《统计心理学》易混淆知识点辨析

统计心理学吓到你了吗？文科生的你是不是还在担心学不好统心？其实吧，统计心理学一般不会考你具体如何运算的，即使考了计算，也只有那几个常考点。在心理学考研中，统计心理学这块，考得最多的还是易混淆知识点的辨析，下面博仁老师汇总统计心理学里面的易混淆知识点，提供给大家。

统计心理学 思维导图

一、称名数据、顺序数据、等距数据和比率数据的区别  ★★★（常考选择题辨析）

1.称名数据：只说明某一事物与其他事物在属性上的不同或类别上的差异，它具有的分类单位，其数值一般都取整数形式，只计算个数，并不说明事物之间差异的大小，比如性别、颜色类别、人口数、学校数、被试对某一事物的态度（赞成、反对、没有意见）等等。

2.顺序数据是指既无相等单位，也无绝对零的数据，是按事物某种属性的多少或大小，按次序将各个事物加以排列后获得的数据资料。如学生的等级评定、喜爱程度、品质等级、能力等级、兴趣等。

3.等距数据是由相等单位，但无绝对零的数据，只能使用加减运算，不能使用乘除运算，如温度、各种能力分数、智商等。

4.比率数据既表明量的大小，也有相等的运算，同时还具有绝对零点，如身高、体重、反应时、各种感觉阈值的物理量。

5.四种数据与测量心理学方面的联系

各类量表所对应数据处理方法表

（1）平均数

1.优点：反应灵敏；计算严密；计算简单；简明易解；适合于进一步用代数方法演算；较少受抽样变动的影响。

2.缺点：易受极端数据的影响；若出现模糊数据时，无法计算平均数。

3.应用：加权平均数；离差、相关计算，进行统计推断等；用于等距、等比数据。

（2）中数

1.优点：计算简单；容易理解；中数的概念简单明白。

2.缺点：反应不够灵敏；受抽样影响大；计算麻烦；不能作进一步代数运算。

3.应用：当一组观测结果中出现两个极端书目时；

        当次数分布的两端数据或个别数据不清楚时；

        当需要快速估计一组数据的代表值时。

（3）众数

1.优点：概念简单明了，容易理解；较少受极端数目的影响；不能作进一步代数运算。

2.缺点：受分组影响不稳定；反应不够灵敏；不能作进一步代数运算。

3.应用：当需要快速而粗略地寻求一组数据的代表值；

        当一组数据出现不同质的情况时；

        当次数分布中有两极端的数目时；

        当粗略估计次数分布的形态时；

        出现多峰分布时。

（四）以图表形式展现三种集中量数的比较

一个优良集中量应具备以下六个条件：1.感应灵敏；2.严密确定；3.意义简明；4.容易计算；5.适合代数法则处理以便进一步运算；6.受抽样变动的影响较小。

三种集中量数的比较

这三个概念，只要记住其所对应的问法就行。加权平均数是计算权重的，几何平均数是计算平均增长率的，调和平均数是描述速度的。题干里面一般都有关键词，不会真的考你如何计算的。

四、方差与标准差、全距、平均差三种差异量数的区别  ★★

（一）正态分布是一种连续型随机变量的概率分布。正态曲线函数为：

                                      y=

            标准正态曲线函数为：

                                      y=

(2)正态分布和标准正态分布的区别

1.正态分布的平均数为u，标准差为δ；不同正态分布可能有不同的u值和δ值，因此有的正态分布曲线高狭（δ值小时），有的正态分布曲线低阔（δ值大时）。

2.标准正态分布的平均数为u=0，标准差δ=1。标准正态分布曲线形态固定。

3.正态分布在横轴上的记分是x，标准正态分布在横轴上的记分是Z。

（三）正态分布和标准正态分布的联系

所有正态分布都可以通过Z分数公式转换成标准正态分布。就是根据公式Z=（x-u）/δ,横轴的记分由原始分数改为标准分数。根据Z分数的性质，标准正态分布的平均数为0，标准差为1.

六、相关分析应用情况  ★★

（一）皮尔逊积差相关要求计算相关的两个变量都是连续正态分布的变量；

（二）肯德尔w系数和u系数均是考察多列等级变量相关的，斯皮尔曼等级相关可以考察两列等级变量间的相关。

（三）二列相关，其中一列数据是等距或等比的测量数据，另一列变量是人为划分的二分变量；点二列相关，其中一列数据是点数列（连续变量），另一列变量是真正的二分称名变量。

（四）四分相关适用于连续变量；Φ相关适用于离散变量。

七、点估计和区间估计的区别  ★★★（经常结合这两个概念考简答题）

（一）点估计直接用样本的观测值作为总体参数的估计值，估计的结果以以一个点的数值表示。

（二）区间估计则是以样本分布理论为基础，以样本统计量反推总体参数的范围，估计的结果是以区间表示。

（三）样本分布理论即在计算区间估计值，解释估计的正确概率时，依据的是该样本统计量的分布规律及样本分布的标准误（SE）。

八、方差分析与协方差分析的联系与区别  ★★

（一）方差分析与协方差分析的联系。不管是方差分析还是协方差分析都需要对不同自变量造成的因变量之间的差异进行检验，这是它们的共同之处。

（二）方差分析与协方差分析的区别。协方差分析是关于如何调节协变量对因变量的影响效应，从而更有效地分析实验处理效应的一种统计分析技术。在协方差分析中，研究者不希望协变量对实验处理产生影响，因此，通常在实验处理之前对协变量进行测量，并考察协变量和因变量之间的关系，使用回归分析对因变量进行矫正，从而控制协变量。因此这一方法是方差分析和回归分析的综合，这就是方差分析与协方差分析的区别。

九、参数检验与非参数检验的区别  ★★

（一）定义

1.参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。凡参数检验都有两个共同的前提：总体分布呈正态分布；若检验设计两个总体，则两总体方差必须同质。

2.但在实际研究中，研究人员也许对所研究的总体所知不多，一些前提假设也难以满足，这时就必须使用非参数检验。

（2）区别

1.非参数检验对总体的分布情况要求低，也不要求对总体参数进行假设，因而适用面比参数检验广得多。

2.就数据应用情况而言，参数检验通常情况下都用于等比或等距数据；而非参数检验更多用于顺序变量甚至称名变量上。

3.当等距或等比数据能够满足统计假设时，非参数检验虽然也可以用，但由于它只能从数据中提出一部分信息，相对参数检验方法会浪费很多信息，因而效果远不如参数检验法。

4.另外，非参数检验还不能处理交互作用。

十、回归分析和相关分析的联系与区别  ★★

（一）联系

1.相关分析和回归分析均为研究及度量两个或两个以上变量之间的关系。

2.相关分析和一元线性回归系数具有联系，其公式是：r=.

3.相关系数的平方就是一元线性回归中的决定系数，可解释两变量共变的比例。

（二）区别

1.相关分析旨在研究变量之间关系的密切程度。

2.回归分析旨在确定变量之间的数量关系的可能形式，找出它们的依存关系的合适的数学模型，并用这个数学模型来表示这种关系形式。

十一、相关系数和回归系数的区别  ★★

（一）相关系数是用以表明两个变量间的关系密切程度，而回归系数是用以表明两个变量间的因果关系。

（二）相关是没有方向性的，而回归是由方向性的。

（三）相关系数相同的情况下，回归系数可以不同，反之亦然，但两者间又有密切关系。

十二、显著性检验和效应量的关系  ★★

显著性考察的是样本中发现的效应是否能够推广到总体中去，而效应量指的是考察的效应本身的大小。显著性会受到样本容量的影响，当样本量很大时，很小的效应也会达到显著水平；另一方面，当效应量很大时，样本量较少时也能体验出该效应。

十三、样本标准差和样本平均数估计标准误的区别和联系  ★★★

样本标准差是用于描述样本数据本身的离散程度的，样本平均数的抽样标准误顾名思义是样本平均数抽样分布的标准误差。两者有着本质的区别，但两者也有联系。这种联系在于在总体标准差未知的情况之下，需要用样本标准差作为总体标准差的估计值来求标准误。

十四、t检验与单因素方差分析在用于样本平均数差异检验时的区别与联系  ★★

1.联系。如果用方差分析去检验一个双组设计的平均数差异，将会得到与t检验同样的结果，得到一个完全相同的结论，在这个意义上，可以将方差分析看成一种t检验的延伸与扩展。

2.区别。T检验处理的是两个样本组之间的差异显著性问题，检验的数据来自两种不同的实验处理，它仅适用于只有两组样本的实验设计。在心理学研究中，这种实验设计只是最简单的一种。大多数实验都包含两种以上的实验处理，比较的对象都超过了两个实验组，需要同时比较两个以上的样本平均数。这种同时对所有平均数差数的显著性进行检验之恩给你使用方差分析。

以上十四个统计心理学里面的易混淆知识点，基本涵盖了整本书，考生需先理解书中的概念和例子后，参照本文理解，方能有好的效果。

更多心理学考研信息，如院校参考书、考试内容、复习方法、招生人数、分数线等问题可以咨询博仁考研老师，博仁考研祝福大家能考上心仪的院校。