斯特鲁普效应(Stroop effect)在心理学中指优势反应对非优势反应的干扰。例如当测试者被要求回答有颜色意义的字体的颜色时，回答字本身的意义为优势反应，而回答字体颜色为非优势反应，若字体颜色与字意不同，被测者往往会反应速度下降，出错率上升。
由于优势反应的干扰，个体难以迅速准确对非优势刺激作出反应的现象叫“斯特鲁普效应”，因为这个效应是斯特鲁普发现的，故以其名斯特鲁普效应。
本案例通过Stroop实验测试人们的反应时间，在实验中，每名参与者得到两组有颜色的文字，第一组数据中文字内容和字体颜色相一致，第二组中内容和颜色不一致。每名参与者对根据文字内容说出字体颜色，并分别统计完成每组的时间。
中文：（左侧为颜色相同，右侧为颜色的内容和显示颜色不同）
本次实验共记录7组数据，由我本人和几个班级同学完成。
下面是本次实验测试的数据的描述统计分析：
#导入包import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as plt%matplotlib inlineimport warningswarnings.filterwarnings('ignore')plt.rcParams['font.family'] = ['sans-serif']plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False#样本数据集data=pd.read_csv('/Users/dell/Desktop/实验.csv')data.head(5)#查看前几项
data.describe()#查看描述性统计信息
#第一组数据的描述性统计信息con1_mean=data['congruent'].mean()con1_std=data['congruent'].std()#第二组数据的描述性统计信息con2_mean=data['incongruent'].mean()con2_std=data['incongruent'].std()#作图data.plot(kind='bar',figsize=(7,4))plt.xlabel('测试者序号')plt.ylabel('平均反应时间')plt.show()
描述统计分析结果：
第一组数据：文字内容与字体颜色一致情况下，实验者的平均反应时间为：13.87秒，标准差为2.76秒；
第二组数据：文字内容与字体颜色不一致情况下，实验者的平均反应时间为：19.29秒，标准差为4.83秒。
从数据分布图来看，内容与字体颜色“不一致”情况下反应时间均大于“一致”情况。
接下来，我们作推论统计分析
先确定研究问题中的自变量与因变量：本案例中有两个变量，文字内容与字体颜色的一致与否以及测试者的反应时间，其中自变量为文字内容与字体颜色是否一致，因变量为测试者的反应时间。
因此本文的问题是：是否存在特鲁普效应，当内容与颜色不一致时，人们反应时间延迟。
假设第一组“一致”的反应时间均值为m1，第二组“不一致”的反应时间为m2：
原假设H0:不存在特鲁普效应，人们的反应时间不会因文字内容与字体颜色不同而增加(m1-m2>=0)；
备选假设H1:存在特鲁普效应，即在颜色与内容不一致时，人们反应时间会增加(m1-m2<0)。
案例中使用的两组数据是相关样本，因此选择相关配对检验。（相关配对检验只关注每对相关数据的差值，从而避免得到的结论受到不同参与人员正常反应时间独立性的影响）
#获取差值集合data['diff']=data['congruent']-data['incongruent']data.head(5)
案例中样本大小为14（n<30），属于小样本，因此接下来我们判断小样本的抽样分布是否满足t分布。
#绘图查看差值数据集的分布特征sns.distplot(data['diff'],label='diff')plt.xlabel('反应时间差值')plt.title('差值数据集分布')
通过观察差值数据集分布，近似正态分布满足t分布使用条件，因此可以使用相关样本t检验进行分析，t检验的自由度df=n-1=13。
接下来我们计算检验统计量和p值。
查看在原假设成立时，相应样本均值的概率p值大小。
#求相应的t值以及概率p值from scipy import statst,p_twotail=stats.ttest_rel(data['congruent'],data['incongruent'])p_onetail=p_twotail/2print('假设检验的t值=%.3f'%t,'左尾检验p值=',p_onetail)
假设检验的t值=-5.041 左尾检验p值= 0.00011293100467616601
最后，设定显著水平α=0.05，判断是否达到显著性水平
alpha=0.05if (t<0 and p_onetail<alpha):print('拒绝原假设，有统计显著，即存在特鲁普效应，当文字内容与字体颜色不同时人们的反应时间会增加')else:print('接受原假设，无统计显著，即不存在特鲁普效应')
拒绝原假设，有统计显著，即存在特鲁普效应，当文字内容与字体颜色不同时人们的反应时间会增加
最后我们计算置信区间：
#计算置信区间：#按照df=23,置信水平为95%查表得t值（此处应为双尾）t_ci=2.069sample_mean=data['diff'].mean()SE=stats.sem(data['diff']) #scipy计算标准误差#置信区间上下限a=sample_mean-t_ci*SEb=sample_mean+t_ci*SEprint('单个平均值的置信区间，95置信水平CI=[%.3f,%.3f]'%(a,b))
单个平均值的置信区间，95置信水平CI=[-7.626,-3.188]
结论：说明内容与颜色不一致时，反应时间平均要慢3至8秒的时间。
小科普
斯特鲁普效应的用途：
斯特鲁普效应可以被用于斯特普鲁测试中用来衡量许多不同的东西，包括一个人的选择性注意是否能够正常工作，一个人的大脑的处理速度等等。它也作为人的执行处理速度测试组中的一部分，该测试的结果表现大脑的一部分能否很好的管理其他部分。研究者还可以在被试做斯特鲁普实验时进行脑部扫描，看看到大脑中的哪部分是用来处理颜色识别或者管理冲突的。这一类的实验的结果可以类比运用于大脑处理其他冲突的情况，比如在开车时发短信等等。
斯特鲁普试验也被用来作为筛选和诊断某些精神问题的工具，包括痴呆，精神分裂症，中风后的脑损伤，和注意力缺陷多动症（ADHD）。这可以帮助医生测试病人的大脑的某些方面是如何运作的，特别是涉及到的注意力的分配和集中的方面。例如，精神分裂症在进行斯特鲁普试验时倾向于表现更多的冲突和干扰，因为在该条件下，他们很难让大脑集中注意力并过滤某些类型的信息。
关于斯特鲁普的一个小故事：
据说冷战时间，美国中央情报局CIA怀疑一个操着一口极为地道的美国口音的人为苏联间谍，他们就使用了斯特鲁普效应设计了一个陷阱。
图片中下面六个单词用俄语设计的斯特鲁普实验。例如красный为俄语中的红色的意思，但是在试验中实用蓝色显示。作为我们这种根本不懂的俄语的汉语母语者能够集中所有的注意力在辨认颜色，但是以俄语为母语的美国间谍却必然会遇到反应速度的减慢。通过这样的一个简单的小实验，CIA就能轻松鉴别出来苏联间谍了。
最后的最后，分享两个个利用斯特鲁普效应设计的小游戏，来测测你的反应吧：
http://www.4399.com/flash/182308_2.htm （4399斯特鲁普小游戏）
https://faculty.washington.edu/chudler/words.html#seffect （Interactive Stoop Effect Experiment）
参考文献：
[1]Macleod CM.John Ridley Stroop: Creator of a landmark cognitive task. Canadian Psychology/Psychologe Canadienne. 1991:32(3):521-4.
[2]Sahinoglu B, Dogan G. Event-Related Potentials and the Stroop Effect. Eurasian J Med. 2016 Feb:48(1):53-7.
[3]Washburn DA. The troop effect at 80: The competition between stimulus control and cognitive control. J Exp Anal Behav. 2016 Jan;105(1):3-13
[4] 有趣的心理学实验——斯特鲁普效应,人机与认知实验室https://blog.csdn.net/VucNdnrzk8iwX/article/details/79946964
[5] 斯特鲁普效应(Stroop effect)—百度百科 https://baike.baidu.com/item/斯特鲁普效应/4903054?fr=aladdin
本期作者：胡川
本期编辑：刘昊昂