当前位置：问答库＞考研试题

一、简答题

1． 简述多重比较和简单效应检验的区别

【答案】（1）多重比较又称事后检验是假设检验的一种。指在固定效应模型方差分析后，对各样本均值是否存在显著差异的检验。

简单效应检验是指分别检验一个因素在另一个因素的每一个水平上的处理效应，以便具体地确定它的处理效应在另一个因素的哪个水平上是显著的，在哪些水平上是不显著的。

（2）二者的区别是:

多重效应检验是紧接着方差分析后的分析步骤，当方差分析结果显示某变量主效应显著时，用多重比较进一步分析差异具体在该变量的什么水平上。简单效应检验针对的是两个变量或多个变量间的交互作用，也是方差分析后的步骤，当交互作用显著时，用简单效应检验考察某变量的效应在另一个变量的不同水平上的差异情况。

2． 结合所学心理学知识，谈谈你对心理统计思想的初步理解。

【答案】在心理发展过程中，个理论学派观点层出不穷，但是他们都有一个共同的特点，并不是单纯的从唯心角度出发，而是客观的用现象、行为和数据来说明心理的各种规律，但是在研究过程中，发现心理的数据有时具有随机性和变异性，但有时又具有规律性，为了研究变异性和规律性，心理学就利用部分数据来推测总体数据的特征，为了更科学的推测和分析，就形成了心理统计思想，并将统计学渗透到心理学的各个分支。

3． 中数，众数，几何平均数，调和平均数各适用于心理与教育研究中的哪些资料？

【答案】中数的适用条件：①当一组观测结果中出现两个极端数目时；②当次数分布的两端数据或个别数据不清楚时，只能取中数作为集中趋势的代表值；③当需要快速估计一组数据的代表值时，也常用中数。

众数的适用条件：①当需要快速而粗略地寻求一组数现代心理与教育统计学据的代表值时；②当一组数据出现不同质的情况时，可用众数表示典型情况，如工资收入、学生成绩等常以次数最多者为代表值；③当次数分布中有两极端的数目时，除了一般用中数外，有时也用众数；④当粗略估计次数分布的形态时，有时用平均数与众数之差，作为表示次数分布是否偏态的指标；⑤当一组数据中同时有两个数值的次数都比较多时，即次数分布中出现双众数时，也多用众数来表示数据分布形态。

几何平均数的适用资料：当要计算教育经费增加率、学习方面的进步率和学生或人口増加率的估计时，可使用几何平均数。

调和平均数的适用资料：在心理与教育研究方面的应用，主要是用来描述学习速度方面的问题。调和平均数作为一种集中量数，在描述速度方面的集中趋势时，优于其他集中量数。在有关研究学习速度的实验设计中，反应指标一般常取两种形式：一是工作量固定，记录各被试完成相同工作所用的时间。二是学习时间一定，记录一定时间内各被试完成的工作量。由于反应指标不同，在计算学习速度时也不一样，这是应用调和平均数要特别注意的地方。

4． 各种差异量数各有什么特点？

【答案】（1）标准差计算最严密，它根据全部数据求得，考虑到了每一个样本数据，测量具有代表性，适合代数法处理，受抽样变动的影响较小，反应灵敏。缺点是较难理解，运算较繁琐，易受极端值的影响。

（2）方差的描述作用不大，但是由于它具有可加性，是对一组数据中造成各种变异的总和的测量，通常采用方差的可加性分解并确定属于不同来源的变异性，并进一步说明各种变异对总结果的影响。因此，方差是推论统计中最常用的统计量数。

（3）全距计算简便，容易理解，适用于所有类型的数据，但它易受极值影响，测量也太粗糙，只能反映分布两极端值的差值，不能显示全部数据的差异情况，仅作为辅助量数使用。

（4）平均差容易理解，容易计算，能说明分布中全部数值的差异情况，缺点是会受两极数值的影响，但当数据较多时，这种影响较小，因有绝对值也不适合代数方法处理。

（5）百分位差易理解，易计算，不易受极值影响，但不能反映出分布的中间数值的差异情况，也仅用作补助量数。

（6）四分位差意义明确，计算方便容易，对极端值不敏感，较不受极端值影响。当组距不确定，其他差异量数都无法计算时，可以计算四分位差。但是，四分位差无法反映分布中所有数据的离散状况，不适合使用代数方法处理，受抽样变动影响较标准差大。

通过比较，可以发现标准差、方差价值较大，它们的应用也比较广泛，因此，一般称标准差、方差为高效差异量。相比较而言，其他差异量数，如全距、平均差、百分位差和四分位差等缺点比较明显，应用也受到限制，故称他们为低效差异量数。

5． 最小二乘法中各点到拟合直线的距离为什么要取铅直距离而不取垂直距离？

【答案】这是有最小二乘法的推导过程所决定的。 设

们也可以

把这组数据看作是一个离散的函数。根据观察，如果这组数据图像“很像”一条直线（不是，我们的问题是确定一条直线直线）

是

程:

由于是散点之间连线的最小距离，因此这个距离不是到拟合直线的垂直距离。

是直角平面坐标系下给出的一组数据，若我，使得它能“最好”的反映出这组数据的变化。对个别观察值来说，它可能是正的，也可能是负的。为了不使它们相加彼此抵消，故“最好”应该

最小，即这时误差的平方和最小，这时可以求得比较精确的回归方

6． 线性回归的基本假设是什么？

【答案】（1）线性关系假设

X 与Y 在总体上具有线性关系，这是一条最基本的假设。回归分析必须建立在变量之间具有线性关系的假设成立上。如果X 与Y 的真正关系不是线性，而回归方程又是按线性关系建立的，这个回归方程就没有什么意义了。非线性的变量关系，需使用非线性模型。

（2）正态性假设

正态性的假设系指回归分析中的Y 服从正态分布。这样，与某一个

量Y 的一个子总体，所有这样的子总体都服从正态分布，其平均数记作各个子总体的方差都相等。因此经由回归方程式所分离的误差项e ，即由特定与实际值对应的Y 值构成变方差记作所预测得到的之间的差距，也应呈正态分布。误差项e 的平均数为0。所以，也有人指出线性回归中应满足变量X 没有测量误差这一严格假设，但在实际中很难满足，常常只是对X 的测量误差忽略不计。

（3）独立性假设

①指与某一个X 值对应的一组F 值和与另一个X 值对应的一组7值之间没有关系，彼此独立。

②指误差项独立，不同的X 所产生的误差之间应相互独立，无自相关

误差项也需与自变量X 相互独立。

（4）误差等分散性假设

特定X 水平的误差，除了应呈随机化的常态分配，其变异量也应相等，称为误差等分散性。不相等的误差变异量（即误差变异歧异性，，反应出不同水平的X 与Y 的关）

系不同，不应以单一的回归方程式去预测Y 。当研究资料具有极端值存在时，或非线性关系存

在时，误差变异歧异性的问题就容易出现。违反假设时，对于参数的估计检验力就会变得不足。

7． 试举例说明各种数据类型之间的区别。

【答案】根据不同的分类标准，心理与教育科学研究中的数据可以区分为不同的类型。 （1）从数据的观测方法和来源划分，研究数据可区分为计数数据和测量数据两大类。 ①计数数据（count data ）, 是指计算个数的数据，一般属性的调查获得的是此类数据，它具有独立的分类单位，一般都取整数形式。

②测量数据（measurement data ）, 又称计量数据是指借助于一定的测量工具或一定的测量标准而获得的数据。

（2）根据数据反映的测量水平，可把数据区分为称名数据、顺序数据、等距数据和比率数据四种类型。

①称名数据（nominal data）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，它具有独立的分类单位，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，在教育和心理类调查研究中，有关被试属性的调查资料，大多属于这类数据。

而