MJ心理大纲详解心统

1、取样误差：样本统计量与相应的总体参数之间的（1 1）基本概念差距总体：具有某些共同的、可观测特征的一类事物 偏态分布：分数堆积在分布的一端，而另一端成 的全体，构成总体的每个基本单元称为个体为比较尖细的尾端，其与对称分布对应样本：由于不能或没必要对整个总体进行研究， 次数分布：一批数据在某一量度的每一个类目所 我们只能从总体中选择出一些个体代表总体，这出现的次数情况些个体的集合叫样本离散型变量：由分离的、不可分割的范畴组成， 变量：本身是变化的或者对于不同个体有不同值临近范畴之间没有值存在 得特征或条件连续型变量：在任何两个观测值之间都存在无限 常量：本身不变且对不同的个体的值也相同多个可能值

2、，它可被分割成无限多个组成部分参数：描述总体的数值，它可以从一次测量中获（2 2）学习建议 得，也可以从总体的一系列测量中推论得到 将注意放在概念上，心理统计应该是一门概念 比例：全组中取值为 X X 的比例， p=f/Np=f/N性的科学，而非纯数学。插值法：一种求两个已知数值之间中间值的方 一定要将统计方法与心理学研究的情景结合起 法，其假设所求解点附近数据呈线性变化来学习。统计量：描述样本的数值，与参数的获得方式相 弄懂一个概念再开始学习下一个，心理统计中 同的概念应用性较差却是之后做题的基础。随机取样：从总体抽取样本的一种策略，要求总 做题按照推荐格式能避免出错几率。 体中的每一个个体

3、被抽到的机会均等3 3）统计检验总表数据类单样独立相多组样本相关问题型本问样本关的比较题比较样本独重比、立复较样测本量等总单样独立相独重PearsPears onon体本样本关、立复距正t/zt/zt/zt/z样样测积差相关型态检验检验本t t本量分检方方布验差差分分析析分大样大样大转化为顺转化为顺布本下本下样序型序型形的相的相本态应的应的下未t/zt/zt/zt/z的知检验检验相应的t t检验顺序型符号检验法曼- -惠特尼U U检验维尔克 松 W 验克- -瓦 氏 单 向方差分析弗 里 德 曼 双 向 等 级 方 差 分 析SpearmaSpearma n n等级相关命名型2X匹配度检验2X

4、独立性检验符 号 检 验 法X独立性检验X独立性检验一、描述统计描述统计是指用来整理、概括、简化数据的统计 方法，侧重于描述一组数据的全貌，表达一件事 物的性质。一）统计图表组成：隔开线、表号、名称、标目、数字、表注3 3）意义式列出来，以代替烦琐文字描述的一种表现形式统计表和统计图简单明确、生动直观地表达数量关系，具有一目了然、整洁美观、容易理解等特点。它们是对数据进行初步整理，以简化的形式 加以表现的两种最简单的方式。 在制定统计图表 之前，一般首先要对数据进行以下两种初步整 理： 数据排序：按照某种标准，对收集到的杂乱无 章的数据按照一定顺序标准进行排列 统计分组：根据被研究对象的特征，

5、将所得到数据划分到各个组别中去1 1统计图统计图：用点、线、面的位置、升降或大小来表 达统计资料数量关系的一种陈列形式组成：坐标轴、图号、图题、图目、图尺、图 形、图例、图注分类：条形图、圆图、线性图、直方图、散点图、茎叶图2 2统计表统计表：将要统计分析的事物或指标以表格的形分类：简单表、分组表、复合表（二）集中量数集中量数又叫集中趋势，是体现一组数据一般水 平的统计量。它能反映频数分布中大量数据向某 一点集中的情况。1 1算数平均数（1 1）定义算数平均数：即所有观察值的总和与总频数之商， 简称为平均数或均数平均数一般与标准差、方差相结合使用。（2 2）特点 在一组数据中每个变量与平均数之

6、差的总和等于零 在一组数据中，每一个数都加上一个常数 C,C, 所得的平均数为原来的平均数加常数 C C 在一组数据中，每一个数都乘以一个常数 C,C,所得的平均数为原来的平均数乘以常数 C C算数平均数是应用最普遍的一种集中量数，它在大多情况下是 真值 最好的估计值。（4 4）优缺点优点：反应灵敏、计算严密、计算简单、简明易解、适合于进一步用代数方法盐酸、较少受抽样变动的影响缺点：易受极端数据的影响、不能在出现模糊数据时计算2 2中数（1 1）定义中数：按顺序排列在一起的一组数据中居于中间位置的数，在这组数据中，有一半数据比它大，一般数据比它小等价于百分位数是 5050 的那个数。（2 2）

7、算法 数列总个数为奇数时，第（n n+1+1）/2/2个数就是中数 数列总个数为偶数时，可取位于中间的两个数的平均数作为中数 分布中有相等的数时，将重复的数字看成一个连续体，利用中间分数的精确上下限使用插值法（3 3）优缺点优点：计算简单、容易理解、不受极端值影响、 能在有模糊数据情况下使用、可在顺序型数据时 使用缺点：代表性低、不够灵敏、稳定性低、需要排序、不能进一步做代数运算3 3众数（1 1）定义众数：在次数分布中出现次数最多的那个数的数值众数可能不只一个。在正偏态分布时，平均数最 靠近尾端，中数位于其与众数之间。（2 2）优缺点优点：能在数据不同质的情况使用，能避免极端值干扰缺点：不稳

8、定、代表性差、不够灵敏、不能做进一步的代数运算（三）差异量数差异量数就是对一组数据的变异性，即离中趋势特点进行度量和描述的统计量，也称为离散量数。2 2）样本的方差和标准差所测的特质相同1 1离差与平均差离差：分布中的某点到均值得距离，其符号表示了某分属于均值之间的位置关系而数值表示了它们之间的绝对距离离差之和始终为零。平均差：次数分布中所有原始数据与平均数绝对离差的平均值2 2方差与标准差和方：每一个离差值平房求和由于离差正负值互相抵消无法代表离中趋势我们引入和方的概念（1 1）总体的方差和标准差方差：每个数据与该组数据平均数之差乘方后的均值，即离均差平房后的均数作为样本统计量用符号 s s

9、2 表示，作为总体参数用符号/表示，也叫均方。标准差：方差的平方根作为样本统计量用符号 s s 表示，作为总体参数用符号C表示。样本的变异性往往比它来自的总体的变异性要小。为了校正样本数据带来的偏差，在计算样本方差时，我们用自由度来矫正样本误差，从而有 利于对总体参数更好的无偏差估计 ：（3 3）性质 每一个观测值都加一个相同的常数 C C之后，计算得到的标准差等于原来的标准差 每一个观测值都乘以一个相同的常数 C,C,所得到的标准差等于原标准差乘以这个常数（4 4）意义方差与标准差是表示一组数据离散程度的最好指 标，它们是统计描述与统计推断分析中最常用的 差异量数， 它们的优点有：反应灵敏、

10、计算严谨、计算容易、适合代数运 算、受抽样变动影响小、意义简单明了3 3变异系数当遇到下列情况时，不能用绝对差异量来比较不同样本的离散程度，而应当使用相对差异量数， 最常用的就是差异系数。两个或两个以上样本所使用的观测工具不同，1 1 ）定义两个或两个以上样本使用的是同种观测工具，所测的特质相同，但样本间水平差异较大差异系数：一种最常用的相对差异量，为标准差对平均数的百分比（四）相对量数1 1百分位数百分位数：在整个分布中，在某一值之下或等于该值的分数的百分比，所对应的分数百分位数和百分等级是同一操作定义的两端。当 我们求累计次数占总体的百分比是，所对应的分 数和百分比的值分别为百分位数和百分

11、等级。2 2百分等级百分等级：常模团体中低于该分数的人所占总体的百分比百分等级一定要对应分数区间的精确上限。百分等级和百分位数都可以由已知数据用差值法求解。3 3标准分数标准分数：以标准差为单位表示一个原始分数在 团体中所处位置的相对位置量数，也叫 Z Z 分数离平均数有多远，即表示原始分数在平均数以上 或以下几个标准差的位置。（2 2）性质 Z Z分数无实际单位，是以平均数为参照点，以标准差为单位的一个相对量 一组原始分数转换得到的Z Z分数可正可负，所有原始分数的Z Z分数之和为零 原始数据的Z Z分数的标准差为1 1 若原始分数呈正态分布，则转换得到的所有 Z Z分数均值为 0 0，标准

12、差为 1 1 的标准正态分布（3 3）优点 可比性 不同性质的成绩，一经转换为标准 分数，就可在同一背景下比较 可加性 不同性质的原始数据具有相同的参照点，因此可相加 明确性 知道了标准分数，利用分布寒暑表 就能知道其百分等级正相关： 两列变量变动方向相同也就是SpearmanSpearman相关稳定性 转换成标准分数之后，规定了标准差为 1 1，保证了不同性质分数在总分数中权重一样（4 4）应用比较几个分属性质不同的观测值在各自数据分布中相对位置的高低 计算不同质的观测值得总合或平均值，以表示在团体中的相对位置 若标准分数中有小数、负数等不易被人接受的问题，可通过 Z=aZ+bZ=aZ+b

13、的线性公式将其转化成新的分数（如韦氏成人智力量表）（五）相关量数由于实验法适用范围的限制，有的时候我们只能 对变量间进行相关研究，也就是看两者是否有互 相跟随的变化关系。相关研究所得到的是一种描 述统计，我们仅仅能用其描述两个变量互相跟随 的程度大小，至于他们之间是否有因果关系或者 是共变关系则不可妄下定论。相关系数：两列变量间相关程度的数字表现形式作为样本的统计量用 r r 表示，作为总体参数一般用 P 表示。负相关： 两列变量中有一列变量变动时，另一列变量呈现出与前一列变量方向相反的变动零相关： 两列变量之间没有关系，各自按照自己的规律或无规律变化1 1积差相关也就是 PearsonPea

14、rson 相关。（1 1）前提 数据要成对出现，即若干个体中每个个体都有两种不同的观测值，并且每队数据与其它对子相互独立 两列变量各自总体的分布都是正态的，至少接近正态 两个相关的变量是连续变量，也即两列数据都 是测量数据 两列变量之间的关系应是直线性的（2 2）公式r r也就等于X X和丫共同变化的程度除以X X和丫各自 变化的程度。2 2等级相关(1(1)适用范围r rj为对偶比较记录表中ijij格中的择优分数行比较 当研究考察的变量为顺序型数据时，若原始数据为等比货等距，则先转化为顺序型数据 当研究考察的变量为非线性数据时(2)公式4.4.点二列相关与二列相关(1(1)点二列相关 适用于

15、一列数据为等距正态变量，另一列为离散型二分变量。将原始数据转化为顺序型数据，仍然用 PearsonPearson 相关公式计算即可。3 3 肯德尔等级相关(1) 肯德尔W W系数也叫肯德尔和谐系数，原始数据资料的获得一般采用等级评定法，即让K K个被试对N N件实物进行等级评定。其原理是评价者评价的一致性除以最大 变异可能性。R R代表评价对象获得的K K个等级之和N N代表等级评定的对象的树木K K代表等级评定者的数目(2) 肯德尔U U系数# #其与肯德尔W W系数所处理的问题相同，但评价者采用对偶比较法，即将N N件事物两两配对分别进X Xp是与二分称名变量的一个值对应的连续变量的 平均

16、数X Xq是与二分称名变量的另一个值对应的连续变量 的平均数 p p与q q是二分称名变量两个值各自所占的比率S St是连续变量的标准差(2(2)二列相关 适用于两列变量都是正态等距变量，但其中一列 变量被人为地分成两类。y y为标准正态曲线中p p值对应的高度，查正态分布表能得到5 5相关适用于两个变量都是只有两个点值或只表示某些质的属性。其中 a a、b b、c c、d d 分别为四格表中左上、右上、左下、右下的数据二、推断统计推论统计就是指运用一系列的数学方法，将从样本数据中获得的结果推广到样本所在的总体。进行推论统计的关键在于所抽取的样本要能够尽量 接近所要研究的总体。（一）推断统计的

17、数学基础1 1概率概率：表明随即时间出现可能性大小的客观指标概率的定义包含以下两种，当观测次数够多时他们是相等的。后验概率 ：对随机事件进行 n n 次观察，某一事件 A A 出现的次数m m与观测次数n n的比值在n n趋近无穷时 所稳定在的常数 p p先验概率 ：在满足试验可能结果数有限且每一种 结果出现的可能性相等的条件下，随机事件包含 的结果数除以结果总数2 2正态分布 当样本量足够大时，我们会发现生活中许多变量的分布都近似于正态曲线 ，因此有“上帝偏爱正态分布”一说。（1 1）特点 正态曲线的形状就像一口挂钟，呈对称分布，其均值、中数、众数实际上对应于同一个数值 大部分的原始分数都集

18、中分布在均值附近，极端值相对而言比较少 曲线两端向靠近横轴处不断延伸，但始终不会与横轴向交 正态分布曲线转化为z z分数后人以z z分数与零点对应曲线下面积固定（2 2）用法 依据 Z Z 分数求概率，即已知标准分数求面积 从概率求 Z Z 分数，即从面积求标准分数值 已知概率或Z Z值，求概率密度，即正态曲线的高布为t t分布:分层随机取样法二项分布：对于一个事件有两种可能 A A和B B,但我 们对这一事件观察n n次，事件A A发生的总次数的 概率分布就是二项分布二项分布的均值为 pnpn方差公式为 2 npq标准差的公式为. npq4.4.抽样原理与抽样方法(1) 抽样原理抽样的基本原

19、则是随机性原则，所谓随机性原则，是指在进行抽样时，总体中每一个个体是否 被抽选的概率完全均等。由于随机抽样使每个个 体有同等机会被抽取，因而有相当大的可能使样 本保持和总体有相同的结构，或者说，具有最大 的可能使总体的某些特征在样本中得以发现，从 而保证由样本推论总体。(2) 抽样方法 简单随机取样法 系统随机取样法5.5.抽样分布样本分布：样本统计量的分布，是统计推论的重 要依据(1) 正态分布及渐近正态分布样本统计量为正态分布或者接近正态分布的情况都可根据正态分布的概率进行统计推论。总体分为正态或接近正态，方差已知，样本平均 数和方差的分布为正态分布 样本平均数分布的平均数和方差与母体的平

20、均 数和方差有如下关系： 样本的方差及标准差的分布也渐趋于正态分 布，其分布的平均数与标准差和总体有如下关 系：(2) t t分布t t分布是一种与方差无关而与自由度有关的分 布，很类似正态分布，我们可以将正态分布看作 t t分布当自由度为正无穷时的特例。总体分布为正态，方差未知时，样本平均数的分X X M M其中鳶(3)x 1 2分布X 2分布的构造是从一个服从正态分布的总体中每 次抽去n n个随机变量，计算其平方和之后标准化 的一个分布。分布曲线下的面积都是1 1,但伴随 着n n取值的不同，自由度改变，曲线分布形状不 同，而当自由度趋近于正无穷时 X 2分布即为正态 分布，因此其于t t

21、分布一样都是一族分布，而正 态分布都是其中的特例。(4 4) F F分布如果有两个正态分布的总体，我们从其中各自取出两个样本，各自计算出X 2,贝U U：更多情况下，我们所计算的F F两样本取自相同总 1 1点估计、区间估计与标准误总体方差未知时用估算的总体方差计算标准误。良好估计量的标准体，此时可将上式化简为：(二)参数估计 当在研究中从样本获得一组数据后，如何通过这 组信息，对总体特征进行估计， 也就是如何从局 部结果推论总体的情况，称为总体参数估计。总 体参数估计问题可以分为点估计与区间估计。 无偏性一一用多个样本的统计量估计总体参数的估计值，其偏差的平均数为零 有效性一一当总体参数的无

22、偏估计不止一个统 计量时，无偏估计变异小者有效性高，变异大者有效性低，即方差越小越好 一致性一一当样本容量无限增大时，估计值应能够越来越接近它所估计的总体参数 充分性 样本的统计量是否充分地反映了全部n n个数据所反映总体的信息点估计：用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计结果也以一个点的数值表示区间估计：根据估计量以一定可靠程度推断总体参数所在的区间范围，这个区间就叫做 置信区间，相应的概率成为 置信 度，这两个量是共通变化的，置信区间越大，置 信度越高；区间估计是用数轴上的一段距离表示未知参数可能落入的范围及落入该范围的概率。标准误：样本平均数分布的标准差2 2总

23、体平均数的估计备则假设：因变量的变化、差异却是是由于自变当总体方差未知时，则使用 t t 分布对应置信度3 3标准差与方差的区间估计（1 1）标准差的区间估计（2 2）方差的区间估计（三）假设检验可以说，每一个实验的存在，仅仅是为了给事实 一个反驳虚无假设的机会。1 1假设检验的原理假设检验：统计学中的一种推论过程，通过样本 统计量得出的差异作为一般性结论，判断总体参 数之间是否存在差异假设检验的实质是对可置信性的评价，是对一个 不确定问题的决策过程，其结果在一定概率上正 确的，而不是全部。（1 1）两类假设对于任何一种研究而言，其结果无外乎有两种可 能, , 即是否符合我们预期。一般来说证伪

24、一件事情 比证实一件事容易，在行为科学的研究中，由于 我们无法了解总体中除样本以外的个体情况，因 此尝试拒绝虚无假设的方法优于证明备择假设。量的作用往往是我们对研究结果的预期，用 H H1 表示。虚无假设：实际上什么也没有发生，我们所预计 的改变、差异、处理效果都不存在 观察到的差异只是随机误差在起作用，用 H H0 表 示。（2 2）小概率原理小概率原理：小概率事件在一次试验中几乎是不 可能发生的至于什么就算小概率事件，那就是我们在计算前 明确的决策标准，也就是显着性水平a。在检验 过程中，我们假设虚无假设是真实的，同时计算 出观测到的差异完全是由于随机误差所致的概 率。之后将其与我们实现界

25、定好的显着性水平比 较，从而考虑是否依据小概率原理来拒绝虚无假 设。（3 3）两类错误（本部分内容请参照实心信号检测论对照来看。MJMJ注）I型错误：当虚无假设正确时，我们拒绝了它所犯的错误，也叫a错误两类检验的关系Zobs研究者得出了处理有效果的结论，而实际上并没有效果，即所谓“无中生有”U型错误：当虚无假设是错误的时候，我们没有拒绝所犯的错误，也叫B错误假设检验未能侦查到实际存在的处理效应，即所 谓“失之交臂” 选择适当的检验统计量 确定检验的方向性并规定显着性水平 计算检验统计量的值 将统计量的值与临界值对比做出决策2 2 样本与总体平均数差异的检验(1(1)总体正态分布且方差已知a +

26、 +B不一定等于1 1 在其他条件不变的情况下，a与B不可能同时 减小或增大(4) 检验的方向性单侧检验：强调某一方向的检验，显着性的百分等级为a双侧检验：只强调差异不强调方向性的检验，显着性百分等级为a /2/2对于同样的显着性标准，在某一方向上，单侧检 验的临界区域要大于双侧检验，因此如果差异发 生在该方向，单侧检验犯B错误的概率较小，我 们也说它的检验效力更高。0其中0和0分别为总体的平均数和方差(2)总体正态分布而方差未知tobs 其中今吟而5 肆S S为用样本和方估算出的总体方差3 3 两样本平均数差异的检验X X X X乙bs t tobs乩亠这是两样本平均数检验的通用DX公式，所

27、不同的仅在于标准误的计算(1 1)总体方差已知独立样本5假设检验的步骤根据问题要求，提出虚无假设和备择假设相关样本a.a.相关系数未知：DX 为每一对对应数据之差其中d d(1(1)样本方差与总体方差(2 2)总体方差未知独立样本( (方差差异不显着时) ) 相关样本d d2查表时 df1 n1 1,df2 n2 1相关样本2 2ts2其中 df n 2|4s2sf 1 r2V n 25.5.相关系数的显着性检验积差相关b.b.当卩工0 0时：先通过查表将r r和p转化为费舍乙和乙然后进行Z Z检验DX12其中r r为两组变量之间的相关系数F F 手其中当两样本自由度相差不大时可用 斗代Sb替

28、 Sn-1b.b.相关系数已知:4 4.方差齐性检验2 2SiSi S S2 2rs2rsiS S2a.a.当p =0=0时:n 2当从正态分布的总体中随机抽取容量为 n n的样本时，其样本方差与总体方差比值服从 x 2分布：2哼由自由度df0n 1查x彳表，依据显着性水平判断(2(2)两个样本方差之间等级相关和肯德尔W/W/系数在总体相关系数为零时：查各自的相关系数表, 判定样本相关显着(四)方差分析1 1.方差分析的原理与基本过程独立样本(1(1)方差分析的概念方差分析的目的是推断多组资料的总体均数是否 相同，也即检验多组数据之间的均数差异是否有 统计意义。当我们用多个t t检验来完成这一

29、过程 时，相当于从t t分布中随机抽取多个t t值，这样落 在临界范围之外的可能大大增加，从而增加了 I 型错误的概率。我们可以把方差分析看作t t检验 的增强版。(2 2)方差的可分解性方差分析依据的基本原理就是方差的可加性原 则。作为一种统计方法，方差分析把实验数据的 总变异分解为若干个不同来源的分量。数据的变 异由两部分组成：组内变异：由于实验中一些希望加以控制的非实 验因素和一些未被有效控制的未知因素造成的变 异，如个体差异、随机误差组内变异是具体某一个处理水平之内的，因此在 对总体变异进行估计的时候不涉及研究的处理效 应。组间差异：不仅包括组内变异的误差因素，还包 括了是不同组所接受

30、的实验处理不同造成的影响如果研究数据的总变异是由处理效应造成的，那SSBMSB表示组间方差，MSB B，dfB k 1，k k dfB表示实验条件的个数MSW表示组内方差，MSW -SSW，dfwdfdfw knkn 1 1，n表示每种实验条件中的被试个数(3) 方差分析的基本假定 样本必须来自正态分布的总体 每次观察得到的几组数据必须彼此独立 各实验处理内的方差应彼此无显着差异为了满足这一假定，我们可采用最大 F F比率法2F Fmax 学，求出各样本中方差最大值与最小值Smin的比，通过查表判断。(4) 方差分析的基本步骤I求平方和总平方和是所有观测值与总平均数的离差的平方总和SSTX X

31、2 G/N其中G G表示所有数据的总么组间变异在总变异中应该占较大比例。合，N N表示总共的数据个数SSRR R为同一区组的数 组间平方和是每组的平均数与总平均数的离差 的平方再与该组数据个数的乘积的总和SSBni X G T n G N , G 为数据总均值，Ti为每组数据和，ni为该组数据个数 组内平方和是各被试的数值与组平均数之间的 离差的平方总和（注：SSp SSB SSW推荐用于检验之前的计算，而不是被当作快捷计算的方式）U计算自由度川计算均方W计算F F值V查F F值表进行F F检验并做出判断切陈列方差分析表2 2完全随机设计的方差分析个水平之内仍然是由不同被试共同完成的，于是我们

32、仍然将总体变异分为组间变异和组内变异，但需要进一步将组内变异分为被试间变异和误差 引起的变异这样，我们就可以在F F检验时，将被试间变异从组内变异中去除，使得检验结果更灵敏。个体误差用SSR表示，而随机误差用SSE表示，它们的和等于组内差异SSwF黑其中MSE常而SSE SS SSR ；dfdfEk k 1 1 n n 1 1据之和，或者同一被试在不同处理下的乘积的和3 3随机区组设计的方差分析 随机区组设计中同质被试参加所有水平下测试,因此，组间变异不包括个体差异的影响。而每-不会产生交互作用验而不是过气的内裤检验让我们回忆一下两个相关样本平均数假设检验， 可 以发现那里出现的情况和这里的多

33、样本方差分析 相仿。也就是说，对于同样的实验数据，当我们把 它看作是由独立样本得出或相关样本得出时， 就要 采用不同的检验方法，从而有可能得出不同的结 论。在假定为相关样本的数据得出的显着性差异如 果换作背景是独立样本就可能只能接受虚无假设。 这实际上是因为相关情况下样本之间差异的减小 使得对应检验要使用的统计量变大，检验也就更加 灵敏了。4 4.两因素方差分析在两因素实验设计中，研究者同时用两种影响因 素作为自变量研究它们对某一因变量的影响，其 实验结果比单因素设计更实际。(1 1)交互作用与主效应主效应：某个自变量的不同水平对因变量所造成 的影响的差异交互作用：一个因素对因变量的影响因另一

34、个因 素的不同水平而不同如果两个因素彼此独立，即不管其中一个因素处 于哪个水平，另一个因素的不同水平均值间的差 异都保持一致，则(2 2)统计原理为了看清各因素独立作用和交互作用的影响，我们进一步将组间差异分解：其中SSa与SSb分别表示a a因素与b b因素的组间平方和，SQ b表示交互作用的平方和dfa a 1 ; dfb b 1; dfdfa ba a 1 1 b b 1 1 ;dfW Nab(3) F F的计算(这里讨论独立样本)Fa -MSa其中MSa 里 这里的SSa是假定全体MSWdfa数据只根据a a因素分为两组所计算的组间差异Fb Mb其中MSb常这里的也同样为假设只根据b

35、b因素分组所计算的组间差异Fa。魁其中心暑这里的卸为总体组间差异减去SSa和SSb得到 5 5 .事后检验由方差分析只能得到显着差异的结果，事后检验 使我们能够比较各组，发现差异具体产生在什么 地方。事后检验采用成对比较的方式，每次比较 两个组的差异。这里我们只介绍常用的 红丝带检回归分析：通过大量的观测发现变量之间存在的统计规律性，并用一定的数学模型表示变量相关关系的方法X X Y Y -其中 b.2; a Y bXX X2 2元线性回归方程的检验只有一个自变量并且统计量成大体一次函数的线(1 1)方差分析法性关系的回归分析叫一元线性回归分析。2其中SSSST2丫 丫Y Y2 2 - -丫而

36、其SSR2Y Y b2 X2其dfRHSDftHSDft验法I把要比较的各个平均数从小到大作等级排列U处理条件的数目k k，自由度dfE查表得到相应显 着性的q值川计算作为临界值的HSD MSW n (当为随机 区组时用MSE代替MSw)W把要比较的两个平均数的差与临界值比较， 若超过则认为差异显着(五)回归分析1 1一元线性回归分析(1 1)基本概念在一元线性回归中，我们用丫 a bX作为回归方程，代表X X与丫的线性关系其中：a表示该直线在丫轴的截距b表示该直线的斜率也就是丫的变化率X X为自变量，通常是研究者事先选定的数值丫为对应于X X对变量丫的估计值(2(2)最小二乘法 所谓最小二乘法，就是如果散点图中每一点沿 丫 轴方向到直线的距离的平方和最小，则认为这条 直线的代表性最好，即使用其作为回归方程。这2样我们使得总误差丫 丫最小。n ndfTn 1（2 2）回归系数检验t SEb其