当前位置：问答库＞考研试题

一、概念题

1． 描述统计

【答案】描述统计指研宄如何整理心理教育科学实验或调查的数据，描述一组数据的全貌，表达一件事物的性质的统计方法。比如整理实验或调查来的大量数据，找出这些数据分布的特征，计算集中趋势、离中趋势或相关系数等，将大量数据简缩，找出其中所传递的信息。

2． 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。

3． 参数检验（parametric test）

【答案】参数检验是统计假设检验的一种。与“非参数检验”相对。适用于总体分布形式已知。且仅由少数几个参数便可确定的条件下。其检验方法常是基于正态性的假定，如t 检验、F 检验、正态线性回归、狭义多元分析等。其主要缺点在于，因其受到严格的关于正态性的条件限制，而大大制约了这类检验的应用或可信度的保证。

4． 逐步回归

【答案】逐步回归是多元回归中选择自变量，建立最优回归方程的一种方法。其基本原理和过程是:按各个自变量对因变量作用的大小，从大到小逐个引入回归方程。每引入一个自变量都要对回归方程中每一个自变量（包括刚刚引入的那个）的作用进行显著性检验，若发现作用不显著的自变量，就要将其剔除（因为引入新的自变量后，原来方程中显著作用的自变量有可能变成不显著）。这样逐个地引进和剔除，直至没有自变量可引入也没有自变量应从方程中剔除为止，这时的回归方程一般来说是最优的。

5． 随机变量

【答案】随机变量（random variable）是在样本空间的全部事件集上的一个实值函数。通常随机变量用大写字母x ，y , z 等表示，或者希腊字母

第 2 页，共 34 页 ，…等表示。分离散型随机变量和

连续型随机变量两类。离散型随机变量是指所有可能的取值个数是有限的或至多可列的随机变量。如随机抽取任一学生观察其性别，其样本空间只有两个男性和女性样本点，

即

随机变量X 只取两个值：即当某学生

是男生时，x 取1; 当学生是女生时，x 取0。连续型随机变量是指可能在一个连续区间内或整个实数范围内取值的随机变量。如，在12岁的学生总体中，随机抽一个观测其身高y 。此随机试验的样本空间

机现象。

6． 二列相关

【答案】二列相关是一种两列变量的质量相关。适用的资料是两列均属于正态分布，但其中一列变量是等距或等比的测量数据，另一列变量虽然也呈正态分布，但它被人为地划分为两类，例如:健康与不健康的划分。这种相关适用于对项目区分度指标的确定。

是大于0的实数集。随机变量y 可在一个连续区间内取值。随机变量的引进使概率论能使用精密的数学工具（如微积分、代数、实变函数、测度论等）来处理和分析随

二、简答题

7． 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。

第 3 页，共 34 页

8． 完全随机设计的方差分析与随机区组方差分析最重要的区别是什么？

【答案】完全随机设计的方差分析与随机区组的方差分析最重要的区别在于组内方差。随机区组方差分析中，将组内方差分解为组内误差和区组方差。

9． 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。

10．标准差在心理与教育研究中除度量数据的离散程度外还有哪些用途？

【答案】可以应用于差异系数和标准分数中。

11．如果两总体中的所有个体都进行了智力测验，这两个总体智商的平均数差异是否还需要统计检验？为什么？

【答案】如果两个中体中的所有个体都进行了智力测验，这两个总体的智商的平均数差异还是需要进行统计检验。

因为，虽然表面上看来，当抽取全部总体时，样本统计量与总体参数相同。但是作为通过测量获得的数据（智力测验）本身就是通过行为抽样获得，因此应该把两总体的智商差异看作是对智商真值之间差异的抽样，因此还是需要进行统计检验的。

当两总体中的所有个体都进行了智力测验，但不能确定两个总体的分布的时候，直接做两个总体智商的平均数差异检验是不合适的。

智力测验中一般可以获得描述性统计数据。描述统计的方法获得了一组数据的集中量数，

，它们仅代表了某一总体中的样本所具有的特征，在差异量数和相关量数（常称为样本统计量）

进行检验前，我们并不了解样本来自的总体是否具有相同的数值特征（总体中的相应数值称为参数，总体均值记为…总体标准差记为

行推断，以获得总体的有关特征。

检验两个总体的平均数差异不仅要考虑总体分布和总体方差，还需要注意两个总体方差是

第 4 页，共 34 页 总体相关系数记为P ）。然而，心理研究的目的是要了解样本来自的总体的特征。为此，可以运用参数统计检验法依据样本的特征对总体的特征进