性別等變量可以直接包含在模型中(Kenny & Livi,2009)。但是模型中需要設置大量的虛擬變量和方差-協(xié)方差矩陣的約束條件, 計算復雜易出錯且耗時, 在很多統(tǒng)計程序中不易實現(xiàn), 如SPSS和HLM。

4.3 結構方程模型

Buist等人采用結構方程模型的方法分析社會關系模型數(shù)據(jù)(Buist, Reitz, & Dekovic, 2008;Manders et al., 2009), 該方法與驗證性因素分析(CFA)相似(郭素然, 伍新春, 2013)。因為社會關系模型中的行動者效應、同伴者效應和關系效應無法直接測量所得到, 可將其作為潛變量, 而直接觀測到的行為或知覺數(shù)據(jù)是顯變量, 如個體對他人的知覺或評判分數(shù)。將觀測變量分解為行動者效應、同伴者效應和關系效應的載荷, 通過模型驗證來考察潛變量的方差。用驗證性因素分析模型的各種指標對模型整體加以檢驗, 如果方差不為0, 則SRM的效應顯著存在(郭素然, 伍新春,2013)。因為單次測量, 關系效應無法分離隨機誤差, 所以應采用多重測量。結構方程模型同樣可以處理缺失數(shù)據(jù), 但是對于多變量SRM分析卻顯得比較復雜, 多變量SRM (multivariate SRM)分析是指對個體在二元關系下產(chǎn)生的多個行為和知覺變量的關系進行研究, 如喜愛和微笑, 個體A對B的喜愛, 導致個體A向個體B主動微笑。

4.4 極大似然方法

采用極大似然方法可以避免負方差和相關系數(shù)超出范圍, 通過將觀測數(shù)據(jù)與模型待估參數(shù)所構造的似然函數(shù)極大化, 從而估計出參數(shù)值。在這種方法中, 行為者效應α和同伴者效應β作為隨機效應, 假定模型中隨機效應呈正態(tài)分布(Wong, 1982), 采用極大似然方法對SRM進行參數(shù)估計。Gill和Swartz (2001)提出基于Soring方法的極大似然算法, 比Wong的EM算法更大的優(yōu)勢是可以對極大似然估計產(chǎn)生漸進協(xié)方差矩陣的一個估計值。但是這種方法的計算十分復雜, 而且極大似然方法對方差分量的統(tǒng)計推斷是有問題的(Draper, 2008), 尤其是當群體數(shù)量較小時, 并且變異較小時, 方差分量的抽樣分布一般來說是非對稱的, 置信區(qū)間的覆蓋并不恰當(Browne &Draper, 2006; Lynn, Dong, & Mu, 2010)。

4.5 貝葉斯方法

針對SRM數(shù)據(jù)處理方法存在的問題, Gill和Swartz (2001)引入貝葉斯方法, 克服了困擾SRM研究者的諸多問題, 如異常值、缺失數(shù)據(jù)處理、置信區(qū)間的覆蓋問題、更復雜的擴展模型等。Lüdtke等人(2013)詳細介紹了運用馬爾科夫鏈蒙特卡洛方法(MCMC)對SRM參數(shù)進行貝葉斯估計的方法, 并與傳統(tǒng)的數(shù)據(jù)處理方法進行了對比：首先, 就參數(shù)估計中異常值的比例來說, 傳統(tǒng)類方差分析方法進行參數(shù)估計時, 估計出的行為者效應的方差出現(xiàn)負值, 而使用貝葉斯方法估計時異常值是不會出現(xiàn)的; 其次, 就均方根誤差(RMSE)表現(xiàn)來說, 貝葉斯方法也優(yōu)于傳統(tǒng)方法, 尤其對于行為者效應和同伴者效應相關系數(shù)的估計和樣本都很小的情形。而模擬研究表明貝葉斯方法的貝葉斯置信區(qū)間的覆蓋率很接近實際的置信度(Lüdtke et al., 2013), 克服了極大似然方法存在置信區(qū)間的覆蓋不恰當?shù)膯栴}。

由此可見, 利用貝葉斯方法對SRM參數(shù)進行估計比其他方法具有更大優(yōu)勢, 這主要是因為貝葉斯方法對于估計復雜多水平模型的方法(Swaminathan & Rogers, 2008)相對可靠和有效,尤其當樣本量較小并且研究重點在于估計隨機效應的變異成分時(Hamaker & Klugkist, 2011)。貝葉斯方法假設每一個參數(shù)θ服從相應的先驗分布p(θ), 使用馬爾科夫鏈蒙特卡洛方法(MCMC)得到先驗分布, 這種先驗分布來自于參數(shù)的先驗信息,隨后基于觀測值Y得到的一種后驗分布是SRM關注的方差—協(xié)方差參數(shù)向量, 將SRM中的未知參數(shù)分割后在不同條件下分別進行估計(Lüdtke et al., 2013)。

5 SRM在心理學領域的應用研究

SRM起源于人際知覺研究, 主要包括人際知覺的同化、一致性、獨特性、互惠性、目標準確性、元知覺和自我知覺, 根據(jù)不同心理學領域的研究主題, SRM將知覺和行為變異與特定的心理特質結合, 廣泛應用于心理學研究的不同領域,以下將選取四個領域的SRM應用情況進行闡述。

5.1 人格心理學

在人格研究中, SRM已成為研究個體對人格特質評定的重要工具和分析策略, 甚至有研究者提出可以借鑒SRM的研究范式發(fā)展人格理論(張宏宇等, 2007)。SRM的主要優(yōu)勢在于能夠幫助研究者區(qū)別個體在進行人格評定時變異產(chǎn)生的不同來源及相關比例。

Kenny (1994)總結了一些研究, 發(fā)現(xiàn)人們在對他人人格特質進行評定時, 15%的變異可由同伴者解釋, 20%歸因于行動者自身, 20%是由特定的關系造成, 剩下45%是無法解釋的變異。進一步, 有研究者開始將個體對人格的評定與特定情境相結合：Branje, Van Aken, Van Lieshout和Mathijssen(2003)在家庭情境下, 研究家庭成員對相互之間進行大五人格評定時存在的差異; De Vries (2010)研究在家庭、工作兩種不同的情境下,運用SRM比較個體對他人和自我進行HEXACO人格結構評定時的變異。另一方面, 研究者分析循環(huán)設計中的人格評級來檢查行動者效應或同伴者效應的維度(Srivastava; Guglielmo, & Beer,2010; Wood, Harms, & Vazire, 2010)。黃飛(2012)采用社會關系模型的全循環(huán)設計, 通過等級評定和團隊內(nèi)排序方法對大五人格進行團體內(nèi)部的自評和互評, 將獲得的大五人格數(shù)據(jù)以及根據(jù)SRM分解出的目標效應的數(shù)據(jù)進行探索和驗證等分析,結果驗證了大五人格背后更高級的大二人格因素模型。SRM在人格研究中也存在一定的問題, 主要是在人格評定中容易出現(xiàn)一致性被高估的問題(De Vries, 2010), 總體來說SRM在人格研究中的應用還比較有限(張宏宇等, 2007)。

5.2 組織心理學

在組織心理學領域, SRM具有層級特征, 能夠從多個角度進行組織和領導力等研究, 也與研究對象的特征結合更加緊密。許多研究將領導力(leadership)僅僅作為個體所具有的特質(Norris-Watts & Lord, 2004), 實際上領導力可認為是由領導者和追隨者在共有的領導關系中所構建的相互的過程, SRM能夠從多個層次和角度(知覺者、目標者、關系、群組)分析領導力, 更符合領導力的結構特征。Livi等人(2008)運用SRM分析表明, 在任務導向性(task-oriented)的領導力中, 人們更容易達成一致, 更依賴于領導者自身特質; 在社會情感性(socio-emotional)的領導力中, 來自行動者和特定關系的解釋力更強。需要注意的是在該模式下, 領導力是零和(zero-sum)模式, 群組效應很難在SRM分析中體現(xiàn)(Livi, Kenny, Albright, &Pierro, 2008)。

Lam, Van der Vegt, Walter和Huang (2011)對組織內(nèi)人際傷害進行SRM分析, 發(fā)現(xiàn)工作組織中人際傷害45%的變異可由關系層面解釋, 拓寬了在工作中人際傷害研究的的關注點, 不僅是對個體或情境的研究, 還應注重關系層面。另一方面,社會關系模型描述了組織內(nèi)個體知覺他人的過程,可以用來考察組織內(nèi)成員如何認知其他成員(Greguras, Robie, & Born, 2001; Kenny, 1994)以及成員的元知覺(成員對于其他成員如何看待自己的知覺), Gundlach, Zivnuska和Stoner(2006)引入SRM來解釋元知覺的準確性對個人主義-集體主義與組織認同之間的關系的調(diào)節(jié)作用, 個人主義者的元知覺準確性低于集體主義者, 降低團隊認同進而影響組織績效。

5.3 發(fā)展心理學

在發(fā)展心理學研究中, 同輩群體和家庭的人際互動在兒童和青少年的發(fā)展過程起著重要作用,分析兒童和青少年的心理現(xiàn)象離不開這種人際環(huán)境, SRM能夠將個體的行為或知覺納入到特定社會情境下進行分析, 對于研究兒童和青少年的心理具有更高的生態(tài)效度。

最早將SRM模型用于發(fā)展心理學研究的是Ross和Lollis (1989)關于幼兒在成對互動關系活動背景下的社會行為的觀察分析。研究者進一步通過游戲實驗, 對相互并不熟悉的三年級男孩的游戲群體進行SRM分析, 揭示了攻擊行為的人際性(Coie et al., 1999)和攻擊—激勵認知(Hubbard,Dodge, Cillessen, Coie, & Schwartz, 2001)。Card,Hodges, Little和Hawley (2005)考察了六年級學生的攻擊和社會地位各方面的知覺, 闡釋了普遍互惠性和成對關系互惠性, Card和Hodges (2010)進一步研究在真實情境中從欺負(aggression)和受害(victimization)兩方面分析中學生攻擊行為, 通過多變量SRM分析驗證攻擊和受害二元量表(Dyadic Aggression and Victimization Inventory, DAVI)在測量欺負行為和受害的個體差異的有效性。Betts等人(2014)對英、意、日三國8～11歲兒童同輩群體的同性之間信任進行考察, 利用社會關系模型分析了不同文化下兒童對信任的行動者效應、同伴者效應和特定的關系效應的差異。總的來說,將SRM研究用在真實的社會情境中的研究相對較少, 仍以游戲和實驗設定的環(huán)境為主。

5.4 臨床心理學

在臨床心理學研究領域, SRM主要用于團體治療中的研究, 尤其是對移情和反移情現(xiàn)象的研究。在團體中, 成員之間相互影響, 他們的行為和知覺也相互依賴, 另一方面需要在個體、關系和團體三個層次研究移情, 才能避免因重要信息缺失從而導致結果偏差。綜合移情和團體研究的特點, Mallinckrodt和Chen (2004)以及Markin和Kivlighan (2008)在團體治療中運用社會關系模型(SRM)對群體成員移情進行評估。SRM的最大優(yōu)點是能解決移情研究的普遍問題, 還能將變異進行分離。而Marcus和Buffington-Vollum (2005)將SRM應用于反移情(Countertransference, CT)研究中, 尤其是SRM可分解為知覺者、目標者和關系成分, 對理解臨床反移情研究理論發(fā)展有重要作用。對于綜合治療師來說, SRM主要的啟發(fā)價值在于使治療師具備分析各種被忽視了的反移情的來源。Kiesler (1997)認為理解臨床反移情的關鍵在于目標者, 即“來訪者的巧妙和頑強主導了咨詢師的回應”。然而, Kiesler (2001)認識到反移情的產(chǎn)生不僅僅歸因于目標者, 而是強調(diào)在同來訪者互動的過程中, 咨詢師自身的不適應性導致反移情。

6 結語與展望

6.1 小結

本文介紹了SRM的基本原理、研究設計類型、數(shù)據(jù)處理方法以及在心理學領域的應用情況。社會關系模型是研究群體內(nèi)部雙方行為和人際知覺的分析方法, 將心理研究還原到真實的關系情境下進行考察, 更具生態(tài)效度, 對于分析成對數(shù)據(jù)和互動現(xiàn)象具有獨特的優(yōu)勢, 既考慮到了個體層次的差異又兼顧關系層次。社會關系模型的基本設計包括循環(huán)設計和區(qū)組設計, 應用最廣的是循環(huán)設計, 對數(shù)據(jù)收集能力要求較高。在數(shù)據(jù)處理方法上, 各個方法各有優(yōu)劣, 在選用SRM數(shù)據(jù)處理方法時, 研究者需要根據(jù)自身的研究需求和掌握的數(shù)理知識選擇恰當?shù)奶幚矸椒ǎ菏褂脗鹘y(tǒng)的方法可分離變異成分; 多層方法可將個體在群體中的行為和知覺分解為三個層次(個體層次、關系層次和群體層次); 結構方程模型可以考察每個角色的行動者效應、同伴者效應和每對角色的關系效應; 極大似然法可避免出現(xiàn)負方差; 在容量較小的樣本中, 貝葉斯方法可以幫助SRM研究者得到更為可靠的結論。而SRM在心理學領域的應用研究, 從本質上來說是將個體的知覺或行為與特定的心理特質相結合, 研究其知覺或行為變異的來源和效應, 更進一步可納入其他變量, 如性別或其他特征變量進行拓展分析。

6.2 研究展望

通過對SRM的研究設計、數(shù)據(jù)處理方法和在心理學研究中應用的梳理, 可以認為SRM在心理學研究中的大致有以下三個方面的發(fā)展趨勢：

首先, 就研究設計類型而言, 當前SRM的應用研究多以循環(huán)設計為主, 但是循環(huán)設計對數(shù)據(jù)收集能力要求較高, 在組內(nèi)被試數(shù)量較大的情況下, 這種設計難以實現(xiàn)。而區(qū)組設計并沒有引起足夠的重視, 這種設計下可以將不同的被試人口學等特征納入分析中, 在今后的研究中可以更多的采用區(qū)組設計。

第二, 就數(shù)據(jù)處理方法來說, 現(xiàn)在研究者已經(jīng)將貝葉斯方法運用在SRM參數(shù)估計中, 接下來可對比同一水平上的方法, 如極大似然法和貝葉斯方法, 在數(shù)據(jù)缺失、不同規(guī)?；蛉航M數(shù)量等情況下的參數(shù)估計的可靠性、準確性, 為進一步研究提供更詳細的估計方案。

第三, 就研究對象來講, SRM分析由單變量可能向多變量分析發(fā)展。單變量SRM分析僅涉及心理特征或行為, 考察多個行為或知覺之間的影響, 可采用多變量SRM分析。單變量SRM分析僅有兩個非獨立性的來源：對于某一行為或知覺行動者與同伴者個體層面的相關性和成對互動關系層面之間的相關。但是更多的心理學研究關心的是多個行為和知覺變量之間的關系, 即多元SRM分析, 例如有兩個變量：微笑和喜歡, 那么SRM中就將有六個相關關系：4個個體層次的相關和2個關系層次的相關, 這會對數(shù)據(jù)統(tǒng)計和分析增加一定的難度和復雜性。

郭素然, 伍新春. (2013). 社會關系模型在家庭研究中的應用.心理科學進展, 21(3), 561-570.

馬紹奇, 焦璨, 張敏強. (2011). 社會網(wǎng)絡分析在心理研究中的應用.心理科學進展,19(5), 755-764.

張宏宇, 許燕, 柳恒超. (2007). 社會關系模型(SRM)——個體差異研究的新策略.心理科學進展, 15(6), 968-973.

黃飛. (2012, 11).大五人格背后的高級人格因素：社會關系模型. 第十五屆全國心理學學術會議, 廣州.

Back, M. D., Schmukle, S. C., & Egloff, B. (2011). A closer look at first sight: Social relations lens model analysis of personality and interpersonal attraction at zero acquaintance.European Journal of Personality, 25(3), 225-238.

Betts, L. R., Rotenberg, K. J., Petrocchi, S., Lecciso, F.,Sakai, A., Maeshiro, K., & Judson, H. (2014). An investigation of children’s peer trust across culture: Is the composition of peer trust universal?.International Journal of Behavioral Development, 38(1), 33-41.

Bond, C. F., Jr., & Lashley, B. R. (1996). Round-robin analysis of social interaction: Exact and estimated standard errors.Psychometrika,61(2), 303-311.

Branje, S. J., Van Aken, M. A., Van Lieshout, C. F., &Mathijssen, J. J. (2003). Personality judgments in adolescents'families: The perceiver, the target, their relationship, and the family.Journal of Personality, 71(1), 49-81.

Browne, W. J., & Draper, D. (2006). A comparison of Bayesian and likelihood-based methods for fitting multilevel models.Bayesian Analysis, 1(3), 473-514.

Buist, K. L., Reitz, E., & Dekovic, M. (2008). Attachment stability and change during adolescence: A longitudinal application of the social relations model.Journal of Social and Personal Relationships, 25(3), 429-444.

Card, N. A., & Hodges, E. V. E. (2010). It takes two to fight in school too: A social relations model of the psychometric properties and relative variance of dyadic aggression and victimization in middle school.Social Development, 19(3),447-469.

Card, N. A., Hodges, E. V. E., Little, T. D., & Hawley, P. H.(2005). Gender effects in peer nominations for aggression and social status.International Journal of Behavioral Development, 29(2), 146-155.

Christensen, P. N., Duangdao, K., Isaacs, H., & Alfonso-Reese, L. (2012). Projection and mirror effects in cross-group interactions: A social relations model study of similarity perceptions.Self and Identity, 11(1), 36-50.

Coesens, C., De Mol, J., De Bourdeaudhuij, I., & Buysse, A.(2010). The role of interpersonal influence in families in understanding children’s eating behavior: A social relations model analysis.Journal of Health Psychology, 15(8),1267-1278.

Coie, J. D., Cillessen, A. H. N., Dodge, K. A., Hubbard, J. A.,Schwartz, D., Lemerise, E. A., & Bateman, H. (1999). It takes two to fight: A test of relational factors and a method of assessing aggressive dyads.Developmental Psychology,35(5), 1179-1188.

Cook, W. L., & Dreyer, A. S. (1984). The social relations model:A new approach to the analysis of family-dyadic interaction.Journal of Marriage and Family, 46(3), 679-687.

De Vries, R. E. (2010). Lots of target variance: An update of SRM using the HEXACO personality inventory.European Journal of Personality, 24(3), 169-188.

De Paulo, B. M., Kenny, D. A., Hoover, C., Webb, W., &Oliver, P. V. (1987). Accuracy of person perception: Do people know what kind of impressions they convey?Journal of Personality and Social Psychology, 52(2), 303-315.

Draper, D. (2008). Bayesian multilevel analysis and MCMC.In H. Goldstein & J. de Deleeuw (Eds.),Handbook of multilevel analysis(pp. 77-139). New York: Springer.

Gill, P. S., & Swartz, T. B. (2001). Statistical analyses for round robin interaction data.The Canadian Journal of Statistics,29(2), 321-331.

Greguras, G. J., Robie, C., & Born, M. P. (2001). Applying the social relations model to self and peer evaluations.Journal of Management Development, 20(6), 508-525.

Gundlach, M., Zivnuska, S., & Stoner, J. (2006). Understanding the relationship between individualism-collectivism and team performance through an integration of social identity theory and the social relations model.Human Relations,59(12), 1603-1632.

Hamaker, E. L., & Klugkist, I. (2011). Bayesian estimation of multilevel models. In J. J. Hox & J. K. Roberts (Eds.),Handbook of advanced multilevel analysis(pp. 137-161).New York: Routledge.

Hubbard, J. A., Dodge, K. A., Cillessen, A. H. N., Coie, J. D., &Schwartz, D. (2001). The dyadic nature of social information processing in boys’ reactive and proactive aggression.Journal of Personality and Social Psychology, 80(2),268-280.

Kenny, D. A. (1994).Interpersonal perception： A social relations analysis. New York: Guilford Press.

Kenny, D. A. (1998a). BLOCKO Version VI. Unpublished manuscript, University of Connecticut, Storrs, CT.

Kenny, D. A. (1998b). SOREMO Version V. 2. Unpublished manuscript, University of Connecticut, Storrs, CT.

Kenny, D, A., Homer, C., Kashy, D. A., & Chu, L. (1992).Consensus at zero acquaintance: Replication, behavioral cues, and stability.Journal of Personality and Social Psychology, 62(1), 88-97.

Kenny, D. A., Kashy, D. A., & Cook, W. L. (2006).The analysis of dyadic data.New York: Guilford Press.

Kenny, D. A., & Livi, S. (2009). A componential analysis of leadership using the social relations model.Research in Multi Level Issues, 8, 147-191.

Kiesler, D. J. (1997). Contemporary interpersonal theory and research: Personality, psychopathology and psychotherapy.The Journal of Psychotherapy Practice and Research, 6(4),339-341.

Kiesler, D. J. (2001). Therapist countertransference: In search of common themes and empirical referents.Journal of Clinical Psychology, 57(8), 1053-1063.

Kwan, V. S. Y., John, O. P., Robins, R. W., & Kuang, L.(2008). Conceptualizing and assessing self-enhancement bias:A componential approach.Journal of Personality and Social Psychology, 94(6), 1062-1077.

Lam, C., Van der Vegt, G. S., Walter, F., & Huang, X. (2011).Harming high performers: Social comparison and interpersonal harming in work teams.Journal of Applied Psychology, 96(3), 588-601.

Lashley, B., Brian, R., & Kenny, D. A. (1998). Power estimation in social relations analyses.Psychological Methods, 3(3), 328-338.

Livi, S., Kenny, D. A., Albright, L., & Pierro, A. (2008). A social relations analysis of leadership.The Leadership Quarterly, 19(2), 235-248.

Locke, K. D., Zheng, D., & Smith, J. (2014). Establishing commonality versus affirming distinctiveness patterns of personality judgments in China and the United States.Social Psychological and Personality Science, 5(4), 389-397.

Lüdtke, O., Robitzsch, A., Kenny, D. A., & Trautwein, U. (2013).A general and flexible approach to estimating the social relations model using Bayesian methods.Psychological Methods, 18(1), 101-119.

Luo, S., & Zhang, G. (2009). What leads to romantic attraction:Similarity, reciprocity, security, or beauty? Evidence from a Speed-Dating study.Journal of Personality, 77(4), 933-964.

Lynn, H. S., Dong, Z., & Mu, Z. (2010). Comparison of software algorithms for calculating REML Wald type confidence limits for the between-group variance component in a small sample one-way random effects model example.The American Statistician, 64(1), 83-87.

Mallinckrodt, B., & Chen, E. C. (2004). Attachment and interpersonal impact perceptions of group members: A social relations model analysis of transference.Psychotherapy Research, 14(2), 210-230.

Malloy, T. E., Ristikari, T., Berrios-Candelaria, R., Lewis, B.,& Agatstein, F. (2011). Status-based asymmetry in intergroup responses: Implications for intergroup reconciliation.Cultural Diversity and Ethnic Minority Psychology, 17(1),31-42.

Manders, W. A., Janssens, J. M. A. M., Cook, W. L., Oud, J.H. L., DeBruyn, E. E. J., & Scholte, R. H. J. (2009).Perceptions of problem behavior in adolescents’ families:Perceiver, target, and family effects.Journal of Youth Adolescence, 38(10), 1328-1338.

Marcus, D. K., & Buffington-Vollum, J. K. (2005).Countertransference: A social relations perspective.Journal of Psychotherapy Integration,15(3), 254-283.

Markin, R. D., & Kivlighan, D. M., Jr. (2008). Central relationship themes in group psychotherapy: A social relations model analysis of Transference.Group Dynamics：Theory, Research, and Practice, 12(4), 290-306.

Mitja, D. B., & Kenny, D. A. (2010). The social relations model: How to understand dyadic processes.Social and Personality Psychology Compass, 4(10), 855-870.

Norris-Watts, C., & Lord, R. G. (2004). Attribution processes.In G. R. Goethals, G. J. Sorenson, & J. M. Burns (Eds.),Encyclopedia of leadership(pp. 1192-1195). Thousand Oaks, CA: Sage.

Rasbash, J., Jenkins, J., O’Connor, T. G., & Tackett, J. (2011).A social relations model of observed family negativity and positivity using a genetically informative sample.Journal of Personality and Social Psychology,100(3), 474-491.

Robins, G., & Kashima, Y. (2008). Social psychology and social networks: Individuals and social systems.Asian Journal of Social Psychology, 11(1), 1-12.

Ross, H. S., & Lollis, S. P. (1989). A social relations analysis of toddler peer relations.Child Development, 60(5), 1082-1091.

Santuzzi, A. M. (2007). Perceptions and metaperceptions of negative evaluation: Group composition and interpersonal accuracy in a social relations model.Group Processes and Intergroup Relations, 10(3), 383-398.

Sch?nbrodt, F. D., Back, M. D., & Schmukle, S. C. (2012).TripleR: An R package for social relations analyses based on round-robin designs.Behavior Research Methods, 44(2),455-470.

Snijders, T., & Kenny, D. A. (1999). The social relations model for family data: A multilevel approach.Personal Relationships, 6(4), 471-486.

Srivastava, S., Guglielmo, S., & Beer, J. S. (2010). Perceiving others’ personalities: Examining the dimensionality, assumed similarity to the self, and stability of perceiver effects.Journal of Personality and Social Psychology, 98(3), 520-534.

Swaminathan, H., & Rogers, H. J. (2008). Estimation procedures for hierarchical linear models. In A. A. O'Connell& D. Betsy McCoach (Eds.),Multilevel modeling of educational data(pp. 469-519). Charlotte, NC: Information Age.

Warner. R. M., Kenny, D. A., & Stoto, M. (1979). A new round robin analysis of variance for social interaction data.Journal of Personality and Social Psychology, 37(10),1742-1757.

Wong, G. Y. (1982). Round robin analysis of variance via maximum likelihood.Journal of the American Statistical Association, 77(380), 714-724.

Wood, D., Harms, P., & Vazire, S. (2010). Perceiver effects as projective tests: What your perceptions of others say about you.Journal of Personality and Social Psychology,99(1), 174-190.