当前位置：问答库＞考研试题

一、概念题

1． 检验的显著性水平

【答案】检验的显著性水平指在假设检验中，虚无假设正确时而拒绝虚无假设所犯错误的概率。在假设检验中有可能会犯错误，如果虚无假设正确却把它当成错误的加以拒绝，犯这类错误的概率用a 表示，a 就是假设检验中的显著性水平。通常选择α=0.05作为检验的显著性水平。也就是说每当实验结果发生的概率小于或等于0.05的时候，就拒绝虚无假设。

2． 标准分数

【答案】标准分数指以标准差为单位的一种差异量数，又称Z 分数或基分数。它等于一数列中各原始分数与其平均数的差，再除以标准差所得的商，公式为:

数据的标准分数

，为原始数据的值，式中，Z 为某原始为该组数据的平均数，为该组数据的标准差。标准分数的平均数为0，标准差为1。标准分数是一种不受原始测量单位影响的数值，用来表示一个原始分数在团体中所处位置的相对位置量数。其作用除了能够表明原数据在其分布中的位置外，还能对未来不能直接比较的各种不同单位的数据进行比较。如比较各个学生的成绩在班级成绩中的位置或比较某个学生在两种或多种测验中所得分数的优劣。

3． 协方差分析

【答案】协方差分析指回归分析与方差分析相结合的一种统计分析方法。是将难以直接控制的变量作为协变量影响的条件下，更准确地分析与评价因素对因变量的影响。它与方差分析的不同之处在于:方差分析的各因素水平可以根据需要和实际情况人为地加以控制，而在协方差分析中，某些因素的水平是不能控制或难以控制的。如在考察不同教学方法对学生学习成绩有无显著性影响的过程中，如果只考虑教学方法对学生学习成绩的作用，而不考虑学生的智力水平和学习基础这两个不能精确控制的因素对学生学习成绩的影响，将会影响判断的准确性。协方差分析可以消除这种不可控因素的影响，提高分析的精度。教学方法是可以人为控制的因素，称为方差因素，而学生的智力和学习基础是不能精确控制的因素，称为协变量。协方差分析的基本方法是先对每一水平下的实验结果进行回归分析，求出扣除协变量以后的残值，再将各水平试验下对应的残值进行方差分析。协方差分析适合于完全随机化设计资料、随机化区组设计资料、拉丁方资料等。

4． 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。

二、简答题

5． 简述卡方配合度检验和卡方独立性检验的区别。

【答案】卡方配合度检验主要用于检验单个名义型变量多个分类上的实计数和某个理论次数分布（如均匀分布）之间的差异显著性，因此可以将之理解成多组之间次数比较的方法；卡方独立性检验主要用于检验两个名义型变量各项分类上的次数之间是否存在显著关联，是考察名义型变量间相关性的方法。

6． 试比较完全随机设计与随机区组设计的优缺点。

【答案】（1）完全随机设计

计的方差分析的方差分析，就是对单因素组间设

在这种实验研究设计中，各种处理的分类仅以单个实验变量为基础，因而，把它称为单因素方差分析或单向方差分析。随机区组设计由于同一区组接受所有实验处理，使实验处理之间有相关，因此又称之为相关组设计，或称被试内设计。

（2）与完全随机设计相比，随机区组设计最大优点是考虑到个别差异的影响。这种由于被试之间性质不同导致产生的差异就称为区组效应。随机区组设计可以将这种影响从组内变异中分离出来，从而提高效率。随机区组设计设计也有不足，主要表现为划分区组困难，如果不能保证同一区组内尽量同质，则有出现更大误差的可能。

（3）与随机区组设计相比，完全随机设计的优点是完全按照随机化的原则安排实验处理和被试，完全随机设计的缺点是实验误差既包括实验本身的误差，又包括被试个别差异引起的误差，无法分离，被试的数量随着实验处理数的増加而增加，因而它的效率受到一定限制。

7． 一个变量的两个水平间的相关很高，是否说明两水平的均数间没有差异呢？为什么？举例说明。

【答案】不能说明两水平的均数间没有差异。

（1）相关关系是指两类现象在发展变化的方向与大小方面存在一定的关系，但不能确定两类现象之间哪个是因，哪个是果。相关的情况可以有三种:一种是两列变量变动方向相同，即一种变量变动时，另一种变量也同时发生或大或小与前一种变量同方向的变动，称为正相关。如身高与体重的关系。第二种相关情况是负相关，这时两列变量中若有一列变量变动时，另一列变量呈或大或小但与前一列变量指向相反的变动。例如初打字时练习次数越多，出现错误的量就越少。第三种相关是零相关，即两列变量之间无关系。比如学习成绩与身高的关系。

（2）当一个变量的两个水平的相关很高时，需要考虑这种相关是正相关还是负相关，即考

虑其变化发展的方向。

（3）当一个自变量的两个水平的相关很高时，不能说明两个水平的均数之间没有差异。因为两组变量的相关系数大小只是表明两组的线性关系强弱。即使两组变量成完全正相关，即相关系数为+1，也不能说明两组变量的平均数没有差异。比如两组变量的对应关系

为即这时两组变量的相关系数为+1，而两组变量的均数不不

同的。因为这是在同一个变量的不同水平，而且缺乏足够的信息分析。如果要知道这两个水平均数之间是否有差异，可以采用t 检验等方法获得。

8． 估计总体平均数落入该区间的正确可能性概率为1-«，犯错误的可能性概率为«。1. 在进行差异的显著性检验时，若将相关样本误作独立样本处理，对差异的显著性有何影响，为什么？

【答案】（1）在进行差异的显著性检验时，首先需要考虑样本是否服从正态分布，如果服从正态分布，还需要考虑总体方差是否已知，然后看样本是否是独立样本。若将相关样本误作独立样本处理，则忽视了样本数据之间的一致性，导致错误地运用计算公式，差异的显著性也会受到误估，使本来可能有显著差异变成无显著差异。

（2）因为相关样本与独立样本不同，会运用不同的计算方法计算显著性。相关样本与独立样本是根据两个样本是否来自同一个总体来划分的。

①如果是独立样本，其和（或差）的方差等于各自方差的和，即

在进行差异的显著性检验中采用以下公式:

②相关样本之间存在着一一的对应关系。如果是相关样本前后两次结果则相互影响，而不独立。当两个变量之间相关系数为r 时，两变量差的方差为:

在进行差异的显著性检验中采用以下公式:

由计算公式可以看出，独立样本和相关样本在进行差异的显著行检验时，使用了不同计算公式，相关样本的标准误可能会比独立样本的标准误小，使得计算出的Z 值大，从而更容易达到显著性水平，所以如果将相关样本误作独立样本处理，会使本来可能有显著差异变成无显著