当前位置：问答库＞考研试题

一、简答题

1． 方差分析的适用条件是什么? 主要用来检验什么？

【答案】进行方差分析时有一定的条件限制，数据必须满足以下几个基本假定条件，否则由它得出的结论将会产生错误。

（1）总体正态分布

方差分析同Z 检验及t 检验一样，也要求样本必须来自正态分布的总体。在心理与教育研究领域中，大多数变量是可以假定其总体服从正态分布，一般进行方差分析时并不需要去检验总体分布的正态性。当有证据表明总体分布不是正态时，可以将数据做正态转化，或采用非参数检验方法。

（2）变异的相互独立性

总变异可以分解成几个不同来源的部分，这几个部分变异的来源在意义上必须明确，而且彼此要相互独立。

（3）各处理内的方差一致

在方差分析中用MSw 作为总体组内方差的估计值，求组内均方MSw 时，相当于将各个处理中的样本方差合成，它必须满足的一个前提条件就是，各实验处理内的方差彼此无显著差异。这一假定若不能满足，原则上是不能进行方差分析的。

方差分析主要用来检验两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。

2． 下述一些数据，哪些是测量数据? 哪些是计数数据? 其数值意味什么？

（1）17.0千克 （2）89.85厘米 （3）199.2秒 （4）17人 （5）25本 （6）93.5分

【答案】上面的数据中测量数据有：（1）17.0千克（2）89.85厘米（3）199.2秒（6）93.5分

测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。

计数数据有：（4）17人（5）25本

计数数据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。

3． 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。

4． 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。

5． 圆形图适合哪种资料? 自选数据绘制圆形图。

【答案】圆形图（circle graph）, 又称饼图（pie ），主要用于描述间断性资料，目的是为显示各部分在整体中所占的比重大小，以及各部分之间的比较。）圆形图显示的资料多以相对数

（如百分数）为主。

6． 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（不是直线），

我们的问题是确定一条直线

该是

程:

7． 回归分析与因素分析有什么区别？

【答案】因素分析又称因子分析，是处理多变量数据的一种统计方法，它可以揭示多变量之间的关系，其主要目的是从为数众多的可观测的变量中概括和综合出少数几个因子，用较少的因子变量来最大程度地概括和解释原有的观测信息，从而建立起简洁的概念系统，揭示出事物之间本质的联系。

8． 独立样本和相关样本之间的差别是什么？

【答案】相关样本是指两个样本的数据之间存在一一对应的关系。而独立样本是指两个样本数据相互独立，不存在一一对应关系。

在显著性检验中，相关样本的t 检验一般不需要事先进行方差齐性检验。因为相关样本是成对数据，即两组数据存在对应关系，这样可以求出对应数据的差，使对两组数据均值差的显著性检验转化为对d 的显著性检验。而独立样本的数据不是成对的，即使两组数据的样本数相同，两组数据也不存在一一对应关系，因而不可能有对应值的差d ，只能以两个样本方差共同对总体方差进行估计（即求联合方差），必须以两组数据的方差相等为前提。

统计分析中，在考虑是参数还是非参数检验后，需要考虑是独立样本还是相关样本。这样涉及选择不同的检验方法。

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。 ，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

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是直角平面坐标系下给出的一组数据，若我