从事心理学研究的人，显得对数据极为钟情，心心念念都是数据，似乎达到了迷恋的程度。比如下面的情形：

甲：“唉，我的数据还没出来。”

乙：“嘻，我的数据出来了！”

丙：“嗐，我的数据不理想。”

丁：“嗯，我的数据还好吧。”

心理学研究者真的爱数据吗？其实，情况非常复杂，或许只是糊涂的爱。可能表现为：

其一，没有恰当界定变量就收集数据，例如，研究心理健康，采用的测试工具是测量心理症状的（常见的是SCL-90，即症状自评量表），获得的数据并非表示心理健康。我见过不少论文的表述非常奇怪，比如，“社会支持与心理健康呈负相关”，就是研究的概念与测试指标不协调，造成行文别扭。

其二，没有事先甄别数据就分析数据，例如，没有进行正态分布检验、没有依据规范剔除奇异值、没有进行必要的数据转换（比如，对数转换、平方根转换），直接进行各种差异显著性检验。

其三，不理解数据的作用就呈现数据，例如，把很多自己不懂也不需要的统计结果堆在文中。一些心理学论文，特别是学位论文布满了数据表，尤其是问卷调查类论文，表格能从1编号到50以上。

其四，不能根据情况构思出新的指标，从而，只会用原始数据进行统计分析，难以得到创新性的成果。原始数据是根据研究条件获得的，对于一些问题的探索可能不是很灵敏，这就需要研究者构造新的指标，并计算对应的数据。

凡此种种，实为假爱。

真爱就好？其实不然。

若干年前，我在学习一篇英文文献时，看到一句话，翻译出来是：心理学家对数据本身不感兴趣，他们感兴趣的是数据反映的心理现象，特别是揭示的心理规律。

我恍然大悟：对于数据，倘若真爱，却是错爱。

不可否认，在心理学的研究中，数据的确重要，然而，却不是我们原来认为的那样重要，太多的心理学研究者，真的本末倒置了——感兴趣的就是数据本身，而对数据代表的心理现象和揭示的心理规律却轻视或忽视了。这一点，从有关论文的讨论和结论就能看出来。

心理学界曾流行一种说法：让数据说话。今天仍然有“数据驱动的研究”之误——那些不当的中介分析、调节分析，乃至更常见的人口统计学变量的差异分析，往往都属于这种情况。

许多得到差异统计性显著的研究，其实难以得出心理学上的结论，因为它们的样本量可能太大，效力太高，如果查看或计算效应量，将会发现效应量连小的水平都达不到。同样地，许多没有得到差异统计性显著的研究，其实也不是没有价值，如果样本量太小，效力太低，查看或计算效应量，仍然可以提供有益信息，给出合理建议，比如，倘若效应量是中等水平的，以后研究要提高效力，倘若效应量甚小，则可提示以后不要再做类似的研究。

当人们谈论心理现象和心理规律时，是不会关心这些规律由哪些具体数据分析得来的。这是一个重要的方法论问题，即研究应当定向于揭示规律。开展心理学研究，不能把着眼点特别放在数据上，因为盯着数据，则容易只见数据——数据符合自己的预期则喜，数据不符合自己的预期则忧。数据为上、数据至上的研究思路，必然限止研究者的视野，使之无法跳出单个研究来看待和分析所考察的问题。

实际上，当前的心理学英文文献，倾向于用图来表示研究结果，不再出现平均数、标准差等具体数据（可在点击才能显示的在线附件中提供）。我起初看到这类论文感觉很不习惯，觉得没有准确数据，显得太不严谨。现在，我充分体会到用图呈现结果的妙处——恰当的图，不仅表示研究结果，而且隐含研究结论（用文字表述出来，就是定律）。

总之，数据不该是心理学研究者迷恋的对象，我们更不要被一些数据蒙蔽了眼睛（例如，那些虽然显著但是数值很小的相关系数，以及那些虽然差异显著但均值相差很小的情况）。心理学研究者真正应当着力和倾情的是研究问题和研究结论。

我期盼心理学研究者有这样的场景——

甲、乙、丙、丁：“啊，我们都发现了一个心理学定律！”