欢迎到neurosociety论坛讨论相关问题:)。
对于心理（科）学来说，实验方法与统计学历来是非常重要的基础。最近20-30年心理学的这两个基础发展也是异常迅猛。现在我把我所知的的内容进展与大家进行分享，看看能引发什么讨论。
从基础方向认知神经科学来看，对于大脑脑区网络动态变化的关注可能非常重要。毕竟心理过程这个东西本质上很可能就是一些脑结构组成的网络的动态变化。从这一点出发，任何过程都必须有一个诱发源（ERP中的偶极子dipole，即source localization分析），有了这个诱发源，将会诱发一系列脑区网络动态响应，这方面的方法包括结构方程模型建模与动态网络模型（就我所知，国内唯一介绍这两种模型细节的只有唐一源编的《神经信息学》了）。
由于心理过程不能够直接观察到，需要通过各种物理化学生理信号去推测，结构方程模型的潜变量概念用在脑区建模上就像找到了东家。结构方程模型的特点是它可以做路径分析模型。通常认知神经科学中用来确定脑区与脑区之间互相联系的因果逻辑granger causation（即A变量对B变量具有预测力但相反不是）只是简单的双变量模型，而路径分析可以处理非常复杂的多变量模型。从这一点上来说，结构方程模型非常有用。
然而，结构方程模型容易忽略脑区之间的解剖基础，即结构连接性(structural connectivity)，而只关注功能连接性（functional connectivity),而且在时间性（动态）方面没有描述。个人以为，动态网络模型（dynamic network analysis）可以弥补这一点，网络概念直接可以对应脑区之间的解剖联系，并进行动态建模。当然细节我就不深究了，因为实在没有这方面的时间和精力，我也没有足够的数学基础。
如是，我每次看到我fMRI的同学拿着SPM在那里对脑成像数据做t检验，就感到不快，我们的落后已经不是一点半点了。
另外，提供一个有趣的建议，由于脑袋具有层次性，社会科学统计模型中的多层线性模型可以为具有层次性的脑袋建模提供严谨的基础，目前2层、3层的建模手段已经成熟了。
附，这里给个连接，是心心水滴论坛上看到的，看看生物工程的人是怎么处理脑成像数据的吧。
-------------
心理测量学一直是心理学引以为傲的基础之一。更多的，它是从认知神经科学建模更抽象的方法论上为心理学提供了严谨的基础。近来比较火的模型就是项目反映理论（IRT）了，但是可能各位不知道，它的一个别名叫做潜在特质（latent aptitude)模型，即显变量为类别变量、潜变量为连续变量的统计模型。如果按照后一种方式去理解，这个模型其实就是结构方程模型在显变量的测量层次上变一变。那么，有没有其他情况。事实上，确实有。当显变量为类别变量、潜变量为类别变量时，这种模型叫做潜在类别模型（latent class)；当显变量为连续变量、潜变量为类别变量时，叫做潜在剖面模型（latent profile)。
比所有4个模型更抽象（即融合了这4个模型的大一统范式）的模型叫做混合模型（mixed model），拥有了这个模型，心理学的力量就非常强大了。
这方面相关介绍教育科学出版社已经出了一本《潜在类别模型的原理和技术》，我就是看了第一章才认识到原来这个领域已经那么牛了。
另外，对于心理学通常无法处理的语言文字，内容分析（content analysis，用统计模型去分析文本）可以作为参考，国内目前还没有这样的书，当然，如果各位感兴趣，不妨搜搜网络，内容非常多。
-----
对于实验方法学，心理学其实没有多少贡献，就目前看来，比较流行的趋势是减少被试量，单被试多因素设计可能会越来越流行。
分享到其他网站：）
