当前位置：问答库＞考研试题

一、概念题

1． 个体

【答案】个体（individual ）亦称“单位”、“样品”，统计学术语指总体中的每一个单位、样品或成员。是统计调查、试验或观测的最基本对象，是构成样本、总体的最小单元。在心理学研宄中，个体根据研宄目的不同，可以是人，也可以是人在某种实验条件下的某个反应，或每个实验结果、每个数据。

2． T 分数

T 分数指由正态分布上的标准分数转换而来的等距量表分数。T 分数以50为平均数，【答案】

以10为标准差。T 分数是Z 分数的变形，因为Z 分数有负值和小数，人们不习惯，所以采用这个公式处理。经过变换，所得的分数全是整数，50分为普通，50分以上越高越好，50分以下越低越差。T 分数的意义及其优点和标准分数相同，不同之处是消除了小数和分数。

3． 观测值

【答案】随机变量所取得的值，称为观测值。

4． 四分差

【答案】四分差又称四分位差，是差异量数的一种。计算公式

:

位数，第三个四分第一个四分位数。在次数分配上第一个四分位数与第三个四分位数之间包含着全体项数的一半。次数分配越集中，离中趋势越小，则这二者的距离也越小。根据这两个四分位数的关系，观测次数分配的离散程度也可以得到相当高的准确性。因此，四分差可以说明某系列数据中间部分的离散程度，并可避免两极端值的影响。四分差通常与中数联系起来共同应用，不适合进一步代数运算，反应不够灵敏。

5． 总体

【答案】总体（population ）又译“母体”，统计学术语，指一个统计问题中研宄对象的全体。由具有某种研宄特征的个体构成。从总体中抽取一部分个体，就构成总体的一个样本。如，研宄小学生的推理能力，记X 为每个小学生的推理能力，则X 的任一个可能取值是一个个体，X 的所有可能取值的集合则是一个总体。如果随机抽取n 个小学生，测量他们的推理能力为.Y .\这就是一个取自总体X 的样本。可根据包含个体的数目，可分为有限总体和无限总体。总体本身的大小是有限还是无限，取决于研宄问题的推理范围。心理学研宄中常为无限总体。在推断统计中被定义为一个随机变量，可运用概率论等数学工具进行统计推断。

6． 集中量数与差异量数

【答案】集中量数与差异量数都是描述一组数据特征的统计量。集中量数是表现数据集中性质或集中程度的，数据的集中情况指一组数据的中心位置；集中趋势的度量即确定一组数据的代表值，描述集中情况的度量包括:算术平均数、中位数、众数、几何平均数、调和平均数和加权平均数等。差异量数是表现数据分散性质或分散程度的，数据的差异性即为离中趋势；常见的差异量数有标准差或方差、全距、平均差、四分差和各种百分差等。

二、简答题

7． T 检验、F 检验、卡方各自适用于什么情况？

【答案】（l ）t 检验运用于总体分布已知的参数检验法中。需要满足总体正态分布，总体方差未知的情况下的显著性、差异性检验。比较适合于小样本（这时需要数据符合t 分布。当样本含量n 小时，若观察值x 符合正态分布，则用t 检验（因此时样本均数符合t 分布）。

常见的t 检验形式有:样本均数与总体均数比较的t 检验；配对设计的t 检验；成组设计两样本均数比较的t 检验。

两个小样本均数比较的t 检验有以下应用条件:

①两样本来自的总体均符合正态分布，

②两样本来自的总体方差齐。

因此在进行两小样本均数比较的t 检验之前，要用方差齐性检验来推断两样本代表的总体方差是否相等，方差齐性检验的方法使用F 检验，其原理是看较大样本方差与较小样本方差的商是否接近“1”。若接近“1”，则可认为两样本代表的总体方差齐。判断两样本来自的总体是否符合正态分布，可用正态性检验的方法。若两样本来自的总体方差不齐，也不符合正态分布，对符合对数正态分布的资料可用其几何均数进行t 检验，对其他资料可 用检验或秩和检验进行分析。

（2）F 检验常常用于方差的显著性检验中。要检验两组数据的离散程度是否有显著不同，需要对两组数据的方差进行差异检验。这时数据符合F 分布。在平均数差异检验时，如果不是相关样本，需要进行方差齐性检验。单因方差分析（F 检验）•常用来检验一个变异因素对试验结果的显著性。作为参数检验法的一种，单因方差分析通常需要假设数据为服从正态分布的随机样本和方差齐性。

方差分析的基本条件是:总体正态分布；变异的可加性；各处理内的方差一致。

（3）卡方运用于非参数检验。适用于样本是频数分布的情况。其数据是属于点计而来的离散变量；总体分布未知；不是对总体参数的检验，而是对总体分布的假设检验。计数资料的统计检验主要用卡方检验，可以用来同时检验一个因素两项或多项分类的实际观测数据，与某理论次数分布是否相一致的问题，或有无显著差异的问题；还可用于检验两个或两个以上因素各有多项分类之间，是否有关联或是否具有独立性的问题。

卡方检验用于计数资料的分析，对于数据资料本身的分布形态不作任何假设，所以从一定

的意义上来讲，又是一种非参数检验的方法。

8． 如果你不知道两个变量概念之间的关系，只知道从两个变量的相关系数很高，请问你可能做出什么样的解释？

【答案】（1）两个变量之间的相关系数很高说明两变量存在共变关系，还不能判断两个变量之间的具体关系。

（2）根据相关系数的性质，系数值的大小只是表示变量变化趋势（0

（3）两个变量之间的相关性只是显示出变量的变化趋势，并不能显示出两个变量的因果关系。如果相关系数很高，还需要考察是正相关还是负相关，这样来说明两个变量究竟是向同一个方向还是相反方向变化。

9． 探索性因素分析与验证性因素分析有什么区别？

【答案】（1）探索性因素分析（简写为EFA ）就是指传统的因素分析。这种因素分析方法对于观察变量因子结构的寻找，并未有任何事前的预设假定。对于因子的抽取、因子的数目、因子的内容以及变量的分类，研究者也没有事前的预期，而是由因素分析的程序去决定。在典型的EFA 中，研究者通过共变关系的分解，找出最低限度的主要成分（）或共同因子（，然后进一步探讨这些主成分或共同因子与个）

）, 别变量的关系，找出观察变量与其相对应因子之间的强度，也就是因子负荷值

（

以说明因子与所属的观察变量的关系，决定因子的内容，为因子取一个合适的名字。

由于传统的因素分析企图找出最少的因子来代表所有的观察变量，因此研究者必须在因子

数目与可解释变异量（）两者间寻找平衡点。因为因素分析至多可以抽取出相等于观察变量总数的因子数目，这样，虽然可以解释全部百分之百的变异，但失去因素分析找寻因子结构的目的，但如果研究者企图以少数几个较明显的因子来代表所有的项目，势必然将损失部分可解释变异来作为代价。因而在EFA 中，研究者相当一部分工作是在决定因子数目与提高因子解释的变异（即

（2）验证性因素分析（）。 简写为CFA ）是在研究人员积极改善传统因素分析的限制，扩大其应用范围的基础上产生的。这类因素分析要求，研究者对于潜在变量的内容与性质，在测量之初就必须有非常明确的说明，或有具体的理论基础，并已先期决定相对应的观察变量的组成模式，进行因素分析的目的是为了检验这一先期提出的因子结构的适合性。这种因素分析方法也可用于理论架构的检验，它在结构方程模型中占有相当重要的地位，有着重要的应用价值，也是近年来心理测量与测验发展中相当重视的内容。