2017年华北理工大学心理学院704心理卫生综合之现代心理与教育统计学考研题库
● 摘要
目录
2017年华北理工大学心理学院704心理卫生综合之现代心理与教育统计学考研题库（一）.... 2
2017年华北理工大学心理学院704心理卫生综合之现代心理与教育统计学考研题库（二）.. 10
2017年华北理工大学心理学院704心理卫生综合之现代心理与教育统计学考研题库（三）.. 17
2017年华北理工大学心理学院704心理卫生综合之现代心理与教育统计学考研题库（四）.. 25
2017年华北理工大学心理学院704心理卫生综合之现代心理与教育统计学考研题库（五）.. 30
一、概念题
1． 相关系数
【答案】相关系数是两列变量间相关程度的指标。相关系数的取值在-1到+1之间，常用小数表示，其正负号表示方向。如果相关系数为正，则表示正相关，两列变量的变化方向相同。如果相关系数为负值，则表示负相关，两列变量的变化方向相反。相关系数取值的大小表示相关的强弱程度。如果相关系数的绝对值在1.00与0之间，则表示不同程度的相关。绝对值接近1.00端，一般为相关程度密切，接近0值端一般为关系不够密切。0相关表示两列变量无任何相关性。
2． 参数
【答案】参数（parameter ）在数理统汁中，反映一个统计量或随机变量的分布特征的参变量。对于参数统计来讲，分布依赖的参数是有限个数（其实只确很少几个）。只要参数确定，则分布也确定了。参数可在一定允许范围内取值。它便确定了一个分布族。如正态分布两个参数。它们的取值允许范围是
参数不是有限的，其统计方法只能是非参数方法或自由分布方法。
3． 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。
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． 统计检验力
【答案】统计检验力又称假设检验的效力是指假设检验能够正确侦察到真实的处理效应的能力，也指假设检验能够正确地拒绝一个错误的虚无假设的概率，
因此效力可以表示为检验的效力越高，侦察能力越强。影响统计检验力的因素有:①处理效应大小，处理效应越明显，越容
只含有
与
。对于非参数统计来讲，分布依赖的
易被侦查到，假设检验的效力也就越大。②显著性水平a , a 越大，假设检验的效力也就越大。③检验的方向性，单侧检验侦察处理效应的能力高于双侧检验。④样本容量，样本容量越大，标准误越小，样本均值分布越集中，统计效力越高。
6． 嵌套设计
【答案】嵌套设计又称阶层设计，是指下一层不同因素水平，只在其上一层因素某一水平下出现，而在另一水平下不出现的设计。例如，B 因素的一些水平只在A 因素的
B 因素的另一些水平，只在水平下出现，而水平下出现。出现在次一级层次因素上各水平数不同的原因是由实际研宄的问题决定的，根据因素分层的多少有不同的嵌套类型。如一级嵌套、二级嵌套、三级嵌套等。一般情况下，可有完全随机取样和重复测量等不同形式。
二、简答题
7． 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差异。
8． 判断某个变量X 的样本是否符合卡方分布的方法是什么？
【答案】判断某个变量X 的样本是否符合卡方分布可以根据卡方分布适用的条件来考虑。 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间断变量；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。
9． 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。
10．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。