《Annual Review of Psychology》：Intensive Longitudinal Methods: Toward a Psychological Science of Daily Life
编辑推荐：
为理解个体在日常生活中思想、情感、生理和行为的动态流动，研究人员对“密集型纵向方法”（Intensive Longitudinal Methods, ILMs）这一核心研究范式进行了系统性回顾。文章梳理了其自2003年以来的显著进展，阐释了如何通过聚焦运动学（kinematics）、动力学（dynamics）和异质性（heterogeneity）来构建有效的日常心理功能理论，并总结了在技术、设计和统计分析模型方面的前沿发展，为推动心理科学走向现实生活提供了关键见解。
传统心理学研究常常在实验室环境中进行，虽然控制严谨，但有时难免与人们复杂多变的现实生活有些“脱节”。我们每天的喜怒哀乐、压力起伏、人际互动，就像一条蜿蜒流动的河流，充满了瞬间的变化和个体间的差异。如何捕捉并理解这种日常生活的真实脉动，长期以来是心理科学面临的一大挑战。人们不可能精准回忆数天甚至数周前每一刻的感受，而间隔数月的问卷调查也难以刻画情绪的日常波动。为了克服这些局限，一门致力于在自然情境中高频次、密集地追踪个体状态的研究方法——密集型纵向方法应运而生。自本世纪初以来，随着移动技术的革命性发展，这类方法已经从一种前沿探索，演进成为理解日常生活心理的核心科学工具。发表在《Annual Review of Psychology》上的这篇综述文章，旨在系统梳理过去近25年间该领域的巨大进步，阐明如何利用这些方法构建更贴近现实的心理科学。
为开展这项回顾性研究，作者主要基于对大量已发表文献的系统性综述与整合分析，其核心并非报告一项新的原始实验，而是对现有研究范式、技术应用和统计模型进行批判性总结与前瞻。文章通过理论阐释与示例（如一项关于工作压力源与关系不满的21天日记研究）相结合的方式，构建论述框架。其关键方法论基础是“运动学-动力学-异质性”的三元分析框架，并深度依赖多层（多水平）模型、多层结构方程模型、贝叶斯估计、动态结构方程建模等复杂统计技术来处理密集型纵向数据。同时，文章也重点回顾了推动该领域发展的关键技术，包括生态瞬时评估、经验取样、移动感知、以及基于智能手机的即时适应性干预等。
研究结果
FUNDAMENTAL RESEARCH QUESTIONS (基本研究问题)
文章指出，有效的密集型纵向研究旨在回答三个核心问题，分别对应三个核心概念：1. 运动学：描述“发生了什么”，即结果变量随时间推移的观察轨迹。例如，通过每日测量，描绘个体关系不满感在数周内的起伏变化。2. 动力学：解释“它为何发生”，即探究变量间的因果关系，特别是预测变量X对结果变量Y的个体内影响。例如，分析当天的工作压力源如何导致当晚的关系不满感升高。3. 异质性：回答“人们在什么和为什么上有多大差异”，即评估上述运动学和动力学过程在个体间的变异程度。理解这种变异与理解平均效应同等重要。文章通过示例数据（）直观展示了这三方面在数据中的体现。
DATA ANALYSIS FUNDAMENTALS (数据分析基础)
在分析策略上，文章强调了几个关键要点：
- •
初始可视化：在建模前，为每个参与者绘制预测变量和结果变量随时间变化的“个体面板图”至关重要，这有助于直观了解时间进程、变量间关联、异质性以及数据问题。
- •
多层建模问题：多层模型是分析密集型纵向数据的首选框架。必须注意：1) 时间考量，包括确定有意义的计时零点、控制时间趋势、处理自相关残差以及识别可能的初始偏高偏差；2) 在预测变量中分离个体内与个体间变异，通常通过个体内中心化来实现，以避免效应混淆；3) 对关键效应（如预测变量X的斜率）建模随机效应，这不仅更准确地反映人类经验的多样性，也是避免第一类错误所必需的。随机效应的大小（以标准差计）若达到固定效应的25%以上，就值得报告，因为它意味着95%的异质性区间覆盖了平均效应0.5倍到1.5倍的范围。
- •
异质性建模：作者提倡从“效应异质性普遍存在”的假设出发进行研究。报告结果时，应同时呈现典型个体的固定效应和个体间差异的随机效应。可视化异质性分布（如斜率直方图）是呈现结果的有力方式。
- •
个体内中介过程的异质性：文章介绍了如何通过多层结构方程模型来研究个体内的中介过程（例如，工作压力→工作不满→关系不满），并强调了在此框架下，总效应是间接效应、直接效应以及路径a与路径b之间协方差的总和。模型同样允许中介路径存在个体间异质性。
ADVANCES IN MODELING (建模进展)
文章回顾了多个重要的建模进展：
- •
贝叶斯估计：在处理具有众多随机效应的复杂模型，特别是非线性模型时，贝叶斯方法在计算上更具优势，并能直接对参数做出概率陈述。
- •
个体内变化的心理测量学：需要评估测量工具在捕捉个体内波动时的信度，这不同于传统的个体间比较信度（如克朗巴赫α）。已有方法可评估单项目测量的信度及信度跨时间和个体的不变性。
- •
建模不等时间间隔：对于生态瞬时评估这类设计，可以使用“分箱”程序或在连续时间模型框架下处理不等间隔的测量数据。
- •
缺失数据处理：多层结构方程模型通常基于随机缺失假设，使用全信息最大似然估计处理缺失。多重插补是另一种常用方法，进行不同缺失数据机制假设下的敏感性分析是重要的。
- •
统计效能与未来研究规划：由于密集型纵向研究资源密集，在研前进行模拟为基础的统计效能分析至关重要。文章推荐使用Mplus等软件的蒙特卡洛模拟功能进行效能分析。
- •
位置-尺度和随机残差模型：这类模型允许个体间的残差方差不同，并可将其作为个体差异变量进行预测或由其预测，从而研究个体在未测量因素敏感性上的差异。
- •
多层向量自回归模型：适用于研究多个内生变量之间相互的滞后影响关系，在心理症状网络分析等领域有广泛应用。
- •
连续时间微分方程模型：能明确将心理过程表征为连续的，非常适合处理观测间隔不等的数据，并能直接对变化率进行建模。
ADVANCES IN TECHNOLOGY AND DESIGN (技术与设计的进展)
技术与设计上的创新极大地拓展了研究可能性：
- •
移动感知：利用智能手机和可穿戴设备被动收集GPS定位、加速度计、数字痕迹等数据流，实现了对行为和环境的高频、客观测量。“屏幕组学”甚至通过每5秒截屏来持续记录个体的数字生活。
- •
爆发式设计：通过嵌套短期的密集型测量阶段于长期的追踪框架内，能够同时研究个体内变异和长期的个体内变化。
- •
即时适应性干预：这是一种基于移动设备、根据个体实时状态和情境动态调整干预内容的个性化干预方法。微随机化试验有助于其开发。例如，HeartSteps研究根据参与者的实时情境（如是否在驾驶）推送体育活动建议，有效增加了后续的步数。
COMMUNICATING RESULTS (结果交流)
在成果呈现方面，文章建议：1) 在可能的情况下，使用“意面图”或个体效应直方图来可视化固定效应和随机效应；2) 在结果表格中提供详尽的模型参数，包括所有指定的固定效应和随机效应及其标准误、检验值和置信区间；3) 始终同时报告感兴趣效应的典型值（固定效应）和个体间差异（随机效应）。
ADDITIONAL ISSUES (其他问题)
文章还讨论了几个值得关注的问题：1) 参与者的负担、流失和不认真作答问题，需通过优化设计、结合被动感知和利用数据分析工具（如反应时分析）来缓解；2) 不同研究团队对同一数据集的分析选择可能导致结果存在差异，凸显了研究过程透明化的重要性；3) 样本的包容性与多样性问题，鼓励研究者利用密集型纵向方法便于在自然情境中收集数据的优势，招募更多非WEIRD人群，以更好地反映和理解心理过程的全貌和异质性。
结论与意义
这篇综述系统性地阐明，经过近二十五年的发展，密集型纵向方法已经成熟为一种强大的科学范式，它使心理学家能够以前所未有的精细度探究日常生活的心理现实。其核心贡献在于确立了“运动学-动力学-异质性”的三元分析框架，将研究焦点从静态的个体间比较，转向动态的个体内过程及其丰富的个体间变异。统计建模技术的飞跃，特别是多层模型、贝叶斯估计、多层结构方程模型和连续时间模型的发展，为分析这类复杂数据提供了坚实工具。而移动感知、爆发式设计、即时适应性干预等技术与设计创新，则不断拓展着方法的外延和应用场景。然而，领域也面临参与者负担、分析选择多样性、样本代表性等挑战。展望未来，随着人工智能与机器学习技术的融合，以及方法在成对数据、跨文化背景下的深化应用，密集型纵向方法将继续推动心理科学更深入、更真实地理解“生活本来的样子”，并为开发高度个性化的行为与健康干预措施奠定基础。
