奇书网

三研究结果（第1页）

三、研究结果

（一）婴儿自我认知随时间变化的描述统计分析

1。婴儿自我认知总体发展的年龄特点

表8-2显示了婴儿三次实验中自我认知的描述统计量。从总体上看，随时间变化，婴儿自我认知的复杂性水平越高。婴儿自我认知能力随年龄增长而提高。年龄越大，婴儿通过的自我认知任务数量越多，婴儿自我认知的复杂性水平越高。

表8-2婴儿三次实验中自我认知的平均值和标准差

进一步通过统计图表示婴儿自我认知随时间变化的发展趋势，见图8-1。从图8-1中可以看出，18～24个月，婴儿自我认知随时间发展呈现上升的趋势。但是，表现出较大的个体差异，个体之间上升的速度不完全相同，见图8-2。

图8-141名婴儿自我认知随时间变化的发展趋势

图8-241名婴儿自我认知随时间变化的发展特征

2。三次实验婴儿自我认知得分的相关分析

对婴儿三次实验的自我认知得分进行相关分析，结果发现，婴儿18个月的自我认知与21个月、24个月的自我认知均存在显著的正相关。具体见表8-3。

表8-3三次实验婴儿自我认知得分的相关矩阵

注：**代表p＜0。01

由表8-3可以看出，在三次实验中，婴儿自我认知的得分具有显著的正相关。也就是说，婴儿自我认知具有跨年龄的一致性，18个月自我认知得分较高的婴儿，在21个月和24个月自我认知更倾向于得高分。

3。婴儿自我认知总体发展的性别差异

表8-4婴儿自我认知发展的性别差异

注：**代表p＜0。01

从表8-4可以看出，男女婴儿的自我认知的复杂性水平都在逐渐增加。18个月，女婴的自我认知水平显著高于男婴；而21个月和24个月，婴儿的自我认知水平不存在显著的性别差异。

进一步通过散点图表示男女婴儿自我认知随时间变化的发展趋势，见图8-3。18个月时，女婴的自我认知水平高于男婴；在18～24个月这一段时间，男女婴儿自我认知随时间发展均有上升的趋势。

图8-3不同性别婴儿自我认知的发展趋势

（二）婴儿自我认知的发展趋势

本研究采用多层线性模型的统计方法对婴儿从18～24个月自我认知的发展趋势进行考察。多层线性模型可用于分析追踪研究数据。在追踪研究的模型结构中，两个数据层分别为第一层的各个时间的观测结果和第二层的被观察的个体，也就是说，对每一个被试的多次观察形成了第一层数据，而个体代表的是第二层数据。因此，本研究就所关心的两个问题建立对应的两水平统计模型：（1）第一水平模型，描述婴儿自我认知能力随时间变化的发展趋势；（2）第二水平模型，描述个体之间发展趋势的差异。在本研究中，对婴儿在18个月、21个月、24个月的三次实验为第一层的数据，参加实验的每名婴儿个体为第二层的数据。本研究的假设模型为：

模型1：零模型。考察不含任何预测变量，只是把婴儿自我认知作为第一水平因变量的两水平模型。这一模型通常用作层次分析的基准模型，主要用来检验婴儿自我认知能力是否存在个体的变异，以及计算个体之间的变异在总变异中的比例。

模型2：无条件增长模型。在模型1的基础上，把时间变量作为第一水平的自变量，这个模型的第一水平主要用于描述婴儿自我认知随时间发展的线性变化趋势，模型的第二水平用来解释个体之间增长参数截距和斜率的差异。

模型3：含有第二水平预测变量的模型，也叫全模型。这个模型是在模型2的基础上，在第二水平上加进预测变量性别，用个体的性别来预测婴儿自我认知的不同发展趋势的差异。

全模型可以用方程形式表示如下：

水平1：

因变量=β0+β1（时间）+γ

水平2：