基于因果关系归类中的实验效应

丁小斌　阴国恩

摘要采用与Rehder实验相同的程序，考察了不同非典型特征值用语和基本比率信息表达方式对基于因果关系归类的影响。实验1结果表明，非典型特征值采用“正常”或典型特征值的相反值并不会对归类中的实验效应产生不同的影响。实验2结果表明，与将基本比率信息表达为具体明确的一个值“75％”相比，“A倾向于具有特征X”的表达方式会削弱一致性效应，突显因果位置效应。这些结果说明，改变两种实验效应强度的是Marsh和Ahn实验中采用的基本比率信息的表达方式而不是Rehder实验中的非典型特征值用语。

关键词归类，因果关系，因果位置效应，一致性效应。

分类号B842.5

1前言

分类研究的一个重要目标是揭示事物的特征以及与特征相关的知识(如解释性的或因果性的知识)如何影响人们对类别的表征和使用。早期研究主要关注事物的知觉特征在归类(classification)中的效应，但随后的研究表明，知识几乎影响着所有基于类别的判断。本文关注的是类别特征之间的因果知识对归类判断的影响。类别特征之间存在因果关系的例子很多。比如，人们知道爪子使老虎能够捕食猎物，腮使鱼类在水中可能呼吸，风扇使汽车发动机保持低温，等等。

许多研究对因果知识在归类中的作用进行了考察，发现了因果知识对归类影响的一些重要的效应。因果位置效应(the causal status effect)和一致性效应(the coherence effect)是研究中发现的两种比较重要的实验效应。因果位置效应是指，在其它因素平衡的情况下，特征在类别因果网络中出现的越早，在归类判断中具有的权重越大。一致性效应是指在基于因果关系的归类中，除过特征本身的特性提供的归类线索，特征交互关系是否符合类别特征因果关系模式对人们的归类判断也产生影响。

支持因果位置效应和一致性效的研究证据有很多，但在效应的强度大小问题上存在争论。Marsh和Ahn认为Rehder实验中采用的人造类别刺激材料可能放大了一致性效应，而减弱了因果位置效应。Marsh和Ahn认为，在Rehder的实验中呈现给被试的类别特征值分为典型特征值和非典型特征值，典型特征值为“高”，非典型特征值为“正常”，而采用“正常”作为维度值是有问题的。原因有二，第一。虽然采用“正常”作为非典型特征值的目的在于表明靶类别(如玛斯塔星)与其上位类别(所有星球)的区别，但种做法会放大一致性效应。因为被试会认为“正常”值倾向于一起出现。第二，Rehder等在实验2中没有提供关于典型特征非典型特征基本比率大小的信息，在这种情况下，所有特征维度上都是“正常”值的项目(即，“0000”项目)也会获得较高的归类比，因为“0000”项目完全符合靶类别的特征因果交互关系，一致性效应因此也会被放大。

为了验证他们的观点，Marsh和Ahn将非典型特征值换成与典型特征值相反的值，比如对于特征“密度”，特征值分别为“高”和“低”。结果发现，与Rehder的实验结果相比，一致性效应减小，而因果位置效应增强。根据这一结果，Marsh和Ahn认为采用“正常”作为维度值是造成Re-hder的实验只出现部分因果位置效应和高强度一致性效应的原因。

2问题提出

究竟采用“正常”作为非典型特征维度值是否会对因果位置效应和一致性效应产生影响?事实上，即使这是一个问题，单凭Marsh和Ahn的研究不能作出有效的回答。因为两个研究的过程除了在非典型特征值用语上不同外，还有多个方面不同。首先，与Rehder的实验相比，Marsh和Ahn的研究不仅改变了维度值用语，也改变了对特征基本比率的表达，前者的基本比率表达为一个精确的数值：“75％”，而后者表达为“A倾向于具有特征X”。第二，在实验设计上，前者采用的是混和设计，而后者采用的是组内设计；第三，在实验程序方面，前者在实验的学习阶段安排了学习效果的测验，要求被试对有关学习内容选择题进行作答；在实验的测试阶段一直向被试呈现一个有关类别原型的图示，图中信息包括类别原型的特征及特征之间的因果关系。而后者的实验程序均无这两方面的安排。上述研究过程中的任何一点不同都可能导致实验效应的强度上出现差异。

本研究采用与Rehder的实验相同的实验设计和程序，在保持第二和第三方面与Rehder的实验相同的情况下考察非典型特征值用语和基本比率信息表达方式对两种实验效应可能的影响。实验1考察采用“正常”作为非典型特征值时两种实验效应可能发生的变化；实验2在特征值用语一致的情况下考察基本比率信息的不同表达方式对两种实验效应可能的影响。

3实验1

实验1的目的在于考察维度值用语“正常”是否对基于因果关系的归类产生的影响。在实验中，直接对“正常”维度值条件和“双极”维度值条件进行比较。两种条件下，特征基本比率信息均表述为“75％”。比如，对于特征“密度”，在“正常”条件下，告诉被试“75％的玛斯塔星密度高而25％的玛斯塔星密度正常”；在“双极”条件下，告诉被试“75％的玛斯塔星密度高而25％的玛斯塔星密度低”。

3.1方法

3.1.1材料

材料与Rehder、Marsh和Ahn研究中采用的一样，共六个类别。每个典型特征的基本比率描述为“75％”。“正常”条件下，非典型特征值为“正常”，“双极”条件下，非典型特征值为典型特征值的另一极。所有被试还需要学习图1所示的特征之间的三个因果关系。表1例举的是类别材料玛斯塔星的特征和因果关系。

3.1.2程序

程序与Rehder的实验相同。被试首先在屏幕上按自己的速度学习呈现的类别信息，随后需要完成与学习内容相关的一些多项选择题。通过测验后，进行实验测试，向被试随机呈现16个样例(四个双值特征的所有组合)，要求其对样例属于靶类别的可能性进行评价。每个样例呈现两次，共32次试验。

3.1.3被试

选取72名大学生，每种实验条件下随机分配36人。每6个被试学习一个类别。

3.2结果与分析

与Rehder、Marsh和Ahn处理数据的方法一样，采用多元回归分析的方法，将每个被试对16个测试项目的归类比转化为单特征归类权重和直接、间接因果关系特征对的归类权重。图2所示的是所有被试平均的单特征归类权重。

对组间变量实验条件(正常，双极)和组内变量特征(F1，F2，F3，F4)进行2×4的混和设计方差分析，结果表明，特征的主效应显著，F(3,210)=13.66，p＜0.001，说明特征之间差异显著；实验条件的主效应不显著；实验条件与特征交互效应显著，F(3,210)=12.14，p＜0.01，说明两种实

验条件下四个特征的归类权重大小模式存在差异：单独分析显示，“正常”条件下，特征F1(12.24)的归类权重显著大于F2(8.63)，F(1,35)=17.80，p＜0.001；F2、F3和F4之间无显著差异。“双极”条件下，特征F1(10.80)的归类权重显著大于F2(9.36)，F(1,35)=13.33，p＜0.001；F2显著大于F3(8.57)，F(1,35)=13.22，p＜0.01，F3和F4(8.87)无显著差异。从这一结果可以看出，两种条件下单特征归类权重表现出相似的模式，并没有象出现象Marsh和Ahn认为的因果位置效应明显增强的现象。

两种条件下一致性效应的大小也表现出相似的状况。如图3所示，在两种实验条件下，直接与间接联系特征对的归类权重都为正，且直接联系特征对的归类权重大于间接联系特征对的归类权重。对实验条件变量(正常，双极)和特征对类型变量(直接，间接)进行2×2的方差分析结果表明，实验条件的主效应不显著，F(1,70)=1.27，p＞0.05，说明一致性效应也没有出现像Marsh和Ahn认为的那样在“正常”条件下被放大的结果：特征对类型的主效应显著，F(1,70)=11.34，p＜0.01，说明直接特征对的归类权重显著高于间接特征对的归类权重。两个变量的交互作用不显著。

从以上结果可以看出，与采用“双极”维度值相比，非典型特征采用“正常”作为维度值并没有增强因果位置效应，削弱一致性效应。

上文已经提到，Marsh和Ahn的实验与Rehder的实验在程序上有多处不同，实验1证实，在其它方面均相同的情况下，采用“正常”作为维度值用语并未对一致性效应产生影响。至少与“双极”条件相比是这样。实验中采用“正常”作为维度值没有出现象Marsh和Ahn实验那样放大一致性效应的现象，说明可能存在其它导致一致性效应发生变化的因素。Marsh和Ahn的实验与Rehder的实验另一个重要的不同是特征的基本比率信息的表述。Re-hder实验中基本比率信息的表达为“75％”，Marsh和Ahn实验中基本比率信息的表达为——“A倾向于具有特征X”(如“Myastars星倾向于具有高密度”)。实验2对这一变化是否对两种实验效应产生影响进行检验。

4实验2

实验2的目在于检验基本比率信息的表达方式是否对基于因果关系的归类产生的影响。在实验中。直接对“75％”和“A类别倾向于拥有X特征”两种基本比率信息表达方式进行比较。除过这一个条件，两种条件在其它方面均相同。两种条件下，维度值均采用“双极”形式。比如，对于特征“密度”，在“75％”条件下，告诉被试“75％玛斯塔星密度高而25％玛斯塔星密度低”；在“A类别倾向于具有X特征”条件下。告诉被试“玛斯塔星倾向于具有高密度而其它行星倾向于具有低密度”。

4.1方法

4.1.1材料

材料中维度值均采用“双极”形式，基本比率信息表达方式分“75％”和“A类别倾向于拥有X特征”两种。其它与实验1相同。

4.1.2程序

程序与实验1相同。

4.1.3被试

选取72名大学生，每种实验条件下随机分配36人，每6个被试学习一个类别。

4.2结果与分析

图4所示的是两种条件下的平均单特征归类权重。

对组间变量基本比率信息(75％，A倾向于具有特征X)和组内变量特征(F1，F2，F3，F4)进行2×4的混合设计方差分析，结果表明，特征的主效应显著，F(3,210)=29.80，p＜0.001，说明特征之间差异显著；基本比率信息的主效应显著，F(1,70)=21.67，p＜0.001，说明“A倾向于具有特征X”条件下特征的归类权重明显高于“75％”条件下的。基本比率信息与特征交互效应显著，F(3,210)=22.31，p＜0.001，说明两种实验条件下四个特征的归类权重大小存在差异。单独分析显示，“75％”条件下，特征F1(10.78)的归类权重显著大于F2(8.96)，F(1,35)=15.36，p＜0.001；F2、F3和F4之间的归类权重无显著差异。“A倾向于具有特征X”条件下，特征F1(13.95)的归类权重显著大于F2(10.94)，F(1,35)=25.47，p＜0.001；F2显著大于F3(9.33)(p＜0.01)，丹和F4(8.93)无显著差异。可见两种条件下，特征归类权重均表现出部分因果位置效应。

图5是两种基本比率信息表达方式下的特征对的归类权重。对基本比率信息变量和特征对类型变量进行2×2的方差分析结果表明。特征对类型的主效应显著，F(1,70)=6.46，p＜0.01，说明直接因果联系特征对的归类权重显著高于间接因果联系特征对的归类权重；基本比率信息主效应显著，F(1,70)=13.63，p＜0.001，说明“75％”条件下的特征对归类权重显著高于“A倾向于具有特征X”条件下的特征对归类权重。两个变量的交互作用不显著。可见，两种条件下特征对归类权重的大小正好与单特征归类权重大小相反，“A倾向于具有特征X”条件下的特征对归类权重明显小于“75％”条件下的归类权重。这说明造成一致性效应大小改变的不是非典型特征的用语，而是基本比率信息的表达方式。

从上述结果可以看出，基本比率信息不同的表达方式会使基于因果关系归类中的因果位置效应和一致性效应发生改变。从实验过程来看，实验2的“75％”实验条件与Rehde研究的实验1相同，另一实验条件下只是像Marsh和Ahn(2006)的研究一样将基本比率信息表述为“A倾向于具有特征X”。实验结果证实，“75％”条件下单特征归类权重与双特征归类权重的大小模式与实验1“双极”条件下的几乎完全相同，而两种实验效应在“A倾向于具有特征X”条件下出现了明显的变化。一致性效应在“A倾向于具有特征X”条件下明显比“75％”条件下的小，而“A倾向于具有特征X”条件下的单特征归类权重不仅明显大于“75％”条件下的，因果位置效应也表现出增强的趋势(尽管只是出现了部分因果位置效应)。这一结果有力地说明，造成Marsh和Ahn实验“清晰”条件下一致性效应小于Rehder实验1的一致性效应原因是Marsh和Ahn在实验中采用“A倾向于具有特征X”的表达基本比率信息的方式造成的，而不是他们认为的“正常”的非典型特征值。

5讨论

由于Marsh和Ahn对维度值“正常”造成的影响进行检验时，实施的实验过程有四个方面与Rehder的实验过程不同，因此，将实验结果解释为是其中一方面的差异所致必然令人质疑。本研究采用与Rehder实验相同的程序，在保持实验设计

和实验程序两方面相同的情况下，考察了另外两方面，非典型特征维度值用语和基本比率信息表达方式对基于因果关系的归类的影响。实验1证实非典型特征值采用“正常”或典型特征值的相反值并不会对归类中的实验效应产生不同的影响。实验2证实与将基本比率信息表达为“75％”相比。“A倾向于具有特征X”的表达方式会削弱一致性效应，增强单特征的归类权重。综合起来，可以肯定地说，是Marsh和Ahn实验中采用基本比率信息的表达方式改变了一致性效应的强度，非典型特征值的用语并没有对实验效应产生影响。

5.1维度值用语的作用

不管是Rehder的实验还是Marsh和Ahn实验，他们采用的实验材料都涉及两个类别。一个是靶类别，靶类别具有的特征分为典型特征和非典型特征，典型特征即对于靶类别代表性大的特征，非典型特征对靶类别的代表性低。另一个是与靶类别形成对照的类别，该类别具有的典型特征的特征正好是靶类别的非典型特征，它的非典型特征正好是靶类别的典型特征。实验中被试需要记住与靶类别相关的特征信息。随后判断呈现的样例属于靶类别的可能性。对于这样的判断任务，特征是什么或怎么样并不重要，重要的是典型特征的代表性。比如，对于玛斯塔星样例的判断，不管特征是温度还是密度，也不管是温度高、温度正常还是温度低。关键的是它们在类别成员身上出现的可能性。这种可能性一方面决定于实验中规定的基本比率。另一方面决定于实验中描述的特征之间的因果关系。因此，所采用的维度值用语只要使特征维度的两个值形成区别即可。就这个作用而言，非典型特征值的用语无论是“正常”还是“低”都会与典型特征值“高”形成足够明显的区别。除此之外，它并不会对归类判断产生影响。实验1的结果也正是如此，非典型特征值的用语并没有产生像Marsh和Ahn分析的那样引导被试形成增强一致性效应的独特的推论。

5.2基本比率信息的影响

在经典分类研究中。基本比率信息实际上就是指特征的类别效度。它表明了特征在类别成员身上出现的可能性，是一种非常重要的归类判断线索。对特征基本比率信息任何不一致的表达都可能对样例的归类比产生不同影响。

Rehder和Marsh和Ahn在研究中都考察了典型特征和非典型特征基本比率信息大小明确与否对归类的影响。在Rehder的实验和Marsh和Ahn研究的实验2中，靶类别的典型特征和非典型特征的基本比率都没有明确的大小之分，只是告诉被试比如“一些玛斯塔星的密度高，一些玛斯塔星的密度低”。在特征基本比率信息大小不清的情况下，典型特征的归类权重不仅低而且因果位置效应完全消失了。而在特征基本比率信息大小清楚的情况下，情况正好相反。可见，大小清楚的基本比率信息会提升典型特征的归类权重。突显其因果位置效应。一致性效应的强弱在两种情况下正好相反，一致性效应在基本比率信息没有大小区分时强度大，而在基本比率信息大小明确时强度减小。对于这一结果，Rehder(2003b)认为在特征基本比率信息不清的情况下，被试无法从典型特征本身获得可靠的归类线索，主要根据样例特征与类别在因果关系上的一致性进行归类判断，一致性效应因些面增强。对于这一解释，Marsh和Ahn并无异义，他们质疑的是为什么在基本比率信息大小明确情况下，他们获得的一致性效应强度比Rehder获得的弱。他们认为这是Rehder研究中以“正常”作为维度值的缘故。本研究证实，Marsh和Ahn虽然在研究中发现了问题，但他们却错误地解释了这一问题。

本研究实验2在基本比率信息大小明确的情况下对比了两种基本比率信息的表达方式。“75％”和“类别A倾向于具有特征X”，对两种实验效应的影响。实验发现当基本比率信息表述为“类别A倾向于具有特征X”时，出现了与Marsh和Ahn实验相似的结果：与“75％”条件下相比，一致性效应降低，而单特征归类权重升高。可见正是两种基本比率信息不同的表述方式而不是“正常”的维度值用语造成了这一结果。那么究竟两种表述方式有何差异?很明显，“75％”是一个具体明确的比率数值，而“类别A倾向于具有特征X”虽然表明了典型特征与非典型特征基本比率信息的大小，但不是一个具体清晰的数值。本研究认为正是这一差异对两种实验效应产生了不同影响。

一方面，两种基本比率信息会促使被试对特征之间因果关系的强度形成不同的认识。在“75％”条件下，比如对于F1和F2，特征F1和F2在类别成员身上出现的概率都是75％，而且F1和F2之间具有因果关系，面对这样精确的关系，被试会认为特征之间的因果关系是一种“全或无”的关系，因为F1出现的概率是75％，所以F2的基本比率也是75％。即特征F1和F2之间的因果关系的强度是100％。特征之间的因果关系线索因此被突出，一致性效应增强。同时因果位置效应被削弱，因为在因果关系强度是100％的特征链上，不论原因特征的位置在哪里，它对结果特征的决定作用都是相同的，因果位置效应因此被削弱。而“A倾向于具有特征X”的表述形式不易促成这样的推理。比如，对于F1和F2，被试可能认为就象类别为什么倾向于具有特征F1有其自己的原因一样，类别倾向于具有特征F2也有其原因，而F1和F2之间的因果关系只表明F1是类别具有F2的一个原因，F1只在一定概率程度上会引起F2，这无疑会使被试认为F1和F2之间的因果关系不是确定性的(100％)而是概率性的(小于100％)。因此，相比“75％”的条件，“A倾向于具有特征X”条件下因果关系一致性线索减弱。

另一方面，明确具体的基本比率信息“75％”会促使被试通过概率计算来形成特征本身提供的归类线索。然而样例所具有的典型特征越多，通过这种方式获得的归类线索反倒会越弱，因为，当典型特征有一个时，归类比为75％，两个时75％=56.3％，三个时75％=42.1％。很明显这样的比率线索不仅无法提供可靠的归类线索，而且会对被试的判断造成干扰。这使得被试把注意力更多地投向样例与类别在因果关系上的一致性。结果一致性效应增强。而在“A倾向于具有特征X”条件下，被试无法进行这样的概率计算，在归类时他们更可能采取整合特征线索和因果关系线索的方式作出判断。一致性效应因而相对减弱，而因果位置效应得以突显。

6结论

本研究采用与Rehder的实验相同的实验设计和程序，考察非典型特征值用语和基本比率信息表达方式对一致性效应和因果位置效应可能的影响。实验1证实，采用“正常”或典型特征值的相反值作为非典型特征值，并不会对一致性效应和因果位置效应产生不同的影响。实验中并没出现如Marsh和Ahn认为的采用“正常”作为非典型特征值会放大一致性效应而削弱因果位置效应的结果。实验2证实，在典型和非典型特征基本比率信息大小明确的情况下，与“A类别倾向于具有x特征”这种模糊的基本比率信息表述方式相比，具体明确的基本比率信息“75％”会增强一致性效应。