心理统计学汇总.doc

一、 概念：1. 频数frequency：是指变量在每一类中被观测的次数。2. 均值mean：就是算术平均数（得分的总和除得分的总次数）3. 中位数median假设得分从低到高排列，就是位于中间的得分。4. 众数：mode 在数据集中出现最多次的得分数。5. 条形图bar chat:用于表明每个变量每个类别的频数或者数量。（对点）6. 直方图histogram：用于反映连续变量区间上的频数或观测的数量。（对区间）7. 散点图：scatterplots: 把参与者对两个变量的反应画在坐标图上，在计算相关系数时常用。8. 盒形图Boxplots：显示变量的信息，这包括集中位数（中位数），即中间50%的数据，整体的散布性，以及数据中是否有异常值。9. 可靠性（用系数度量Cronbachs ）：某些感兴趣的测量结果的一致性和可重复性。10. 负向项目negative items:在感兴趣的牲上有较高得分的人不同意的项目。11. 重测信度test-retest reliability:重复测量两次，看两次测量结果的一致性12. 复本信度alternate from reliability：执行两次非常相似的测量，看其一致性13. 折半信度split-half reliability:将同性的题目分成两半，然后估计参与者对两部分反应的一致性。14. 总体population:包括感兴趣的事件的全部。15. 样本sample是总体的一小部分（子集）16. 推断统计学inferential stactistics：通过样本归纳总体的一种统计方法。17. 原假设null hypothesis：双叫零假设，一般陈述处理没有结果18. 对立假设alternative hypothesis：又名备择假设，与零假设对立的假设，陈述处理有结果。19. 单侧检验（单边检验）one-tail test :评估处理是否在仅一方向有影响20. 双侧检验（双边检验）two-tail test：评估处理是否在任一方向有影响21. 一类错误：type error：拒绝正确的原假设22. 二类错误type error 接受错误的原假设23. 功效（检验力）power正确地拒绝错误的零假设的概率。24. 抽样误差sampling error：样本与总体的差异25. 效应量：描述组别之间差异的大小的量。表明我们研究的结果的大小。26. 协方差：度量两个变量之间变异的一致性。27. 统计学statistic：研究随机现象的方法论。28. 测量 measure：使用一定的工具，依据一定的法则和程度，以数字形式对事物的属性进行描述，它由事物、法则、和数字三个基本元素组成。29. 称名量表nominal scale：最简单的一种量表方法，用数字、字母、符号或任何标记对不同的事物进行区分，是一种定性区分。30. 等距量表interval scale：一种有相等的单位却没绝对零点的量表31. 顺序量表ordinal scale：是一种比较粗略的量表。它没有相等的单位，也没有绝对的零点，只是把事物按按某种标准排一个排列。32. 等比量表ratio scale:是具有类别、等 级、等距特征，也有绝对零点的量表。33. 变量variable：就是可以在数量 上或性质上发生变化的事物的属性。34. 描述统计：descriptive statistic：对资料初步整理和描述的方法。大多通过统计表和图示然后进行初步汇总和描述。包括：35. 频数分布表36. 平均差average deviation （AD）指一组数据中所有数值与平均值的距离的绝对值 的平均数。37. 离差deviation反映数据组中某一数据离开平均值的距离38. 方差：variance离差平方和除以数据个数据N得到的平均的离差平方和。39. 主效应：只考虑某一变量单独变化所引起的因变量的变化叫主效应。40. 方差分析ANOVA：就是对数据样本变异量的分析，它能够将多个因素在导致样本过程中的平均贡献分享出来并进行比较。41. 相关分析correlation：在统计学上，研究这种数量上共变关系的技术。42. 相关系数：correlation coefficient：用来描述两个变量之间的变化方面的及密切程度的统计学指标。43. 皮尔逊相关pearson correlation coefficient44. 回归分析：analysis of regression：由自变量预测因变量的程度估计。45. 标准误standard error（SD）：即样本均数据标准差，是描述均数据抽样分布的离散程度及衡量均数据抽样误差大小的尺度。二、 各种分析：1. 可靠性（用系数度量）1) 用处：测量感兴趣的测量结果的一致性和可重复性2) 前提：所有项目的测量都是同性质的3) 值意义：=0.90为优秀，0.800.89为好，0.700.79为一般，0.600.69为边缘，0.59及以下为糟糕。4) 操作：在SPSS中创建与量表项目一样多的变量a) 输入数据b) 选择analyze-scalereliability analyzec) 把各变量移到items 中d) 点击statistic,在descriptive for 中选择item,和scale.点击continuee) 点击OK5) 数据模式Item1Item2Item36) Item47) 效应量：无8) APA格式表达：我们对有N个项目生活意义量表的内部一致性进行了研究。该量表的系数为0.94，显示这个量表的项目有很高的内部一致性。每个项目的均值取值范围为3.644.00，总量表的均值是19.5（SD=x.xx）。该量表显示参与者的生活有很高的意义。图表23提供了在生活意义量表中每个项目的均值和标准差。2. 单样本t检验one-sample t test：1) 用处：用于把一个样本均值与一些已经或估计的总本均值进行比较。2) 前提：观测是独立的；因变量总体服从正态分布。3) 操作：a) 在SPSS中生成一个变量；b) 输入数据；c) analyze-compare means-one sample test；d) 把因变量移到Test Variable(s)框。e) 在test value中输入原假设中的指定值f) 点击OK4) 数据模式：Housework151617185) 效应量：d=样本均值与总体均值 之差标准差6) APA表达：在知名会计师事务所的雇员（M=59.0，SD=7.15）每周工作时间显著多于52小时的全国水平均水平，t(自由度)=3.92，p0.05,d=X.XX3. 独立样本t检验independent sample t test：1) 用处：对两个独立分组中感兴趣的一个因变量的均值的进行比较。2) 前提：观测是独立的；每组因变量总体服从正态分布；每组总体方差相等。3) 操作：a) 在SPSS中生成一个自变量，一个因变量；b) 输入数据c) 为自变量创建变量值标签、在Value labels 对话框，适当输入数值和标签。点击OKd) 在菜单中选择analyze-compare means-independent sample t test.e) 把因变量移到test variables框，自变量移到grouping variable框。f) 点击Define groups.为1组办理入1，2组输入2.点击continue.g) 点击OK4) 数据模式：TypeGrade1561552562585) 效应量：d=tN1+N2N1N26) APA表达：接受认知行为治疗（M=xx.xx,SD=xx.xx）显著低于接受精神分析（M=xx.xx,SD=xx.xx）,t(自由度)=xx.xx,p0.05,d=xx.xx。4. 配对样本t检验paired-sample t test:1) 用处：对某种程度上相关的两个样本的均值进行比较。2) 前提：组内观测是相独立的；因变量总体服从正态分布。3) 操作：a) 在spss中创建两个变量b) 输入数据c) 选择analyze-compare means -paired-sample t testd) 把两个变量移到paired variables框。e) 点击OK4）数据模式： 5. XX6. XX7. 568. 569. 1810. 5511. 2912. 5613. 2214. 585）效应量d=均值差分数差的标准差6）APA表达：选民认为经济（M=XX.xx,SD=xx.xx）显著重要于国家安全（M=xx.xx,SD=xx.xx），t(自由度)=xx.xx,p0.05,d=xx.xx。5.一维组间方差分析one-way ANOVA：1) 用处：对感兴趣的因变量在两个或者更多独立组中的均值地比较。2) 前提：观测是独立的；每组因变量的总体服从正态分布；每组总体方差相等。3) 假设：H0:A=B=C; H1:其中至少一个均值与其他均值不同。4) 操作：a) 在SPSS 中创建两个变量（一个自变量，一个因变量）b) 输入数据c) 为自变量创建变量值标签。适当地输入数值和标签，点击OKd) 选择analyzecompare means-one way ANOVA e) 把因变量移到dependent list 框中，把自变量移到factor框中。f) 点击option，选择descriptive 和homogeneous test ，点击continueg) 点击Post hoc,选择Turkey，点击Continue。h) 点击OK5) 数据模式TypeGrade1561552562583583426) 效应量:2=组间平方和总平方和7) APA格式表达：由学习策略的使用引起单词回忆数量的变化，F（组间df,组内df）=xx.xx,p0.05, 2=xx.xx。Turkey事后检验程序表明策略A的人（M=xx.xx,SD=xx.xx）和使用策略B的人（M=xx.xx,SD=xx.xx）能够比使用策略C的人（M=xx.xx,SD=x.xx）回忆更多的单词。使用策略A与使用策略B之间在单词加回忆数量上没有显著差异。6.二维组间方差分析：1) 用处：应用于两个自变量估计一个连续因变量的情况。2) 前提：观测是独立的；每个单元的因变量总体服从正态分布。3) 假设：a) 假设1：H0: 1=2; H1: 12b) 假设2：H0:3=4; H1: :34c) 假设3：交互作用。H0:没有物理治疗X放松锻炼的交互作用；H1：有物理治疗X放松锻炼的交互作用。4) 操作：a) 在SPSS中创建三个变量（两个自变量，一个因变量）b) 给每个自变量建立变量标签。在Value labels 框中适当输入数值和标签，点击OKc) 输入数据d) 选择analyze-general linear modal -univariatee) 把因变量移入Dependent variable 框中，把自变量移入Fixed factors 框中f) 点击option，把因素和交互效应移到display means for 框中，选择descriptive statistic , estimates of effect size和homogeneity test，点击continueg) 点击plots ，把有最大因最大水平数的因素移到horizontal Axis框，把其他因素移致separate lines.点击Add,点击continue。h) 如果哪个因素有三个或三个以上水平的，点击plots hoc，把这个变量移到post hoc test for ,选择Turkey，点击continue。i) 点击OK5) 数据模式Type1Type2grade1196125821256) 效应量:偏2=partial eta-Squared7) APA表达:执行了2X2组间方差分析，背伤为因变量，物理治疗（拉伸/力量）和放松锻炼（肌肉放松/引导意象）为自变量。结果显示对物理治疗有主效应，F（物理治疗df，误差df）=xx.xx,P0.05,偏2=xx.xx。那些进行拉锻炼的人（M=xx.xx,SD=xx.xx）的疼痛显著小于那些进行力量锻炼的人（M=x.xx,SD=x.xx）对放松锻炼也有主效应，F(放松df,误差df)=xx.xx,p0.05,偏2=xx.xx。那些进行肌肉放松的人（M=x.xx,SD=x,xx）的疼痛显著小于那些进行意象引导的人（M=x.xx,SD=x.xx）。还有一个显著和物理治疗和放松锻炼的交互效应，F(交互df,误差df)=x.xx,p0.05,偏2=x.xx。对于力量锻炼。肌肉放松和引导意象背伤方面的影响没多大差别，而对于拉伸锻炼，肌肉放松和意象引导在背伤方面的影响 有着很大差别，其中肌肉放松和拉伸锻炼一起大减小背伤疼痛。总之，接受肌肉放松和拉伸锻炼的参与者报告的疼痛要比其他情况小。7.一维组内方差分析1) 用处：用于一个自变量估计一个连续因变量的情况。2) 前提：参与者间的观测是独立的；在自变量的每个水平上的因变量总体服从正态分布；环形假定（满足则取用球形度，若不满足刚取用greenhouse geissor值）3) 假设：H0:1=2=3; H1：至少有一个均值与其它两个均值不相同4) 操作：a) 在SPSS中创建数量等于组内因素水平的变量b) 输入数据c) 选择analyze-general linear modlerepeated measuresd) 在Within-subject factor name中输入组内因素的名字，然后在number of levels框 中输入水平数，点击define.e) 把变量移到within-subject variables框 中f) 点击option，把组内因素移致display means for 框中，选择descriptive statistic 和estimates of effect size，点击continueg) 点击OK5) 数据模式Level1Level2Level31213141516171815166) 效应量:偏27) APA表达：儿童社交能力的得分在不同时刻是显著不同的，F(水平df,误差df)=x.xx,p0.05,偏2=x.xx。独立样本t检验用来说明哪一部时刻是不同于其他的，每个检验的水平为0.016.结果表明在训练结束 时的社交能力得分（M=x.xx,SD=x.xx）明显高于训练第8周时(M=x.xx,SD=x.xx)，t(df)=x.xx,p0.016.而且比较了结束时的得分与训练开始时的得分（M=x.xx,SD=x.xx），t(df)=x.xx,p0.016.8.组间组内方差分析：1) 用处：用于两个自变量估计一个感兴趣的因变量的情况。2) 前提：组内的观测是独立的；对于组内因素的每个水平，其变量总体服从正态分布；对于组间因素的每个水平，组间平均得分应该服从正态分布；组间因素的每个水平上的总体方差相等；球形检验（满足则取用球形度，若不满足刚取用greenhouse geissor值）;方差-协方差矩阵一致性。3) 假设a) 假设假设1：H0: 1=2; H1: 12b) 假设2：H0:3=4; H1: :34c) 假设3：交互作用。H0:没有1与2X3与4的交互作用；H1：有1与2X3与4的交互作用。4) 操作：a) 对组间因素生成一个变量，对组内因素的每个水平生成一个独立的变量b) 给每个组间变量建立变量值标签，在value labels对话框上适当地输入数值和标签，点击OKc) 输入数据d) 选择analyze-general linear modelrepeated measurese) 在repeated measures define factors 对话框中，在within subject name 中输组内因素名字，在number of levels中输入组内水平数，点击definef) 在repeated measures 对话框中，把组间因素移到between-subject variables框中，把组内因素移到within subject variables框中 g) 点击Option,把所有因素和交互效应变量移到display means for 框中，选择descriptive statistic 和estimates of effect size，点击continueh) 点击OK5) 数据模式StyleLevel1Level2Level31121720211152311315226) 效应量: 偏27) APA表达：对教学压力进行了2X2的组间组内方差分析，以指导（有导师，无导师）为组间因素，以时间（before,week4,week8）为组内因素。这些结果表显示对指导有显著的主效应，F（df,误差df）=x.xx,p0.05,偏2=x.xx。而且对时间也有显著主效应，greenhouse geissser adjusted F(df,误差df)=x.xx,p0.05, 偏2=x.xx。对于指导，有导师的新老师报告的压力得分显著低于无导师指导的老师。也有一个显著的指导X时间交互效应，greenhouse geisser adjusted F (df,误差df)=x.xx,p0.05, 偏2=x.xxx。在时间的每个水平上对指导进行了简单效应分析，每个检验的水平为0.016.简效应检验的结果指出在进行4周后和进行8周后，有导师的新老师报告的压力得分显著低于无导师指导的，进行4周后，t(df)=x.xx,p0.016,进行8周后，t(df)=x.xx,p0.016。在图1中显示有导师和没有指导的新老师在计划开始前，进行4同后，进行8周后的压力得分的均值 和标准差9.皮尔逊相关系数：1) 用处：度量两个变量的线性相关程度。2) 前提：参与者间的观测是独立的；每个变量的总体都应该服从态分布。3) 假设：H0:=0; H1:不等于0.4) 操作a) 在spss 中创建两个变量b) 输入数据c) 选择analyzecorrelations-bivariated) 把变量移到variables 框 中e) 点击OK5) 数据模式：VariablesVariables2568106) 效应量：就是其本身7) APA表达：在生活意义和心理健康间存在显著的正相关关系，r(df)=x.xx,p0.05.10.简单线性回归：1) 用处：用于预测另一个随一个变量值变动而变动的变量。2) 前提：参与者间的观测是独立的；二元正态：意味着每个变量的总体都应该服从正态分布，而且对其他变量的所有可能也服从正态分布；方差齐性。3) 假设：原假设H0=0; 对立假设H104) 操作：a) 在SPSS中创建两个变量，一个自变量，一个因变量b) 输入数据c) 选择analyzeregression-lineard) 把自变量移到Independent variables框中，把因变量移到dependent variables框中。e) 点击statistic，选择descriptive (item和estimate已经默认选定)，点击continuef) 点击OK5) 数据模式：Independent VariablesDependent Variables568106) 效应量:R2(0.01,0.09,0.24分别代表效应小、中、大)7) APA表达：完成了以心理健康作为因变量和以社会支持为预测变量的回归分析。社会支持是心理健康的显著预测变量，=x.xx,t(N-2)=x.xx,p0.05,解释了心理健康得分的变异性的24%（R2=0.24）。11.多元线性回归1) 用处：用两个或两个以上的不同变量来预测一个变量值。2) 前提：参与者间的观测都是独立的；变量服从多元态分布；方差齐性（多元线性回归中，轻度或中度违反方差齐性仍可行）3) 假设：原假设：各个自变量对因变量的=0；自变量不能解释因变量：R2=0.4) 操作：a) 在SPSS中创建每个自变量和因变量。b) 输入数据c) 选择analyze-regression-lineard) 把自变量移到independent variable框 中，把因变量移到dependent variables 框 中e) 点击statistics,把选择descriptive (item和estimate默认已经选定)，点击continuef) 点击OK5) 数据模式：Independent1Independent2Independent3Dependent156) 效应量：R2(0.01,0.09,0.24分别表示效应小、中、大)7) APA表达：用沟通能力、乐观积极和学术成功三个变量建立一个多元回归模型来预生活意义，总的来说这个回归模型是显著的，F（回归df，残差df）=x.xx,p0.05,R2=x.xx.在被调查的自变量中，沟通能力（=x.xx,t(df)=x.xx,p0.05）和乐观积极（=x.xx，t(df)=x.xx,p0.05。122拟合优度检验1) 用处：用于检验对变量的每个类别里的案例比例（或频数）是否与原假设设下指定比例（或频数）相一致。2) 前提：观测是独立的；期望单元频数的规模（小表格每单元频数要大于5）3) 假设：原假设：因变量不随自变量的变化而变化。4) 操作：A. 案例加权法：a) 在spss中创建两个变量，一个分类变量，一个频数变量b) 给分类变量建立变量值标签。在value labels对话框中输入适当的数值和标签，点击OKc) 输入数据（行数等于类别变量数）d) 通过选择dateweight cases对变量进行加权处理e) 选择weight case by ,把频数变量移到frequency variables框 中，点击OKf) 选择analyze-nonparametric -chi square g) 把分类变量移到test variable list 框中，点击OKB. 个体观测值法：a) 在spss中创建一个类别变量b) 给类别变量建立变量值标签。在value label框中输入适当的数值和标签。c) 输入数据（行数等于参与者数量）d) 选择analyzenonparametric-chi squaree) 把类别变量移到test variable list 框 中f) 点击OK5) 数据模式A. 案例加权法：StyleFrequency156255B. 个体观测值法：Item1121216) 效应量:无7) APA格式表达：未能帮助一个需要帮助的人的认知责任感随着团体大小变化，2（分组df,N=？）=x.xx,p0.05。对于未能帮助一个需要帮助的人的认知责任感，参与者认为一个人时的责任最高，而处于25个人团体中的那些人责任感最低。认为1个团体、5人团体、或25人团体责任感最高的人所占比例分别为46.7%,33.3%,20.0%.132独立