解说视频：
如何获取相互动力学：比较纵向方法，来分析人间效应
文章从聚焦于媒体效应和选择的强化螺旋模型(RSM)的角度出发，比较了6个最近用于分析RSM的统计模型，并分别显示了它们在人与人之间进行分离成分的能力。利用捕捉受访者在青春期的发展情况的经验数据，文章发现，结果在不同的统计模型中是不同的。结果证明每一个实证应用都是独特的，可能需要更专门的模型来解释数据中的模式， 本文建议脱离了人之间的影响，明确模拟个体的特征样基线，并在个体内部和个体间水平上分析RSM。
- 研究背景概述
- 强化螺旋模型（RSM）
- 沟通过程中的个体内效应和个体间效应
- 将RSM分解为个体内和个体间构成要素
- 建模RSM的6个统计方法
- 实验结果以及结论
1.研究背景概述
长期以来，传播研究一直关注媒体使用与某一变量之间的关系是否能更好地解释某一变量之间的关系。然而，媒介效应和选择并没有被描述为独特的和独立的，而是被描述为紧密相连的、相互的和潜在的强化现象。强化螺旋模型(RSM)已经成为一个流行的理论框架，它将媒体使用与态度、信念或行为联系起来。蒙特卡罗模拟表明，如果存在特定的通信动态，一些方法可能会导致错误的结论。
总之，文章建议使用显式建模和明确分离的人和人之间效应的方法。 但是分析个人的态度、信念或行为之间的相互关系是具有挑战性的。通常，大多数与RSM相关的研究有助于在实质性研究问题的背景下推进RSM，但方法学决策是相当含蓄的， 目前还不清楚统计方法是否符合兴趣理论，并没有得到充分的关注。 对于纵向模型来说，这是有问题的，因为人与人之间的过程可能会混淆，导致错误的结论。即如果方法决策不考虑应用模型的理论考虑，它们可能会出现偏差，甚至呈现方法假象(Schemer，Geiss，&Mller，2019)。
2.强化螺旋模型（RSM）
RSM被概念化为纵向模型。在特定时间(t1)影响以后的态度、信念和行为(2)，表示媒体效果。反过来，态度、信念和行为也是影响后续媒体使用的中介因素(3)，代表选择效应(Slater，2007)。文章区分出三种动态。最显著的是，Slater（2007）将正反馈回路描述为一种动态过程，在该过程中，中介过程触发了媒体效应和选择之间相互的、相互强化的关系。
3.沟通过程中的个体内效应和个体间效应
像RSM这样的纵向理论和模型至少含蓄地关注两种类型的效应：
个体内部的发展（个体内效应）和个体之间的差异（个体间效应）
个体内效应：是指个体内部的变化模式(Curran&Willoghby，2003)
个体间效应：指的是个体间变化模式的差异(Bainter&Howard，2016；霍夫曼&斯托夫斯基，2009)
4.将RSM分解为个体内和个体间构成要素
目的是为了分离这些影响，重要的是要从这些基线中区分代表媒体使用和相关结果的个体间趋势差异的长期、类似特征的基线。尽管个体的潜在基线显示了媒体使用和相关结果的发展，但统计上它们被定义为个体间成分。个体的基线趋势模式在人内部并无不同，而只在人之间变化。将外源性变量定义为人的特征代表了人之间或群体层面的成分，解释了个体的个人基线(路径e和f)之间的差异，但也条件了个体内部的相互强化过程，即相互媒介和选择效应(路径g)。
5.建模RSM的6个统计方法
1.交叉滞后面板模型（CLPM）
2.随机截距交叉滞后面板模型（RI-CLPM）
3.平行潜在生长曲线模型（LCM）
4.固定效果动态面板模型（DPL）
5.简化自回归潜在轨迹模型（简化ALT)
6.具有结构化残差潜在曲线模型（LCM-SR）
1. 交叉滞后面板模型（CLPM）：CLPM的基本思想是以交叉滞后的自回归模式对两种结果（即媒体使用和相关结果）进行建模，以分析因果关系。交叉滞后在本质上就是比较时点X1和时点Y2的关系与时点Y1和时点X2关系的差异，从而更好地理解XY到底是如何相互影响的。例如，rX1Y2和rX2Y1成为交叉滞后系数，就是回归系数，或者说相关系数。如果rX1Y2显著，则说明X影响Y。如果rY1X2显著，则说明Y影响X，如果都显著，就说明X和Y互相影响，如果都不显著，就说明X和Y无互相影响，可能有第三个变量影响X和Y。
2.随机截距交叉滞后面板模型（RI-CLPM）：RI-CLPM的基本思想是完全分离类似状态的人内部和类似特征的人之间的成分。各个时间具体变量的观测值=总体均值+一个个体差异和纵向波动误差，即在随机截距交叉滞后中既考虑between- difference，又考虑within- difference。
3.平行潜在生长曲线模型（LCM）：LCM是一种统计方法，它明确地模拟个体随时间变化的轨迹来观察（非）线性发展(Bollen&Curran，2006)。LCM可以模拟外源变量对人间水平(路径e和f)的个体轨迹的影响，以及平行生长过程的斜坡测试之间的协方差(Slater&Hayes，2010)，但LCM忽略了相互介质和选择效应、中介过程（路径c和d）以及外源变量调节个体内效应（路径g）。
随机截距：I，代表了y和z的生长轨迹中的初始起点的平均水平以及相应的个体间差异
随机斜率：S，代表了两种结果和相应的个体间差异的个体生长轨迹中的增长率的平均水平
4.固定效应动态面板模型（DPL）：DPL的思想是估计纯自回归和交叉标记的人体内效应，同时控制未观察到的个体间异质性，解决遗漏变量的问题，控制观察不可观测的个体差异或“异质性”，提供更多个体动态行为的信息。
5. 简化自回归潜在轨迹模型 （简化ALT）：在RSM的背景下，用交叉滞后效应扩展了LCM。这个模型可以看作是ALT的简化版。其思想是实现与LCM的时间特定关系，以检验潜在斜率之间的协方差是否基于个体内强化过程。
6.具有结构化残差潜在曲线模型（LCM-SR）：LCM的另一个扩展是LCM-SR。LCM-SR的思想是模拟一个具有自回归、交叉滞后残差结构的平行生长过程，同时与人间成分完全分离。
6.实验结果以及结论
通过使用经验数据来比较这六种统计方法，文章证明了一个强化螺旋是否在统计上被观察到，这高度取决于应用的建模方法和相应的效应解释。虽然这六种模型既有优点也有缺点，但有些方法在识别底层RSM进程方面更强大。每一个实证应用都是独特的，可能需要更专门的模型来解释数据中的模式。
话虽如此，本文建议完全独立和明确的模型和人间效应，同时允许包含外源变量(例如，有针对个人的和有背景的因素)。如果有人与人之间的影响被混淆了，就不可能得出关于强化螺旋过程的结论。 因此，不乏有些方法可能是研究强化螺旋的最充分的工具，因为它们脱离了人之间的影响，明确地模拟了个体的特征样基线，并在个体内部和个体间水平上分析了RSM。
本文从理论和经验上对文献都有贡献。具体来说，文章(a)描述了RSM的核心动态，(b)解释了解开人与人之间过程的重要性，(c)展示了RSM如何在人与人之间的成分中分离。此外，文章还概述了用于分析RSM并解释其RSM相关（非）优势的统计模型。通过使用(e)一个经验例子和进行(f)蒙特卡罗模拟。
信息可视化图（infographic）
感想
本次课程给我的感受就是：真的是！学无止境啊！大学学习了几年的设计，本抱着“在大学只要能把本专业的事情学好就够了”的心态，一直有在很努力地学习相关设计方面的知识。没想到本学期最后这个课程突然脱离了之前的模式，我们居然都看起了和自己专业好像毫不相干的东西哈哈，一开始会感觉到很有新鲜感，老师也很平易近人。但在长期保持阅读晦涩难懂（ 全英…对于我来说 ）的文献的过程中，我渐渐开始变得更有钻研的精神，也开始真正静下心来看书了，正因为有很多不懂的单词以及专业性词汇，让我想要在读懂文章之前，不得不自己先攻克这些难题。
虽然论文很难啃，该课程也没有接触产品设计相关的作业，但相比以往的课，本次课程期间，我依然感觉到有很多收获。发现自己逐渐具备了一些学者的钻研精神以及刨根问底的精神了，英语能力也提高了~原来去了解其他的更多的知识，也是很有必要的。不仅可以拓宽自己的知识面，也能开拓眼界。
这几周，真的非常感谢福利赵老师的辛勤付出，并且耐心地包容拥有许许多多问题的我们，老师辛苦了！小伙伴们也辛苦了！文末，还是提前祝福大家新年快乐！新春吉祥！
原文
Thomas, F., Shehata, A., Otto, L. P., Möller, J., & Prestele, E. (2021). How to Capture Reciprocal Communication Dynamics: Comparing Longitudinal Statistical Approaches in Order to Analyze Within- and Between-Person Effects. Journal of Communication, 71(2), 187–219.
发表回复