优于双群体模型的交叉分类(2)

12月 21, 2009

Crossed Categorization Beyond the Two-Group Model
优于双群体模型的交叉分类
作者：Darren Urada, Douglas M. Stenstrom, and Norman Miller
译者：黎情 提交日期：2009年12月12日

预备性研究

正如上文提到的，预备性研究1探讨了把多个次要内群体关系加入到一个优势外群体关系中的效果，预备性研究2则探讨了把多个次要外群体关系加入到一个优势内群体关系中的效果。所以，这前两个研究仅仅在所呈现的靶子上有差别。如果这两个研究是在不同的阶段进行的，则可以看作是一个研究的不同操作条件。虽然这两个预备性研究不能看作一个实验，但是我们在讨论的时候会把它们结合起来进行讨论。

预备性研究1

方法

被试

二十五个来自南加利福尼亚大学（USC）的心理学本科志愿者参加了这个研究，为了获得它们心理学专业课的额外学分。三个被试在数据分析的时候被排除出来了，因为他们在实验结束后的面谈中对研究的封面故事（cover story）提出了质疑，他们能猜测出这个研究的至少一部分的真实目的。

设计

单因素（靶子类型：Oi，Oii，Oiii）组内设计。主试不清楚研究的假设，他们随机分配靶子呈现的顺序和每个靶子中重要信息和次要信息的呈现顺序。

材料和程序

通过一个邮寄过去的标有“团队问题解决”的签名筏，被试自愿参与这个研究。在这张薄纸上，他们被告知他们会被给予认识某个人的机会，然后他们要与这个人一起执行一个问题解决的任务。并指示把自己的学号写在他们能够参加实验的时间旁边，这就算是签名。每一个小时的时间空档，被分成了四个部分，但是其中的三个甚至全部得到的都是伪造的数据。伪装的被试被指导到分散在整个10层楼的不同房间进行报道，但是真正的被试却总是被指导到同一个房间。因此，每个被试会与三个不同的人一起实验，而且这三个人他之前没有见过，也无法得知除了不正式的代码之外的任何信息。

当一个被试到达指定的房间，她或他就会受到主试的接待，然后被带领穿过办公室到旁边的一个小房间里独自坐着。为了强化关于4个被试同时进行实验的封面故事，主试看着她的手表，说：“应该还有三个被试与你同时参加这个实验的。我回去核对一下是不是每个人都到了。”然后，让门敞开着，主试走进隔壁的房间，停在一个按键式电话机旁边（与被试的距离仍在被试的听力范围内），拿起电话，拨号，然后进行一个简短的伪造出来的对话，假装在与另外一个主试在对话。她每次都以这样的话结束：“还有一个？要等多久呢？（停顿）呃－嗯。（停顿）好的，我一会再给你打过去。（停顿）好的，拜拜。”接着，回到被试所在的房间，说得再等一个被试。在被试填完各种表格之后，她表示歉意，回到旁边的房间，进行另一个简短的伪造出来的对话。被试能够听到她说的话：“哦，他们来了？太好了！我可以开始了吗？（停顿）好，一会再说。拜！”

到这时，主试通知被试实验马上开始。她解释道另外3个人在其他的房间里，他们中的一些人是通过正常的被试问卷被招募来的，另外一些人是通过报纸上的广告被招募来的，以此来防止被试根据USC心理学被试问卷的人口统计学数据做出些推断。比如，这可能会使得被试认为其他被试中有一个人是老年人这样的推断更加站得住脚，即使在USC的被试问卷中显示几乎没有发现老年人。

接下来，主试告诉被试这个研究是用来调查人们是如何与新结识的人进行互动的，他们需要对模拟的人际问题的解决方式达成共识。被试被告知已发现大多数有用的信息都来自彼此间感觉舒服的人之间所进行的讨论，因此被试有一个机会来选择一个或两个感觉舒服的搭档。然而，被试只能得到关于其他被试的有限的信息，因为主试还对被试在见到他的搭档之前所得到的关于他们搭档的信息的数量如何影响他们接下来的讨论感兴趣。这就是一开始被试就被分开安置在不同房间里的原因了。被试被询问他或她是否认识讨论会场中的其他被试。因为他们事实上是冒牌的，所以他们都回答了“不认识”。

接下来，被试填写一个表格，里面的信息要给其他被试看。他们被要求根据16个不同的类别纬度（如年龄、专业、民族背景等）把自己进行归类。然后他们根据“他们对自我的意识”对每个类别的重要性进行评价，使用从1（根本不）到7（非常）的7点量表。

对靶子类型的操纵。然后主试离开，根据被试提供的信息去伪造三份关于冒牌被试（靶子）的描述。她首先整理出了一系列被被试评价为同样重要的类别，一系列同样相对不重要的类别。例如，这可能包括所有被评价为重要水平是3和4的类别。基于这样一种运算法则来选择每一个类别：首先最大化可用类别的数量，然后最大化评价的重要程度的差别。通过电脑产生这些靶子的描述和与它们相关的东西。

最大化类别的数量的好处是方便隐藏靶子描述的特点。比如，如果只使用了一个重要的类别维度和三个次要的类别维度，那么对一个被试的描述是年轻的（重要类别）、信仰宗教的、开放的和心理学专业的（次要类别），而可能会变成年龄大的和信仰宗教的；年龄大的、信仰宗教的和开放的；年龄大的、信仰宗教的、开放的和心理学专业的。正如我们看见的，当用这种方式呈现时，靶子类型（Oi，Oii，Oiii）的模式就很明显了，并因此这个研究的本质也非常明显。然而，如果使用了更多的类别，那么对于同一个被试，被描述成也是美国市民的和单身的（重要类别）、通勤者（次要类别）时，可能变成一个年龄大的和开放的；而不是一个美国市民、有宗教信仰的、通勤者；已婚的、心理学专业的、有宗教信仰的和开放的。后一种方法中，虽然那三种靶子类型（Oi，Oii，Oiii）仍然可能被识别出来，但是增加了类别之后是别出靶子类型的模式就难得多了。而且，被试拿到的关于这三种类型的靶子描述中重要外群体呈现在不同靶子描述的不同的位子上，且三种类型的靶子呈现的顺序也是变化的。这就既有助于平衡顺序效应，又有助于进一步隐藏靶子描述的特点。这些描述是被手写下来的，写在一个空格够写关于每个靶子的多达10条信息的表格中，以此来满足指导语中的被试接收到的信息数量是随机分配的这一声明。

注意：靶子是被描述成特定类别的内群体成员还是外群体成员，这是随机决定的。 而且，任何一个给定的靶子描述中所使用的靶子和被安放在一起的类别也都是从备选项中随机抽取的。因此，这个范式提供了一种根据一般的偏见来研究的真实生活中的群体偏见的方法，同时控制住了可能发生在特定的群体关系结合时的特殊交互作用。

因变量测量。伪造靶子描述只需要花上几分钟，之后，主试返回房间，给被试如下的指示：

你将会与这些人中的一个人合作，来共同解决不同的问题。解决这些问题不需要特殊的知识和技能。只需要你们俩能够一起认真地工作。我知道你只掌握了少量完成任务所需要的信息，但是请基于这些你已经掌握的信息尽力而为。记住，尽量选择一个你感觉比较舒服的人做搭档。

然后，主试进行因变量测量，用一个从1（根本不）到7（非常）的7点量表，针对每个被描述的靶子，一一询问被试有多希望与其成为搭档。他们还把靶子（1－4）根据偏爱程度进行了排列。然后主试探测被试的质疑情况，提供了一份完整的任务报告（debriefing），终止了讨论。

任何可能的、现代的、高效的统计方法都用来分析收集到的数据了。与一般的看法不一致，统计杂志上成百上千的文献都已经指出标准的统计方法，如方差分析和标准t检验，即使所收集的数据只是很小地偏离了常态和方差齐性，统计结果也可能受到很大的误导，因而就很大地降低了检测到真实的组间差异的可能性（Wilcox，1995，1998，2003，2005）。在大多数的情况下，更多的现代技术，如截尾均值比较（trimmed mean comparisons），在效果、对I类错误的控制、防止违反常态性和方差齐性上有明显更好的表现，因而能够很大地提高检测到组间差异的可能性（Wilcox，1995，1998，2003，2005）。再者，因为对常态和方差齐性的统计检验效率过低，所以使用一切可能的高效统计方法是很有帮助的。这些分析方法与之前Urada和Miller（2000）的交叉分类分析方法也保持一致。本文中， 20％对多因变量群体的截尾均值t检验都是用来检验虚无假设Ho：μ1 = …=μJ，这里的J是指群体因变量的数量（Wilcox，2005）。使用Wilcox（1995） 提供的Minitab软件进行数据分析。相反，单向重复检验的方差分析就是过时的、低效的分析方式。另外，用配对截尾均值t检验来进行对偶比较，因为这是一种对传统的配对t检验进行了改进后的更加快速、更加有效的方法，而且可以用同样的方式进行解释。本文中，几乎每一个研究的每一种情况下，这种更加高效的统计方法都产生了与传统的统计方法一样的结果模式。少数几个结果的模式不一样的，都标了脚注。否则，读者可能会认为高效的统计方法的结果与传统方法的结果是一样的。

结果

表2呈现了对Oi，Oii,和 Oiii三种靶子的偏爱评价的均值 。靶子类型的主效应是显著的，Tt(1.68，21.84)＝4.86，p<.05。对偶比较揭示：对靶子Oii的评价比对靶子Oi的评价要高，Tt(1，13)＝9.39，p<.01，对靶子Oiii的评价高于对靶子Oi的评价，Tt(1，13)＝5.79，p<.05。但是，对靶子Oii的评价和对靶子Oiii的评价差异不显著，Tt(1，13)＝0.34，p＝.57。因此，这三种靶子的偏爱模式是Oi < Oii=Oiii。

注：下标不同的均值差异在p<。05。Est.＝被估计为0；“O”代表一个重要的外群体关系；“i”代表一个次要的内群体关系。

预备性研究2

方法

被试

二十五个来自南加利福尼亚大学（USC）的心理学本科志愿者参加了实验，为了获得他们心理学专业课的额外学分。没有人由于质疑被排除。

设计

单因素（靶子类型：Io，Ioo，Iooo）组内设计。主试在不知道研究的假设的情况下，随机分配靶子呈现的顺序和每个靶子描述中重要的和次要的信息的呈现顺序。

材料和程序

除了使用的靶子类型不同外，材料和程序与前一个预备性研究完全相同。

结果

表3呈现了对Io，Ioo，Iooo三种靶子的偏爱评价的均值。靶子类型的效应不显著，Tt(2，19)=0.59，p=.56。对偶比较揭示：对靶子的评价差异不显著。偏爱评价的模式是Io=Ioo=Iooo。

注：有相同的下标的组均值之间的差异在p<.05。Est.=被估计为0； “I”代表重要的内群体关系；“o”代表次要的外群体关系。

讨论

被试根据增加的内群体关系来对靶子（即Oi，Oii，Oiii）进行区分，而不是根据增加的外群体关系对靶子进行区分，这支持了一种内群体偏爱的加工模型。就是说，似乎被试对靶子进行偏爱评估时更多地倚重于靶子的内群体内容，而不是外群体内容。这也就否定了那些只根据信息的数量所作出的解释。即，评价的模式不能被简单地解释为是关于靶子的信息量增加的结果（例如：个性化），因为靶子评估只随一种信息（i）的增加而提高，而不受其它信息（o）的增加的影响。

被试所采用的确切的信息整合类型更需要讨论。代数整合模型可能适合用来解释，但是对Oii和Oiii靶子的偏爱评价之间没有发现显著的差异，这就使得也使用了非代数模型（如特征检测）也可能存在了。因为很难解释该相对无力的统计结果，所以我们接下来的研究把这个研究推广到其它领域时，试图重复这些结论。根据预备性研究中得到的信息，我们的两个主要研究通过增加单类别靶子（I和O）扩展了靶子设置。即，在内群体优势条件下（I，Io，Ioo，Iooo，O）和外群体优势条件下（O，Oi，Oii，Oiii，I）都包括单类别靶子。

平均模型预测当一个优势类别与一个次要群交错时可以产生最大的差异（如：O < Oi）。每再增加一个群的作用会越来越小（如：Oi < Oii），而且产生的偏爱差异都会小于O与Oi之间的差异。非代数模型得不出这个预测。但是，比如特征检测这些策略遵循一种基本的全或无的决策法则。因此，实验1检验了人们会把靶子元归类（metacategorize）为似内群体和似外群体的预期。被归类为似内群体的交错靶子得到的评价与靶子I一样高，归类为似外群体的靶子得到的评价与靶子O一样低。

增加单类别靶子有另外一个优点。即使大多数的交叉分类研究没有包括单类别靶子，但是群关系交错已经用来作为一种改善单类别研究中存在的群际歧视的技术（Crisp & Hewstone,，1999； N.Miller,，Kenworthy,，Canales,，& Stenstrom,，印刷中;；N. Miller，Urban,，& Vanman，1998）。因此，有研究者最近提出：建立偏见减少效果的交叉分类，一个关键的标准就是是否包括了单类别靶子，这样才便于实现用多群体关系与简单的类别基线的比较（Crisp & Hew-stone，1999；Crisp，Hewstone，& Rubin，2001）。在仅有的几个使用传统的双群体模型的研究中，研究者比较了交叉类别与简单类别两种条件（查看Crisp & Hew-stone，1999）。本研究第一个检验：相对于简单类别，增加群体关系（如：Oi，Oii，Oiii或者Io，Ioo，Iooo）是否能够有效地降低群际偏见。正如前面所指出的，我们预期当靶子被元归类为似内群体时能够降低偏见。我们认为增加一个优势内群体关系或者增加大部分非优势内群体关系可以形成这种元类别。这个预期在实验1中得到检验。

总之，实验1通过使用靶子条件（Oi/Oii/Oiii 或者 Io/Ioo/Iooo）的随机组间任务设计，来验证前面的两个预备性研究，同时通过三种方法扩展我们的研究。第一，前面提到了，靶子设置扩展到了包括I和O靶子。第二，类别关系和使用的方法适用于此新的研究设置，这提供了检验那两个预备性研究的结论是否需要修正的机会。第三，除了在两个预备性研究中所做的测量外，还增加了一个评估被试－靶子－知觉相似性的因变量测量。

实验1

方法

被试

104名来自克联德尔社区学院（Glandale Community College）的五个基础课心理学班级的大学生为了得到学分参加了实验。5个被试准确地猜到了研究的至少部分真正目的，因而他们的数据被排除了。有4个被试的数据也被排除了，因为主试在准备靶子描述表格时出错了。

设计

2个水平的组间变量（优势外群体，优势内群体）×5个水平的组内变量（包括一个、两个或三个非优势类别的靶子，单内群体，单外群体）的混合设计。

材料和程序

除了为了适合于不同大学的教室布置需要做一点点修改外，材料和程序与预备性研究中使用的差不多。研究持续了两个学期。对于每个班，需要分两次进行。第一次，班级成员会收到如下的说明：

你要填的表格是一项关于团队问题解决的研究。把合适的人放在一起组成团队很重要，这里你需要填写的信息能帮助我们找出合适的搭档。团队任务会在下个星期进行，关于这次任务晚一些时候你会得到更多的信息。

然后被试会拿到一个对前两个研究中使用的表格进行修正后的表格，里面需要填写的是关于被试的信息。这段说明是用来促进群体管理的，为了更好的匹配自然存在于克联德尔社区学院的群体类别，对要使用的类别需要稍微做点挑选，比如排除“兄弟会/女生联盟的成员”，克联德尔社区学院没有这种团体；特意插入“兼职/全职的学生”，这样的学生在大学里面很常见。一个星期以后的第二次，使用了一个与预备性研究1和2中类似的封面故事。被试被告知他们会与搭档一起卷入一场讨论任务中，而且主试已经挑选出了几个适合做该实验的被试，他们可以从中选择几个感觉比较舒服的做搭档。对于不同的搭档，他们拿到的信息量不同，因为主研究者还对这个会如何影响他们的讨论感兴趣。每个被试于是就拿到了一个“可能搭档”清单（实际就是上个星期每个被试填写的信息），评价希望与每个可能搭档成为搭档的程度。在前一个研究中使用的靶子基础上，增加了简单的I和O靶子。因此，被试随机拿到I，Io，Ioo， Iooo和O靶子的描述，或者I，Oi，Oii，Oiii和O靶子的描述。用与前面的研究中使用的量表相同的量表，对每个靶子进行了偏爱评价之后，被试使用一个类似的量表来对每个靶子自身与其它靶子之间的相似性进行评价。最后，因为不可能对被试单独地进行质疑探测，所以要求他们各写一段话，写明他们认为这个研究是关于什么的和他们猜测结果是怎么样的。然后班级成员听取任务报告，并解散了。

结果

表4呈现了对靶子的偏爱评价的均值。在交错靶子中，当呈现的是重要的内群体关系时，发现靶子类型的效应不显著，Tt(1.91，53.45)=0.24，p=.78。即，模式是Io=Ioo=Iooo。对这些交错靶子的评价进行对偶比较也没有发现显著的差异，这确认了综合测试所得出的结论。靶子Io得到的评价与靶子I一样，Tt(1，28)=0，p=1.00，对三种交错靶子的平均偏爱评价与对简单的I靶子的偏爱评价的差异也是不显著的，Tt(1，28)=0.97，p=.33。然而，它们的平均偏爱评价差一点就显著高于对简单的O靶子的偏爱评价，Tt(1，28)=3.16，p=.09。因此，包括后面这个边缘上的显著差异，模式就可以被概括为I=Io=Ioo=Iooo>O。

当呈现的是重要的外群体时，在交错靶子之间发现显著的靶子类型效应，Tt(2，58)=3.57，p<.05。对偶比较显示Oi和Oii靶子评价之间的差异处于显著的边缘，Tt(1，29)=3.18，p=.09，但是Oii和Oiii靶子评价之间的差异则不显著，Tt(1，29)=0.60，p=.44。靶子I与靶子Oi之间有显著的差异，Tt(1，29)=5.28，p<.05，而且与靶子O也有显著的差异，Tt(1，29)=9.20，p<.01，然而，靶子O与靶子Oi的差异却不显著，Tt(1，29)=0.39，p=.54，但是比其它的靶子都要低。所以，总结得到的模式是O=Oi < Oii=Oiii=I 。

被试对他们知觉到的靶子与自己的相似程度的评估与他们的靶子偏爱评价一致。事实上，对于所有的交错靶子，相似性评估与偏爱评价之间是正相关的（范围在r=.44 ～ r=.67，P<.05）。在交错靶子中（Oi，Oii，Oiii）中，当呈现的是重要的外群体时，对于相似性的评估，靶子类型有显著的主效应，Tt(1.88，26.33)=7.60，p<.01，这说明被试对不同的靶子会区别对待。当在交错靶子中（Io，Ioo，Iooo）呈现的是重要的内群体时，对于相似性评估，靶子类型的效应则是不显著的，Tt(1.80，30.57)=0.56，p=.56。

讨论

在这些研究中，把靶子I和O包括进来有助于弄清楚被试使用的加工类型。结果再一次支持了内群体偏爱模型，而不支持代数模型。根据代数模型，有优势外群体（O）时，对靶子的偏爱，差别最大的应该在靶子O与Oi之间。当平均化信息时，增加内群体信息到纯粹的外群体描述中（即，比较靶子O与Oi）时应该有最大的影响，然而进一步增加内群体信息（例如，比较靶子Oi与Oii）则对偏爱评价的影响应该越来越小。但是事实上，发现了相反的结果，在O与Oi靶子的偏爱评价之间没有发现显著的差异，但是在靶子Oi与Oii的偏爱评价之间却发现了显著的差异。甚至相加模型（与平均模型相对）预期靶子O与Oi之间的差异和靶子Oi与Oii之间的差异相同，这也没有得到支持。代数模型预期靶子Oii与Oiii之间没有差异。减小returns的平均模型和相加模型预期靶子Oii与Oiii的差异比靶子Oi与Oii的差异更小，所以没有发现差异可能是因为灵敏度过低（poor power）。综合考虑反对代数模型的证据和支持特征检测模型的证据，特征检测模型是最适合用来解释这些数据的模型。

注：下标不同的优势条件下的均值差异在p<.10。Est.=被估计为0；“Eyes”代表重要的内群体关系；“ohs”代表次要的外群体关系；“Ohs”代表重要的外群体关系；“eyes”代表次要的内群体关系。

把靶子I和O包括进来还有助于弄清楚，相对于简单的类别条件，加入多个群体关系是否可以减少群际偏见。在优势外群体条件下，对靶子O与Oi的偏爱评价之间没有显著的差异，说明相对于简单的类别条件，增加一个内群体关系不足以减少偏见。然而，相对于靶子Oi和O，增加两个内群体关系时正好可以使偏爱评价提高。两个内群体关系的出现似乎是使得偏见减少的关键特征，因为再增加一个内群体关系（Oiii）并没有影响偏爱评价。而且，两个内群体关系足够使得一个包含优势外群体的靶子得到的偏爱评价与纯粹的内群体靶子（I）一样高。综上所述，优势外群体条件下得出的结果（O=Oi < Oii=Oiii=I）说明靶子要么被归类为似外群体并且偏爱程度与简单的外群体成员相似，要么被归类为似内群体并且偏爱程度与简单的内群体成员一样高，而从似外群体（O=Oi）转为似内群体（Oii=Oiii=I）的界线就是出现两个内群体关系。

在优势内群体的条件下，所有包含优势内群体的靶子都被同样程度地偏爱，与非优势外群体关系的数量无关。只有当优势内群体关系被优势外群体关系所取代（I=Io=Ioo=Iooo>O）时，偏爱评价才会降低。与简单的外群体条件相比，当靶子包含优势内群体关系时偏见才会减少。

特征检测策略可能可以解释这两种条件下得出的不同模式。相对于单外群体靶子（O），当靶子包含优势内群体关系（I，Io，Ioo，Iooo）时或者当靶子包含两个及其以上的非优势内群体（Oii，Oiii）时偏爱评价才会提高。这就意味着两个非优势内群体关系（ii）相结合时发挥的作用与纯粹的优势内群体关系的作用一样。事实上，在优势内群体条件下，靶子Oii与靶子I得到的评价是相当的。在这两种条件下，被试把注意力放在内群体信息上，以此来决定靶子更多地似内群体还是更多地似外群体。当一个足够有分量的内群体关系存在时，比如单优势内群体关系（I）或者至少两个非优势内群体关系（ii），被试才被认为是似内群体的。一旦达到了这个界线，被试就被认为是似内群体的，同时外群体关系被忽略，不管它们是优势的（Oi）还是非优势的（Io，Ioo，Iooo）。因此，被试似乎是在使用基于内群体偏爱的特征检测策略。

相似性评估与偏爱评价一致，这一事实也说明，在这些情境下，被试的注意力是偏向内群体信息的。当内群体关系（i）被加入到一个重要的外群体成员描述（O）中时，被试不仅仅对靶子显示出更大的偏爱，而且会把它们看作是与自己更加相似的。然而，当外群体关系（o）被加入到重要的内群体描述（I）中时，不但没有对偏爱评价产生影响而且没有影响被试对靶子与他们自己的相似程度评估产生影响，这就说明被试基本上把这些信息都忽略了。

为什么被试会把注意力放在内群体信息上呢？有一种解释在于这个实验任务的特点本身。在前面的三个研究中，测量因变量的主要问题是：“你多希望与……做搭档？”，并且被试被引导来选择一个他们“感觉舒服的”搭档。在对靶子（例如：交错靶子和内群体成员）之间的相似性进行评估时，人们会更加留意它们的共同特征，但是如果对靶子之间的差异性进行评估，人们会更加留意它们的不同特征（Tversky，1977，p.339）。所以，当问及他们更偏爱哪个时，这种提问的方式本身就可能引导被试搜索他们与靶子之间的相似性（内群体关系）。然而，如果问相反的问题——他们最不想与谁成为搭档？——他们可能被引导来搜索他们与靶子之间的不同点（外群体关系）。于是，这种改变可能影响到信息整合的过程，引导被试把注意力放在外群体上，而不是内群体。

为了检验这个假设，实验2中，一半的被试进行了这样的因变量测量，针对每个靶子，一一提问：“你多希望排除他？”，并提醒被试，为了有更好的讨论效果，最好排除他们会感觉不舒服的可能搭档。对另外一半的被试，针对每个靶子，一一提问：“你多希望把他包括进来？”，并且在指导语里提醒被试选择他们感觉舒服的人做搭档，正如前面的研究所设计的。因此，实验2将会弄清楚内群体偏爱是否就是那个标准，还是在适当的情境下，外群体贬损也可能成为标准。如果这个实验任务最后知道了注意力所偏向的群体类型，那么注意力偏向外群体排除就会导致得出与外群体贬损相对应的结果，因而得出与前面的结论相反的结论：O=Oi=Oii=OiiiIo=Ioo=Iooo=O。这个假设会推断出与前面的发现相同的非代数加工类型，只是注意力转而放在了外群体关系上。但是，如果经过这个实验，仍然偏向内群体偏爱，那么保持与实验1相似的结论。

被试拿到的指导语是放进讨论搭档还是排除讨论搭档，除了对此进行操纵之外，实验2还在实验操作上进行了点调整，使用了不同于前面的三个研究使用的在线测验方法。与其他表面上也同时在线的被试在“聊天室”进行讨论，即改变讨论任务所进行的场所，通过这种方式使得实验程序得到了适应于网络环境的调整。用这种方法，实验2中，我们可以检验前面的研究得出的结论在不同的情境下是否具有可重复性，而且样本被试更加丰富了。

优于双群体模型的交叉分类(1)
优于双群体模型的交叉分类(3)

原文来源：
Crossed Categorization Beyond the Two-Group Model
Journal of Personality and Social Psychology 2007, Vol. 92, No. 4, 649–664
原文下载：http://bbs.sciopsy.com/viewthread.php?tid=11803

This content in Chinese is Copyright SOP Group 2009 . This content is intended for personal use and may not be distributed or reproduced without the consent of SOP Group. Please contact www.sciopsy.com for more information.

Written by admin · Filed Under 心理论文