职业健康心理学研究方法：测量、设计和数据分析 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

Robert R.Sinclair，Mo Wang，Lois E.Tetrick 著，宋国萍 译

图书标签:

• 职业健康心理学
• 研究方法
• 测量
• 实验设计
• 数据分析
• 心理测量
• 统计学
• 工作压力
• 员工福祉
• 职业心理健康

出版社： 东南大学出版社

ISBN：9787564148966

版次：1

商品编码：11598950

包装：平装

丛书名： 21世纪心理学专业前沿丛书

开本：16开

出版时间：2014-11-01

用纸：胶版纸

页数：314

字数：406000

正文语种：中文

编辑推荐

　　在《21世纪心理学专业前沿丛书·职业健康心理学研究方法：测量、设计和数据分析》中，辛克莱、汪默、路易斯将职业健康心理学相关理论及测量、研究设计和统计等领域中的一大批卓越而有成就的学者聚集在一起。书中的评估既考虑了OHP研究中的心理维度，也考虑了生理维度。并且，作者们还在《21世纪心理学专业前沿丛书·职业健康心理学研究方法：测量、设计和数据分析》中讲述了对OHP学科进步至关重要的研究设计、抽样方法和统计技术。对任何想在职场压力、健康和良好状态等领域做研究的学者而言，《21世纪心理学专业前沿丛书·职业健康心理学研究方法：测量、设计和数据分析》都是一本必读之书。

内容简介

　　《21世纪心理学专业前沿丛书·职业健康心理学研究方法：测量、设计和数据分析》关注了职业健康心理学（occupaIional Healt}lPsychology，oHP）领域中当前的热点问题及其最先进观点和实践的技术方法。职业健康心理学是一个多学科交叉并快速成长的研究领域，从事职业健康心理学工作的研究者都希望能够跟踪该学科各领域的最新进展，《21世纪心理学专业前沿丛书·职业健康心理学研究方法：测量、设计和数据分析》恰好能够满足大家的需求。
　　《21世纪心理学专业前沿丛书·职业健康心理学研究方法：测量、设计和数据分析》不仅介绍了职业健康心理学最新的研究方法和研究进展，也介绍了具体的研究建议，因此既可以帮助职业健康心理学的学者们提升他们的研究工作，也有助于未来职业健康心理学研究者的学习。

目录

第一部分 测量
第1章 免疫系统功能的测量
第2章 肌肉骨骼功能的测量
第3章 工作家庭研究中的测量问题
第4章 睡眠与嗜睡的测量
第5章 情绪的测量
第6章 如何思考与测量心理幸福感
第7章 组织内人际虐待的测评
第8章 职业健康心理学中抑郁和焦虑的评估
第9章 职业健康领域中创伤后应激障碍的测评
第10章 工作投入的测量

第二部分 设计和分析
第11章 认知评价：对职业健康心理学的启示
第12章 职业健康心理学中的实验设计和准实验设计
第13章 职业健康心理学中的事件抽样方法
第14章 职业健康心理学中的抽样方法
第15章 职业健康心理学研究中的自我报告法
第16章 职业健康心理学研究中质性方法的优点和局限性
第17章 职业健康心理学研究中档案数据的使用
第18章 职业健康心理学中多级模型的研究综述
第19章 个体中心分析——方法、应用和发展
第20章 纵向研究及其数据分析
第21章 职业健康心理学研究展望

精彩书摘

　　1．1机械屏障　　皮肤作为体表屏障，可以阻止病原体进入人体。肺、胃肠道和泌尿生殖系统同样具有抵御病原体的功能：咳嗽和打喷嚏可以机械性地排出呼吸道的致病物质；呼吸道及消化道分泌的黏液物质可以黏附病原微生物并将其排出体外。通过眼泪和尿液的冲洗，也可使病原体排出体外。　　1．2化学屏障　　化学屏障也是机体防止感染的一种途径。皮肤和呼吸道可以分泌抗菌蛋白（如S一防御素）。此外，唾液、泪液和母乳中的溶菌酶和磷酸脂酶A，也是防御病原体的化学屏障组成部分。　　唾液a一淀粉酶是由唾液腺分泌的唾液酶，类似于唾液IgA，是口腔黏膜防御系统的组成部分，主要功能是抑制抗原的增长。研究显示，高水平的淀粉酶与交感神经系统的激活有相关性。因此，高水平的淀粉酶可能与压力导致免疫功能下降有间接的关系。　　1．3固有免疫系统　　固有或非特异性免疫系统，是免疫系统的组成之一，在微生物或毒素刚刚成功进入人体即被激活。细胞介导免疫是这种防御系统的重要功能，这依赖于激活细胞毒素、T一淋巴细胞、自然杀伤细胞（NK）、巨噬细胞和细胞因子对病原体的攻击。当病原体或杀伤细胞发出压力的化学信号并被身体识别，固有免疫系统即被激活。　　针对多种不同病原体，固有免疫系统非特异性地诱发机体炎性反应的防御系统。感染和受损组织的局部血流量增加引起红肿和炎症表现。局部血流和温度（发热）增加，提高了防御系统对病原体的防御效能。炎症反应是由损伤细胞释放的特异性免疫因子引起的。　　类花生酸的释放则更进一步促进炎症反应，比如前列腺素的释放导致发热和血管扩张。白细胞三烯的释放促进某些白细胞聚集。同时，受损细胞也释放细胞因子，包括白细胞介素，如白介素6（IL一6）、白介素8（IL一8），以及负责白细胞间信号传递的a一肿瘤坏死因子。趋化因子将促进防御细胞向异常组织趋近，提高干扰素的抗病毒特性。白细胞介素同时也刺激肝脏产生和释放C反应蛋白（CRP），CRP是固有免疫系统中非常重要的组成部分，在神经心理免疫学领域被广泛研究，是未来心血管疾病可靠的预后指标（Ridker。，Hennekens，Buring&Rifai;，2000）。　　随着炎性反应过程的激活，炎性修复系统也被激活，从而加快对感染损伤的修复。细胞因子如白介素l（IL—1）和白介素2（IL一2），在调节初始免疫应答中起着重要作用，促使机体在本次感染反应后恢复到原状。类胰岛素生长因子一1（IGF一1）也是一个非常重要的抗炎肽，严重的压力可能导致其减少（Cankaya，Chapman，Talbot，Moynihan&Duberstein;，2009）。　　补体系统是固有免疫系统中另一个重要的组成部分。它包含了20多种不同的蛋白质，是机体杀灭病原体反应中其他抗炎免疫系统的补充。补体不但可以与已经依附在将被清除的病原体上的抗体结合，也可以直接与病原体表面的蛋白质或碳水化合物结合。补体包含有酶类，其蛋白酶可以破坏病原体的结构，并促进更多的补体蛋白酶产生。通过这种方式，补体系统形成并放大成一个重要的级联系统，促进免疫细胞向受损组织的迁移，增加血管通透性以确保防御细胞的通过并趋近病原体。补体还可以标记在病原体表面，由其他免疫系统识别并进行杀灭。　　1．4细胞屏障　　白细胞是固有免疫系统的另一个补充。白细胞是细胞免疫应答或细胞介导免疫应答的组成部分。　　细胞免疫应答系统由各种具有吞噬细胞功能的吞噬细胞组成，包括巨噬细胞、中性粒细胞、促进炎症反应的肥大细胞，以及自然杀伤细胞。对病原体的吞噬（杀灭）作用是固有免疫系统重要的特征之一，吞噬细胞随着血液循环不断扫描病原体，它们也可以被称为特异性感染细胞释放因子。　　1．5适应性免疫系统　　适应性免疫系统对病原体的反应更强、更具针对性，并产生免疫记忆。特异性“记忆细胞”对病原体保存记忆，在病原体再次感染时，能够快速有效地将其杀灭。　　适应性免疫系统包括三种特殊类型的白细胞：粒细胞、单核细胞和淋巴细胞。　　粒细胞又分为中性粒细胞，具有抗菌功能；嗜酸性粒细胞，具有吞噬抗原一抗体、防御某些寄生虫的功能；嗜碱性粒细胞，参与炎症反应和过敏反应。　　单核细胞来源于骨髓，能够相对较快地到达感染部位（8~12小时），可分化成巨噬细胞和树突状细胞。树突细胞是吞噬细胞，存在于与外界环境相接触的组织，如皮肤和鼻腔。树突细胞递呈抗原激活T细胞，是适应性免疫应答的环节。　　淋巴细胞包括自然杀伤细胞（NK）、T细胞和B细胞，是免疫防御系统中最重要的细胞种类之一。NK细胞在人出生时即存在，属于固有免疫系统，是机体重要的防御病毒与肿瘤的细胞。T细胞参与细胞介导免疫应答，而B细胞主要执行机体的体液免疫，合成特异性抗体。T细胞和B细胞具有识别异体或外来抗原的功能，产生特异性反应，最大限度地消除特异性病原体或病原体所感染细胞。　　……

前言/序言

引言：探寻身心交织的奥秘 在现代社会，工作与生活的界限日益模糊，高强度的竞争、持续的压力以及复杂的人际互动，使得职业健康心理学研究的重要性愈发凸显。它不仅仅是关注员工的生理健康，更深入地探讨了心理因素在工作场所健康、幸福感乃至整体生活质量中的关键作用。理解个体在职业环境中的心理体验，预测其行为模式，并开发有效的干预策略，是这一学科的核心目标。本书将引导读者踏上一段严谨而富有洞察力的探索之旅，聚焦于如何科学地研究职业健康心理学这一充满挑战与机遇的领域。 第一篇：测量——构建认识的基石 深入研究职业健康心理学，首要任务便是掌握恰当的测量工具与技术。没有精确的测量，任何理论的构建和干预的实施都将如同空中楼阁，缺乏坚实的基础。本篇将详细阐述各种测量方法在职业健康心理学研究中的应用，从经典的心理测量学原理到新兴的数字化测量技术，力求为研究者提供一套全面的工具箱。 第一章：心理测量学的基本原理与职业健康研究 心理测量学是职业健康心理学研究的基石。本章将从测量信度与效度的核心概念出发，深入解析如何在职业健康领域设计和评估测量工具。我们将探讨不同类型的信度，如重测信度、内部一致性信度，以及效度的不同维度，包括内容效度、结构效度、效标关联效度等。理解这些基本原理，能够帮助研究者识别和选择最适合其研究目的的测量工具，避免因测量误差导致的误导性结论。 信度：测量的稳定性与一致性 重测信度 (Test-retest reliability): 探讨同一测量工具在不同时间点对同一群体进行测量时结果的一致性。在职业健康研究中，例如测量员工的压力水平，若两次测量结果波动过大，则可能表明测量工具本身存在问题，或压力水平本身受到时间上的剧烈影响。 内部一致性信度 (Internal consistency reliability): 重点分析量表中各项目之间的相关性，衡量量表作为一个整体是否在测量同一个心理构念。例如，一个评估工作倦怠的量表，其各个题目（如情感衰竭、去人格化、个人成就感减低）应能共同指向“工作倦怠”这一核心概念。我们还将介绍Cronbach's alpha系数等常用指标的计算与解读。 评分者信度 (Inter-rater reliability): 当研究涉及主观评估或观察时，需要评估不同评分者之间的一致性。在某些职业健康研究中，例如对员工工作行为进行观察性评估，评分者信度至关重要，以确保结果的客观性。 效度：测量的准确性与真实性 内容效度 (Content validity): 评估测量工具是否充分涵盖了所要测量的所有重要方面。例如，一个关于工作满意度的量表，需要包含薪酬、工作内容、同事关系、职业发展等多个维度，而不能仅仅侧重于一两个方面。 结构效度 (Construct validity): 探讨测量工具是否能够准确测量其声称要测量的心理构念。这通常通过检验测量工具与其他相关或无关构念之间的关系来评估。例如，一个测量高工作投入的量表，其得分应与工作绩效呈正相关，与工作倦怠呈负相关。我们将介绍因子分析等方法在此过程中的应用。 效标关联效度 (Criterion-related validity): 评估测量工具的得分与某个外部效标（如实际工作绩效、离职率）之间的相关程度。如果测量工具的得分能够有效预测效标，则表明其具有良好的效标关联效度。我们将区分同期效度和预测效度，并分析其在职业健康研究中的实际意义。 第二章：常用测量工具与技术 本章将深入介绍在职业健康心理学研究中广泛应用的各类测量工具和技术，并分析它们各自的优缺点及适用场景。 问卷与量表 (Questionnaires and Scales): 自陈式问卷 (Self-report questionnaires): 这是最常用的测量方法，通过让被调查者回答一系列问题来收集信息。我们将介绍多种成熟的职业健康问卷，例如用于测量工作压力（如Job Content Questionnaire, JCQ）、工作倦怠（如Maslach Burnout Inventory, MBI）、工作满意度、组织承诺、心理安全感等的经典量表，并讨论如何根据具体研究目的对其进行改编或开发新的问卷。 李克特量表 (Likert Scale) 的应用与设计: 深入解析李克特量表在职业健康问卷中的应用，包括条目设计、选项设置、以及如何处理量表数据。 语义差异量表 (Semantic Differential Scale): 探讨这种量表在测量员工对工作环境、领导风格、企业文化等主观感受方面的应用。 访谈 (Interviews): 结构化访谈 (Structured interviews): 详细的提问框架，确保数据的可比性。在深入了解员工个体经验和复杂心理过程时，结构化访谈能够提供宝贵的第一手资料。 半结构化访谈 (Semi-structured interviews): 既有预设的问题，也允许研究者根据访谈对象的回答进行自由探索，能够平衡标准化和深度。 非结构化访谈 (Unstructured interviews): 开放式的交流，适用于初步探索性研究或深入挖掘特定案例。 焦点小组 (Focus groups): 组织一群具有相似特征的员工进行讨论，以收集群体观点和互动信息，常用于探索集体行为和群体文化。 行为观察 (Behavioral Observation): 直接观察 (Direct observation): 研究者在自然工作环境中或模拟情境下观察员工的行为。例如，观察团队协作过程中的沟通模式、冲突解决方式等。 间接观察 (Indirect observation): 通过分析现有记录来推断行为，如通过考勤记录、绩效数据、电子邮件内容等。 生理测量 (Physiological Measures): 心率、血压、皮质醇水平等: 探讨这些生理指标在反映员工压力、情绪状态等方面的应用。例如，测量员工在面对高压工作任务时的生理反应。 脑电图 (EEG) 和功能性磁共振成像 (fMRI) 的初步应用: 介绍这些神经科学技术在理解工作场所压力、决策过程、情绪调节等方面的潜力，尽管在职业健康研究中的应用尚属早期阶段，但其前景广阔。 数字足迹与大数据分析 (Digital Traces and Big Data Analytics): 电子活动记录、社交媒体使用、在线协作平台数据: 探讨如何利用这些非侵入性数据来研究员工的工作模式、沟通习惯、情绪变化以及工作倦怠的早期信号。 传感器技术 (Sensor Technology): 如可穿戴设备，用于实时监测员工的活动水平、睡眠质量、甚至情绪变化。 第三章：测量工具的开发与验证 开发一个有效且可靠的测量工具并非易事，本章将详细阐述从概念化到最终验证的整个过程。 构念的界定与操作化: 如何将抽象的心理构念（如“工作韧性”、“心理资本”）转化为可测量的具体指标。 项目生成与筛选: 依据理论基础和专家意见，生成初步的测量题目，并进行初步筛选，淘汰不清晰、有歧义或不相关的题目。 预试与正式施测: 对开发出的量表进行预试，收集数据，分析项目的区分度和难度。然后进行正式施测，并进行信效度检验。 测量等价性 (Measurement Equivalence): 探讨在跨文化、跨语言研究中，如何确保测量工具的等价性，即测量工具在不同群体中是否测量的是同一个构念。 计算机化自适应测试 (Computerized Adaptive Testing, CAT): 介绍这种能够根据被测试者实时表现调整题目难度，以更有效率地测量其水平的技术。 第二篇：设计——构建严谨的研究框架 有了可靠的测量工具，接下来便是构建严谨的研究设计。恰当的研究设计是确保研究结论的有效性和可推广性的关键。本篇将深入探讨各种研究设计方法在职业健康心理学研究中的应用，从最基础的描述性研究到复杂的多因素实验设计，为读者提供清晰的研究路径。 第四章：研究设计的类型与选择 理解不同研究设计的特点及其适用性，是成功开展研究的前提。 描述性研究 (Descriptive Research): 横断面研究 (Cross-sectional studies): 在一个特定时间点收集数据，用于描述某一群体在此时的心理健康状况、工作特征等。例如，调查当前员工的平均压力水平和工作满意度。 生态学研究 (Ecological studies): 研究不同群体（如不同行业、不同公司）之间的宏观差异，例如不同行业员工的平均心理健康水平的差异。 案例研究 (Case studies): 对个体或小组进行深入、细致的研究，以提供对某一现象的深刻理解，尤其适用于探索性研究。 相关性研究 (Correlational Research): 探索变量间的关系: 旨在发现变量之间的统计学关系，但不直接建立因果联系。例如，研究工作压力与员工绩效之间的相关性。 优势与局限: 能够快速识别潜在的联系，但无法解释因果方向。 纵向研究 (Longitudinal Studies): 追踪变化与发展: 在较长的时间跨度内，对同一群体进行多次测量，以观察变量的变化趋势、发展模式以及预测未来结果。 队列研究 (Cohort studies): 跟踪具有特定暴露因素（如经历过组织变革）的群体。 回顾性研究 (Retrospective studies): 回顾过去的数据，以了解历史事件对当前状态的影响。 优势与局限: 能够揭示时间序列效应，有助于理解因果关系，但成本高、周期长，且可能存在受试者流失的问题。 实验性研究 (Experimental Research): 控制与操纵: 研究者主动操纵一个或多个自变量，并观察其对因变量的影响，同时尽可能控制其他可能影响结果的混淆变量。 随机对照试验 (Randomized Controlled Trials, RCTs): 将参与者随机分配到实验组和对照组，是建立因果关系的金标准。例如，测试一种新的压力管理干预措施的效果。 准实验设计 (Quasi-experimental designs): 当随机分组不可行时采用，例如研究自然发生的事件（如公司裁员）对员工心理健康的影响，其对照组可能是未受影响的群体。 优势与局限: 能够建立因果关系，但可能存在生态效度低的风险（即实验室结果不一定能推广到真实世界）。 第五章：研究设计中的关键考量 在具体设计研究方案时，需要考虑诸多细节，以确保研究的科学性和可行性。 研究问题的界定与假设的提出: 如何将一个宽泛的研究领域提炼成清晰、可检验的研究问题，并基于现有理论提出明确的研究假设。 样本的选择与抽样方法: 目标人群 (Target population) 与样本 (Sample): 明确研究的总体范围，以及从中抽取用于研究的代表性样本。 概率抽样 (Probability sampling): 如简单随机抽样、分层抽样、整群抽样，保证样本的代表性，适用于推断总体特征。 非概率抽样 (Non-probability sampling): 如方便抽样、配额抽样、滚雪球抽样，在某些情况下（如探索性研究）也具有其价值，但需注意其局限性。 样本量的大小: 探讨如何根据研究目的、统计分析方法、预期效应量等因素来确定合适的样本量，以保证统计效力。 变量的识别与操作化: 自变量 (Independent variables) 与因变量 (Dependent variables): 明确哪些变量是研究者操纵或测量的“原因”，哪些变量是研究者观察的“结果”。 中介变量 (Mediating variables) 与调节变量 (Moderating variables): 理解这些在自变量和因变量之间起到桥梁或影响路径强弱作用的变量。例如，工作支持（中介变量）可能在工作压力与员工幸福感之间起到缓冲作用；沟通风格（调节变量）可能影响领导下属关系对工作满意度的影响程度。 控制变量 (Control variables): 识别并控制那些可能影响因变量但与研究目的无关的因素，以分离出自变量的真实效应。 伦理考量 (Ethical Considerations): 知情同意 (Informed consent): 详细告知参与者研究的目的、过程、潜在风险与收益，并获得其自愿同意。 匿名性与保密性 (Anonymity and confidentiality): 保护参与者的个人信息不被泄露。 数据安全与储存: 确保收集到的数据得到妥善保管，防止未经授权的访问。 研究的公平性与避免伤害: 确保研究设计不会对参与者造成不必要的心理或生理伤害。 第六章：定量研究与定性研究的设计 本章将分别阐述定量研究和定性研究在职业健康心理学领域的设计特点。 定量研究设计 (Quantitative Research Design): 问卷调查设计: 结合前述测量章节，重点关注如何设计结构化问卷以收集可量化数据。 实验设计: 深入探讨不同类型的实验设计，如单因素设计、多因素设计、重复测量设计，以及如何进行实验操纵和控制。 准实验设计: 详细介绍其结构和常见形式，以及在实际应用中可能遇到的挑战。 定性研究设计 (Qualitative Research Design): 案例研究设计: 深入探讨其方法论，包括案例的选择、数据收集（访谈、观察、文件分析）和数据分析（主题分析、内容分析）。 现象学研究 (Phenomenological research): 关注个体对特定经历（如遭受职场欺凌）的“生活世界”的描述。 扎根理论研究 (Grounded theory research): 旨在从数据中生成理论，其研究过程具有高度的迭代性和灵活性。 民族志研究 (Ethnographic research): 沉浸在特定工作文化中，通过长期观察和参与来理解群体行为和文化模式。 第三篇：数据分析——揭示研究的真谛 严谨的设计和精确的测量最终都将服务于数据的分析。本篇将深入探讨职业健康心理学研究中常用的数据分析方法，从基础的描述性统计到复杂的推断性统计和多层次模型，帮助研究者从纷繁复杂的数据中提取有价值的信息，并对其进行恰当的解释。 第七章：描述性统计——数据概览与洞察 在进行任何推断性分析之前，对数据进行充分的描述是必不可少的步骤。 数据清洗与整理: 识别和处理缺失值、异常值，确保数据的准确性和一致性。 集中趋势的度量: 均值 (Mean): 适用于连续变量，但易受极端值影响。 中位数 (Median): 适用于偏态分布或存在极端值的变量。 众数 (Mode): 适用于分类变量。 离散程度的度量: 方差 (Variance) 与标准差 (Standard deviation): 衡量数据点相对于均值的离散程度。 极差 (Range) 与四分位距 (Interquartile range, IQR): 描述数据的分布范围。 分布形态的描述: 偏度 (Skewness): 衡量分布的不对称性。 峰度 (Kurtosis): 衡量分布的尖峭程度。 图示方法: 直方图、箱线图、散点图等，直观展示数据的分布特征和潜在关系。 第八章：推断性统计——从样本到总体的推理 推断性统计是职业健康心理学研究的核心，它使我们能够基于样本数据对总体做出推断。 参数估计与假设检验: 置信区间 (Confidence intervals): 估计总体参数的可能范围。 t检验 (t-tests): 比较两组均值是否存在显著差异，例如比较接受干预组与未接受干预组的压力水平。 方差分析 (Analysis of Variance, ANOVA): 比较三组或多组均值是否存在显著差异，例如比较不同领导风格对员工工作满意度的影响。 卡方检验 (Chi-square tests): 分析分类变量之间的关联性，例如探讨不同性别员工的离职倾向是否有差异。 相关分析 (Correlation Analysis): Pearson相关系数 (Pearson's r): 衡量两个连续变量之间的线性关系强度和方向。 Spearman等级相关系数 (Spearman's rho): 适用于非参数数据或等级数据。 偏相关 (Partial correlation): 控制一个或多个变量的影响后，衡量两个变量之间的真实关系。 回归分析 (Regression Analysis): 简单线性回归 (Simple linear regression): 预测一个因变量如何随着一个自变量的变化而变化。 多元线性回归 (Multiple linear regression): 预测一个因变量如何随着多个自变量的变化而变化，能够同时考虑多个影响因素。 逻辑回归 (Logistic regression): 用于预测二分类因变量（如是否离职、是否患病）的概率。 多项逻辑回归 (Multinomial logistic regression): 用于预测多分类因变量。 方程的解释: 关注回归系数的统计显著性、效应量以及模型的整体拟合度（如R-squared）。 第九章：高级统计分析技术 在职业健康心理学研究中，常常需要运用更复杂的统计模型来处理多层次、多变量的数据。 因子分析 (Factor Analysis): 探索性因子分析 (Exploratory Factor Analysis, EFA): 用于识别测量工具背后的潜在构念，将大量变量归纳为少数几个核心因子。 验证性因子分析 (Confirmatory Factor Analysis, CFA): 用于检验预设的因子结构是否与数据拟合。 结构方程模型 (Structural Equation Modeling, SEM): 路径分析 (Path analysis): 检验变量之间的直接和间接影响路径。 整合测量模型与结构模型: SEM能够同时处理测量误差和变量间的复杂关系，用于检验复杂的理论模型。例如，构建一个包含工作压力、组织支持、工作倦怠和离职意向的复杂模型。 多层次模型 (Multilevel Modeling, MLM) / 分层线性模型 (Hierarchical Linear Modeling, HLM): 处理嵌套数据: 当数据存在嵌套结构时（如学生嵌套在班级中，员工嵌套在部门中，部门嵌套在公司中），MLM能够正确分析不同层面的影响。例如，研究公司文化（高层）对员工工作满意度（低层）的影响，同时考虑部门差异。 元分析 (Meta-analysis): 整合多项研究的发现: 通过统计学方法整合多项独立研究的结果，以获得更精确、更稳健的估计效应量，并解释研究间异质性。例如，总结现有研究关于特定干预措施对员工减压效果的总体影响。 第十章：定性数据分析——深入理解现象 定性数据分析侧重于从文本、访谈记录等非数值数据中提取意义和模式。 数据编码与分类: 将原始数据（如访谈记录）进行标记，将其归入预设的或新生成的类别。 主题分析 (Thematic analysis): 识别和分析数据中的重复性主题和模式。 内容分析 (Content analysis): 系统地量化或分类文本中的特定词语、概念或主题。 叙事分析 (Narrative analysis): 关注个体如何讲述自己的故事，以及故事的结构和意义。 案例分析 (Case analysis): 对特定案例进行深入的、多角度的分析。 定性数据分析软件的应用: 介绍如NVivo, ATLAS.ti等软件在辅助定性数据分析中的作用。 第十一章：数据分析结果的解释与报告 统计分析的最终目的是为了解释研究结果，并将其清晰有效地传达给他人。 结果的统计学解释: 明确统计学显著性（p值）、效应量（如Cohen's d, R-squared）的含义，以及它们在职业健康研究中的实际意义。 非统计学因素的考虑: 结合研究背景、理论框架和研究目的，对统计结果进行更深层次的解读。 研究局限性的陈述: 诚实地指出研究设计、测量工具、样本选择等方面可能存在的局限性，以及它们对研究结果解释的影响。 研究发现的普适性讨论: 评估研究结果在不同人群、不同情境下的推广性。 撰写研究报告的规范: 遵循学术规范，清晰、准确、全面地呈现研究过程、结果和结论。 数据可视化: 利用图表等方式清晰直观地展示研究发现，提高报告的可读性。 结论：展望未来 职业健康心理学作为一门动态发展的学科，其研究方法也在不断演进。本篇旨在提供一个关于测量、设计和数据分析的全面视角，帮助读者掌握开展严谨、有影响力的职业健康心理学研究所需的核心知识和技能。随着科技的进步和社会的发展，未来的研究将更加注重跨学科的整合，更加关注新兴工作模式下的心理健康挑战，并致力于开发更具个性化和前瞻性的干预策略。通过掌握扎实的科学方法，我们能够更深入地理解人类在工作中的身心体验，从而为创造更健康、更幸福的工作环境贡献力量。

评分☆☆☆☆☆

让我印象深刻的是，这本书的视野非常开阔，它并未将“职业健康心理学”局限在传统的“压力-应对”二元框架内。在它的方法论讨论中，隐约透露出对积极心理学和韧性研究的重视。比如，在方法论的“前沿探讨”部分，它并没有回避新兴的、尚无定论的研究工具，而是引导读者去思考如何科学地测量那些难以量化的概念，比如“工作意义感”或“心流体验”。它举例说明了如何利用文本挖掘技术和自然语言处理（NLP）来分析员工日志中的情感倾向性，这对于那些希望超越传统问卷调查，捕捉更深层次职业体验的研究者来说，提供了极具前瞻性的技术指导。这种对方法论边界的不断拓展和对新兴技术的包容性，使得这本书的价值不仅在于解决当前问题，更在于指导未来五到十年的研究方向，让人在读完之后，感觉自己的研究方法“工具箱”的容量和精度都得到了质的飞跃。

评分☆☆☆☆☆

阅读过程中，我发现这本书的叙述风格非常务实，有一种老派学者特有的扎实感，但又巧妙地融合了最新的计算统计思想。我特别喜欢它在探讨“方法论假设”时所持的审慎态度。很多方法论书籍在介绍回归模型时，常常一笔带过对残差同质性和独立性的要求，搞得读者在实际操作中常常“踩雷”。这本书则用非常直白的语言提醒读者，在职业健康数据中，由于个体长期暴露在相似的环境中，数据的独立性假设往往是被打破的。因此，它花了相当大的篇幅去讲解如何处理这类“集群”或“嵌套”数据，推荐了混合效应模型（Hierarchical Linear Modeling, HLM）。它不仅告诉你什么时候该用HLM，更展示了如何设定正确的随机截距和随机斜率，这对于研究组织层面的文化对个体情绪影响的学者来说，是迈向成熟分析的必经之路，避免了过度简化的线性模型带来的偏差。

评分☆☆☆☆☆

这本《职业健康心理学研究方法：测量、设计和数据分析》的出版，对于我们这些长期在临床和学术前沿摸索的人来说，简直是久旱逢甘霖。我印象最深的是它对“测量”部分的处理。过去我们谈到职业压力源的量表开发，往往停留在引用一些经典的、但可能已经过时的工具上，或者直接套用别人的维度，缺乏对本土化情境和新兴工作模式（比如零工经济下的心理风险）的敏感性。这本书则完全不同，它不是简单地罗列量表，而是深入探讨了信效度检验的现代标准，特别是引入了项目反应理论（IRT）在职业健康领域应用的案例。我记得有一个章节详细讲解了如何利用IRT技术来构建一个能更精确区分低、中、高风险人群的疲劳量表，这比传统的Cronbach's Alpha分析要精细得多，能让我们的干预靶向性更强。更赞的是，它没有回避复杂性，而是用非常清晰的图表和步骤说明了多层级数据（比如个体层面、团队层面、组织层面）的测量一致性如何评估，这对于进行跨层级研究的学者来说，简直是醍醐灌顶的指南，保证了研究结果的稳健性，避免了因为测量误差导致的结论偏差。

评分☆☆☆☆☆

作为一名主要从事企业培训和咨询的实践者，我最看重的是研究的“设计”如何转化为可操作的干预方案。市面上很多研究方法书籍，理论推导很足，但实用性稍逊。然而，这本书的“设计”部分彻底改变了我的看法。它不仅仅停留在经典的实验设计（如随机对照试验RCT）上，而是用大量的篇幅讨论了准实验设计和时间序列分析在真实工作场所中的应用限制和应对策略。例如，在探讨一个新型弹性工作制对员工幸福感影响时，我们很难进行完美的随机分组，这本书就提供了如何通过倾向得分匹配（PSM）来平衡干预组和对照组基线差异的详细操作步骤，这在资源受限的实际环境中极其宝贵。它将严谨的科学方法论与职场环境的复杂性有机结合起来，教我们如何在不破坏现有组织结构的前提下，设计出既有科学价值又具转化意义的干预研究，这对于我们这些需要向企业证明投入产出比的专业人士来说，是无可替代的工具箱。

评分☆☆☆☆☆

我是在一个非常头疼的横断面研究项目收尾阶段接触到这本书的。当时我们收集了一大批关于工作投入度与离职意向的数据，结果发现数据分布非常诡异，既不符合正态分布，又存在严重的共线性问题，传统的OLS回归跑出来结果简直惨不忍睹，导师都快要放弃了。随后翻阅了这本书中关于“数据分析”的章节，特别是对非线性关系和中介/调节效应的探讨，才茅塞顿开。它非常详尽地对比了结构方程模型（SEM）和增长曲线模型（GCM）在处理纵向职业健康数据时的优劣势。我们采纳了书中的建议，转而使用Bootstrapping方法来检验工作环境感知对心理健康影响的间接效应，而不是简单地做A-B路径分析。这种对分析方法的“容错”和“高阶应用”的强调，使得我们最终的论文不仅在统计方法上达到了顶级期刊的要求，而且更好地解释了职业倦怠是如何通过自我效能感这一中介变量发挥作用的，展示了数据背后的动态过程，而不是静态的关联。

评分☆☆☆☆☆

好评

评分☆☆☆☆☆

好评

评分☆☆☆☆☆

书是正版，很好，买的很值得，点赞！

评分☆☆☆☆☆

你说好就好你说好就好

评分☆☆☆☆☆

好评

评分☆☆☆☆☆

书是正版，很好，买的很值得，点赞！

评分☆☆☆☆☆

真心不错！！！！！！！！

评分☆☆☆☆☆

书是正版，很好，买的很值得，点赞！

评分☆☆☆☆☆

新兴领域，值得一看，不过研究方法可能没什么新鲜的