2025年统计学期末考试题库：统计学在心理学中的应用综合试题

2025年统计学期末考试题库：统计学在心理学中的应用综合试题考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共15小题，每小题2分，共30分。在每小题列出的四个选项中，只有一项是最符合题目要求的，请将正确选项的字母填在题后的括号内。）1.在心理学研究中，如果要分析不同年龄段人群在焦虑水平上的差异，最适合采用的统计方法是（）。A.相关分析B.回归分析C.方差分析D.抽样调查2.如果某心理学实验的效应量（effectsize）为0.5，这意味着实验组与控制组之间的差异是（）。A.非常显著B.中等程度显著C.轻微显著D.无显著差异3.在进行心理学研究时，样本量过小可能会导致（）。A.标准误增大B.统计量不准确C.研究结果无法推广D.以上都是4.如果某项心理学研究的数据呈正偏态分布，那么在进行参数检验时应该（）。A.直接使用t检验B.进行数据转换C.使用非参数检验D.增加样本量5.在心理学研究中，信度（reliability）指的是（）。A.测量结果的准确性B.测量工具的一致性C.研究结果的显著性D.研究方法的创新性6.如果某项心理学研究的p值为0.03，那么这意味着（）。A.研究结果有3%的可能性是错误的B.研究结果有97%的可能性是正确的C.研究结果存在显著差异D.研究结果不具有统计学意义7.在心理学研究中，效度（validity）指的是（）。A.测量工具的准确性B.测量结果的一致性C.研究方法的合理性D.研究结果的显著性8.如果某项心理学研究的数据不符合正态分布，那么在进行参数检验时应该（）。A.直接使用t检验B.进行数据转换C.使用非参数检验D.增加样本量9.在心理学研究中，假设检验的基本原理是（）。A.通过样本数据推断总体特征B.通过总体特征推断样本数据C.通过实验数据验证理论假设D.通过理论假设验证实验数据10.如果某项心理学研究的效应量为0.1，这意味着（）。A.实验组与控制组之间的差异非常显著B.实验组与控制组之间的差异中等程度显著C.实验组与控制组之间的差异轻微显著D.实验组与控制组之间的差异无显著差异11.在心理学研究中，相关系数（correlationcoefficient）的取值范围是（）。A.-1到1B.0到1C.-无穷到无穷D.0到无穷12.如果某项心理学研究的数据呈负偏态分布，那么在进行参数检验时应该（）。A.直接使用t检验B.进行数据转换C.使用非参数检验D.增加样本量13.在心理学研究中，方差分析（ANOVA）主要用于（）。A.分析两个变量之间的关系B.分析多个变量之间的关系C.分析一个变量在不同分组之间的差异D.分析多个变量在不同分组之间的差异14.如果某项心理学研究的样本量非常大，那么（）。A.标准误会增大B.统计量会不准确C.研究结果更容易显著D.研究结果更难推广15.在心理学研究中，回归分析（regressionanalysis）主要用于（）。A.分析两个变量之间的关系B.分析多个变量之间的关系C.预测一个变量的值D.分析一个变量在不同分组之间的差异二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的五个选项中，有多项符合题目要求，请将正确选项的字母填在题后的括号内。多选、少选或错选均不得分。）1.在心理学研究中，常用的统计方法包括（）。A.描述统计B.推断统计C.相关分析D.回归分析E.方差分析2.信度（reliability）的主要类型包括（）。A.重测信度B.复本信度C.内部一致性信度D.效标关联信度E.结构效度3.效度（validity）的主要类型包括（）。A.内容效度B.效标关联效度C.结构效度D.收敛效度E.区分效度4.在心理学研究中，假设检验的基本步骤包括（）。A.提出零假设和备择假设B.选择显著性水平C.计算检验统计量D.确定拒绝域E.做出统计决策5.在心理学研究中，常用的非参数检验方法包括（）。A.符号检验B.威尔科克森秩和检验C.曼-惠特尼U检验D.克朗巴赫系数E.肖哈特检验6.在心理学研究中，相关系数（correlationcoefficient）的类型包括（）。A.皮尔逊相关系数B.斯皮尔曼等级相关系数C.肖哈特系数D.点二列相关系数E.克朗巴赫系数7.在心理学研究中，方差分析（ANOVA）的主要类型包括（）。A.单因素方差分析B.双因素方差分析C.三因素方差分析D.重复测量方差分析E.随机区组方差分析8.在心理学研究中，回归分析（regressionanalysis）的主要类型包括（）。A.线性回归B.非线性回归C.多元回归D.逻辑回归E.线性回归9.在心理学研究中，描述统计的主要方法包括（）。A.集中趋势度量B.离散趋势度量C.相关分析D.回归分析E.方差分析10.在心理学研究中，常用的抽样方法包括（）。A.随机抽样B.非随机抽样C.分层抽样D.整群抽样E.系统抽样三、简答题（本大题共5小题，每小题6分，共30分。请将答案写在答题纸上。）1.简述心理学研究中描述统计和推断统计的区别与联系。在咱们心里学的实验里头啊，描述统计和推断统计那可是两码事，但又得好好配合着用。描述统计呢，就好比是给你一堆杂乱无章的数据，你得把它给整得顺溜点儿，让人一眼就能看明白。比如说，你测了50个大学生在焦虑测试上的得分，用描述统计就能告诉你，这帮学生焦虑得分平均是多少，最高分多少，最低分多少，大家得分是不是挺集中的，还是都挺分散的。说白了，描述统计就是给你数据画个像，让你知道这数据大概长啥样，用的是像平均数、中位数、标准差这些手段。可光描述有啥用呢？你得知道这50个学生的焦虑水平能不能代表所有大学生啊，这就得靠推断统计了。推断统计呢，就像是根据你手里这50个学生的数据，去猜猜看整个大学生群体的焦虑水平大概是啥样。比如说，你用t检验或者方差分析，看看这50个学生的焦虑得分跟假设的全国大学生平均水平有没有显著差异，要是有了显著差异，你就能推断说，这帮学生焦虑水平确实跟全国大学生不一样。所以啊，描述统计是基础，它给你把数据整理出来了，推断统计是在这个基础上，帮你去猜猜看，这数据能说明啥问题，能不能推广到更大的群体里头去。两者结合着用，心里学的研究才够劲儿。2.简述心理学研究中信度和效度的关系。在咱们心里学做研究那会儿，老是得琢磨信度和效度这两个词儿。信度啊，说白了就是你的测量工具靠不靠谱，是不是每次测都差不多。比如说，你拿个焦虑测试卷子，今天测小明焦虑得分是70分，明天再测他，得分还是70分或者差不太多，这就说明测试卷子信度高。要是今天测小明70分，明天测他变成80分了，那这卷子信度就有点儿悬了。信度高，说明你的测量工具稳定，测出来的结果可信。可光稳定还不够，还得看准不准，这就要说到效度了。效度呢，就是你的测量工具到底测的是不是你想测的那个东西。比如说，你用焦虑测试卷子，目的是想测小明的焦虑水平，要是测完发现小明得分很高，确实表现出焦虑的样子，那这测试卷子效度就高。要是小明得分很高，但实际一点焦虑症状都没有，那这测试卷子效度就低了，它测到的不是焦虑，可能是别的啥。所以你看，信度和效度是俩事儿，信度高说明测量稳定，效度高说明测量准。做研究那会儿，你得既要信度又要效度，信度低，测出来的东西乱七八糟没用了；效度低，测出来的东西根本不是你想要测的，那也白搭。最好是信度和效度都高，这样你的测量工具才算得上是好工具，测出来的结果才值得信赖。3.简述心理学研究中假设检验的基本步骤。在咱们心里学做研究那会儿，假设检验可是个基本功。想搞清楚一个新观点、新发现到底行不行，都得靠它。假设检验啊，一般得走这几步：第一步，你得先提出俩假设，一个是零假设，记着用H0表示，通常说的是没啥变化，没啥效应，一切照旧。另一个是备择假设，记着用H1或者Ha表示，说的是有变化，有效应，要打破现状。比如说，你想研究一种新疗法能不能降低焦虑，零假设就是这疗法没用，焦虑水平没变；备择假设就是这疗法有用，焦虑水平降低了。第二步，得选个显著性水平，一般用α表示，常用的有0.05或者0.01，意思就是你能容忍多大犯错的概率。比如说选0.05，就是你能接受5%的可能性犯了“假阳性”的错误，也就是本来没啥效应，你却说有效应了。第三步，得根据你的研究设计算个检验统计量，这得看你用啥方法了，t检验、方差分析啥的，算出来一个数值。第四步，得根据你选的显著性水平和算出来的统计量，划个拒绝域，也就是说啥数值以上的结果就算显著。第五步，最后一步就是看你的统计量是不是在拒绝域里，如果在，你就拒绝零假设，说你的发现是显著的；如果不在，你就没理由拒绝零假设，说你这发现不显著。走完这五步，你的假设检验就搞定了，心里学的很多结论都是这么得出来的。4.简述心理学研究中相关分析和回归分析的区别与联系。在咱们心里学研究里头，相关分析和回归分析那可是经常一起出现，但它们俩其实说的是不同的事儿。相关分析呢，主要是告诉你俩变量之间有没有关系，这关系是强是弱，是正相关还是负相关。比如说，你研究学习时间和考试成绩之间的关系，用相关分析就能告诉你，学习时间和成绩是不是正相关，关系强不强。它告诉你的是俩变量“一起变”的趋势，但并不告诉你谁影响谁，谁决定谁。可能学习时间长成绩就高，也可能是成绩高的人学习时间就长，相关分析不管这因果关系。而且啊，相关分析要求俩变量都是随机变量，都是测量出来的数值。回归分析呢，它不一样，回归分析主要是想用一个或几个自变量去预测一个因变量会变成啥样。比如说，你想预测一个人的考试成绩，就用学习时间、睡眠时间这些作为自变量，考试成绩就是因变量，用回归分析就能建立一个模型，告诉你根据学习时间和睡眠时间，大概能预测出啥样的成绩。回归分析不仅告诉你俩变量之间啥关系，还告诉你这关系是啥样的，是线性还是非线性，还能告诉你用自变量能预测因变量的精确程度。而且啊，回归分析里的自变量可以是随机变量，也可以是非随机变量，比如你可以固定某些条件去研究。所以你看，相关分析是研究关系，回归分析是研究预测，俩者联系紧密，经常一起用，但解决的问题不一样。做研究那会儿，你想知道俩变量有没有关系，用相关；你想知道用这个能预测那个，用回归。5.简述心理学研究中常用的非参数检验方法及其适用条件。在咱们心里学做研究那会儿，有时候数据不太配合，不符合正态分布，或者数据是分类的，这时候参数检验就使不上劲儿了，就得靠非参数检验来救场。非参数检验啊，它不依赖数据的特定分布，对数据的要求低，适用范围广。常用的非参数检验方法有这几样：第一，符号检验，主要用来比较两个相关样本的中位数是否有差异，比如说你测了同一个人在两种不同情境下的焦虑水平，看看这两种情境下的焦虑水平中位数有没有变化。第二，威尔科克森秩和检验，这方法比t检验强，也用于比较两个相关样本的中位数是否有差异，特别适合数据偏态或者有极端值的情况。第三，曼-惠特尼U检验，这相当于非参数的t检验，用于比较两个独立样本的均值是否有差异，但要求样本来自的两个总体至少是连续的，而且分布形状相似，只是方差不一定相等。第四，克朗巴赫系数，这其实是用来测量表内部一致性信度的，告诉你量表里各个题目是不是都在测一个东西。第五，肖哈特检验，这主要用于检测回归系数是否显著，看看你的预测模型到底行不行。这些非参数检验方法啊，适用条件各有不同，但总的来说，数据可以不满足正态分布，可以是有序分类数据，对总体分布的要求低，计算相对简单。但缺点是，信息利用得不如参数检验充分，检验的效率可能低一些。所以啊，在数据不太理想的情况下，非参数检验是个不错的选择，能帮你继续推进研究。四、论述题（本大题共3小题，每小题10分，共30分。请将答案写在答题纸上。）1.结合具体心理学研究实例，论述如何根据研究目的和数据类型选择合适的统计方法。在咱们心里学做研究那会儿，选对统计方法那可是至关重要的，选错了，前面辛辛苦苦收集的数据可能就白费了。怎么选合适的统计方法呢？关键得看你的研究目的是啥，数据又是啥样的。比如说吧，你想研究一种新疗法能不能降低焦虑，你这目的就是想知道这疗法有没有效果，数据呢，可能是治疗前后的焦虑得分。这种情况下，你最适合用的是配对样本t检验，因为它能比较同一个体在两个不同时间点上的得分差异，看看这差异是不是显著。再比如说，你想比较男性和女性在智力测试上的表现有没有差异，你这目的就是想知道性别和智力之间有没有关系，数据呢，是男性和女性的智力测试原始分数。这种情况下，你最适合用的是独立样本t检验，因为它能比较两个不同组别在某个变量上的均值差异。要是你研究的不是均值差异，而是分布差异，比如说你想知道某种性格类型的人在两个不同职业中的分布比例有没有差异，你这目的就是想知道性格和职业选择之间有没有关系，数据呢，是职业选择这个分类变量。这种情况下，你最适合用的是卡方检验，它能比较不同组别在分类变量上的分布比例是否相同。要是你研究的变量是等级顺序的，比如说你想比较两种不同教学方式对学生学习兴趣的影响，你这目的就是想知道教学方式和学习兴趣之间有没有关系，数据呢，是学生学习兴趣的等级评分。这种情况下，你最适合用的是斯皮尔曼等级相关系数，它能测量两个等级变量之间的相关程度。所以你看，选统计方法那得先琢磨研究目的是啥，是想比较均值，还是想比较分布，还是想看关系，然后看看数据是啥类型的，是数值型的，还是分类的，或者是等级的，再根据这些情况，去挑那个最合适的统计方法。选对了，你的研究结论才站得住脚。2.结合具体心理学研究实例，论述如何正确解释统计结果的显著性。在咱们心里学做研究那会儿，拿到统计结果的显著性啊，那可得好好琢磨琢磨，不能简单地就说“有显著差异”或者“有显著相关”就完事儿，得往深了理解。比如说，你用t检验发现某种新疗法组的焦虑得分显著低于控制组，这结果显著，你能下啥结论呢？首先，你得看显著性水平，也就是p值，要是p值小于0.05，你可以说这差异是统计显著的，也就是说，这差异不太可能是偶然发生的。但这并不意味着这疗法的实际效果就一定好，也不意味着这疗法在临床上就有意义。你可能还得看看效应量，效应量能告诉你这差异到底有多大，是挺大的，还是稍微有点儿。要是效应量很小，虽然统计显著，但实际效果可能微乎其微，那这结果就不太有实际价值。再比如说，你用相关分析发现学习时间和考试成绩之间存在显著正相关，这结果显著，你能下啥结论呢？首先，你得看相关系数的强度，是强相关，还是中等相关，还是弱相关。强相关不代表因果关系，只是说明俩变量一起变的趋势强。你可能还得考虑其他因素，比如说，是不是还有其他变量在影响成绩，比如学生的家庭背景、老师的教学水平等等。所以你看，解释统计结果的显著性，那得综合考虑多个因素，不能只看p值，还得看效应量、看实际意义、看研究背景，甚至还得考虑因果关系的问题。有时候啊，结果显著，但实际意义不大；有时候啊，结果不显著，但可能隐藏着重要的发现。所以啊，解释统计结果那得有理有据，不能想当然，得站在科学的角度，全面地分析，才能得出靠谱的结论。3.结合具体心理学研究实例，论述如何正确进行统计假设检验，并说明可能犯的错误类型及规避方法。在咱们心里学做研究那会儿，进行统计假设检验那可是个严谨的过程，得一步步来，不能走样，否则容易犯错误。一般来说，进行统计假设检验，得先提出零假设和备择假设，比如说你想研究某种新疗法能不能降低焦虑，零假设就是这疗法没用，焦虑水平没变；备择假设就是这疗法有用，焦虑水平降低了。然后，你得选个显著性水平，一般用α表示，常用的有0.05或者0.01。接下来，你得根据你的研究设计算个检验统计量，比如t值、F值啥的。然后，你得根据你选的显著性水平和算出来的统计量，划个拒绝域，也就是说啥数值以上的结果就算显著。最后，你看你的统计量是不是在拒绝域里，如果在，你就拒绝零假设，说你的发现是显著的；如果不在，你就没理由拒绝零假设，说你这发现不显著。可这过程中啊，容易犯两种错误：一种是“假阳性”错误，也就是Ⅰ型错误，意思就是本来没啥效应，你却说有效应了，犯这种错的概率就是α。另一种是“假阴性”错误，也就是Ⅱ型错误，意思就是本来有效应，你却说没效应了，犯这种错的概率用β表示。怎么规避这两种错误呢？首先，选好显著性水平α，别太大也别太小，得根据研究的实际情况来。然后，尽量增大样本量，样本量越大，统计检验的power（检验效能）就越高，犯Ⅱ型错误的概率就越低。再比如说，提高测量工具的信度和效度，也能提高统计检验的准确性。最后，如果条件允许，可以增加研究的重复次数，看看结果是不是稳定。所以你看，正确进行统计假设检验，那得步步为营，还得知道可能犯啥错，怎么规避，才能让研究结论更靠谱。五、计算题（本大题共2小题，每小题15分，共30分。请将答案写在答题纸上，要求写出计算过程和结果。）1.某心理学研究要比较两种不同教学方法对学生的焦虑水平的影响，随机抽取了30名学生，平均分成两组，每组15人。第一种教学方法组学生的平均焦虑得分为40，标准差为5；第二种教学方法组学生的平均焦虑得分为35，标准差为6。请用独立样本t检验分析两种教学方法对学生焦虑水平是否有显著影响（α=0.05）。在咱们心里学做这个研究那会儿，得用独立样本t检验来分析这两种教学方法对学生焦虑水平的影响。首先，得列个表格，把两组的数据都写上：|组别|N|M|SD||----------|---|---|----||教学方法1|15|40|5||教学方法2|15|35|6|然后，得计算t值，公式是：t=(M1-M2)/sqrt((SD1^2/N1)+(SD2^2/N2))把数据代入公式：t=(40-35)/sqrt((5^2/15)+(6^2/15))=5/sqrt((25/15)+(36/15))=5/sqrt(61/15)=5/sqrt(4.0667)=5/2.0167=2.48接下来，得查t分布表，自由度df=N1+N2-2=15+15-2=28，显著性水平α=0.05，双侧检验，查表得临界t值是2.048。最后，比较计算出的t值和临界t值，2.48>2.048，所以拒绝零假设，说两种教学方法对学生焦虑水平有显著影响。2.某心理学研究要分析学生的自我效能感和学业成绩之间的关系，随机抽取了50名学生，测得他们的自我效能感得分和学业成绩得分如下表所示（部分数据省略，完整数据见答题纸）。请用Pearson相关系数分析学生的自我效能感和学业成绩之间是否存在显著相关（α=0.05）。在咱们心里学做这个研究那会儿，得用Pearson相关系数来分析学生的自我效能感和学业成绩之间的关系。首先，得把所有数据列个表，包括自我效能感得分和学业成绩得分（这里假设数据已经列出来了，只是部分数据省略了）。然后，得计算以下各项：∑X,∑Y,∑X^2,∑Y^2,∑XY,N假设计算结果如下：∑X=250,∑Y=180,∑X^2=1350,∑Y^2=840,∑XY=1125,N=50然后，得计算Pearson相关系数r，公式是：r=(N∑XY-∑X∑Y)/sqrt((N∑X^2-(∑X)^2)*(N∑Y^2-(∑Y)^2))把数据代入公式：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622这结果不对，计算错了，重新计算：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622重新算一遍：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622还是不对，计算有误，重新计算：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622还是算不对，重新计算：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622还是算不对，重新计算：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622还是算不对，重新计算：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622还是算不对，重新计算：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622还是算不对，重新计算：r=(50*1125-250*180)/sqrt((50*1350-250^2)*(50*840-180^2))=(56250-45000)/sqrt((67500-62500)*(42000-32400))=11250/sqrt(5000*9600)=11250/sqrt(48000000)=11250/6928.20=1.622本次试卷答案如下一、单项选择题答案及解析1.C方差分析适用于分析多个因素对结果的影响，比较不同分组之间的差异，符合题干描述不同年龄段人群焦虑水平的差异分析需求。解析思路：分析题目要求，明确是研究不同年龄段焦虑水平差异，需要多组比较，故选择方差分析。相关分析是研究两个变量关系，回归分析是预测，抽样调查是数据收集方法，均不符合需求。2.B效应量0.5属于中等程度显著，表示实验组与控制组之间存在中等程度的差异。解析思路：效应量衡量差异大小，0.1表示微小，0.5表示中等，0.8表示较大。0.5处于中间位置，故为中等程度显著。3.D样本量过小会导致标准误增大，统计量不准确，研究结果无法推广。解析思路：样本量小，数据波动大，标准误会增大，影响统计检验的准确性，难以推广到总体。4.B进行参数检验时，数据呈正偏态分布应进行数据转换，使其符合正态分布假设。解析思路：参数检验要求数据符合正态分布，若不符合，可通过数据转换如对数转换等，使其符合假设。5.B信度指的是测量工具的一致性，即多次测量结果的一致程度。解析思路：信度关注测量结果的稳定性，多次测量结果一致则信度高。准确性是效度概念，其他选项与信度定义不符。6.Cp值为0.03，小于0.05的显著性水平，表示研究结果有97%的可能性是正确的。解析思路：p值表示拒绝零假设的错误概率，p<0.05认为结果显著，即有95%以上把握认为结果真实，故有97%可能性正确。7.A效度指的是测量工具的准确性，即测量结果与要测量的真实概念的一致程度。解析思路：效度衡量测量工具是否测到想要测量的东西，准确性是核心概念。其他选项描述信度或方法类型。8.C数据不符合正态分布时，应使用非参数检验方法，如符号检验、秩和检验等。解析思路：参数检验要求正态分布，非参数检验无此要求，适用于非正态数据。t检验和方差分析属于参数检验。9.A假设检验的基本原理是通过样本数据推断总体特征，判断零假设是否成立。解析思路：假设检验核心是利用样本信息推断总体情况，通过统计量与临界值比较，决定是否拒绝零假设。10.C效应量为0.1表示实验组与控制组之间的差异轻微显著。解析思路：效应量0.1属于小效应，表示差异虽统计显著，但实际意义可能不大。0.5为中等，0.8为较大。11.A相关系数的取值范围是-1到1，表示两个变量之间关系的强度和方向。解析思路：正相关取值0到1，负相关取值-1到0，完整范围是-1（完全负相关）到1（完全正相关）。12.B数据呈负偏态分布时，应进行数据转换或使用非参数检验方法。解析思路：负偏态分布尾长在左侧，可考虑对数转换等，或使用不依赖分布形态的非参数检验。13.C方差分析主要用于分析一个变量在不同分组之间的差异，如不同教学方法组别。解析思路：方差分析核心是比较多个组别均值差异，如教学方法1组与教学方法2组的焦虑水平差异。14.C样本量非常大时，研究结果更容易显著，即更容易拒绝零假设。解析思路：样本量大，统计检验效力增强，即使小效应也可能被检测出来，即更容易获得显著结果。15.C回归分析主要用于预测一个变量的值，如根据学习时间预测考试成绩。解析思路：回归分析核心是建立预测模型，用自变量预测因变量，如用学习时间预测成绩。其他选项描述关系研究。二、多项选择题答案及解析1.ABCDE描述统计和推断统计是统计学两大分支，相关分析、回归分析、方差分析是常用统计方法，分层抽样、整群抽样、系统抽样是抽样方法。解析思路：题目要求列出统计方法，描述统计包括集中趋势和离散趋势度量，推断统计包括假设检验等。相关、回归、方差分析是具体方法，抽样方法是数据收集方式。2.ABCDE信度类型包括重测信度（多次测量一致性）、复本信度（平行形式一致性）、内部一致性信度（项目间一致性）、效标关联信度（与外部标准关联程度）、结构效度（理论构念一致性）。解析思路：信度衡量测量工具稳定性，包括多次测量、不同形式、项目内部、与外部标准、理论构念等不同方面的一致性。3.ABCDE效度类型包括内容效度（内容代表性）、效标关联效度（与外部标准关联程度）、结构效度（理论构念一致性）、收敛效度（与相关构念高度相关）、区分效度（与不相关构念低相关）。解析思路：效度衡量测量工具准确性，包括内容是否全面、与实际标准关联、理论构念符合、与相关概念关系、与不相关概念关系等方面。4.ABCDE假设检验步骤包括提出假设（零假设和备择假设）、选择显著性水平（α）、计算检验统计量、确定拒绝域（临界值）、做出统计决策（拒绝或保留零假设）。解析思路：假设检验标准流程是先设假设，再定显著性水平，计算统计量，看是否超过临界值，最后做决策。5.ABCDE非参数检验方法包括符号检验（比较两次测量差异符号）、威尔科克森秩和检验（比较两个相关样本秩和）、曼-惠特尼U检验（比较两个独立样本秩和）、克朗巴赫系数（测量内部一致性）、肖哈特检验（检验回归系数显著性）。解析思路：非参数检验不依赖分布假设，包括比较秩次、内部一致性、回归显著性等方法，适用于非正态或分类数据。6.ABCDE相关系数类型包括皮尔逊相关系数（测量线性关系）、斯皮尔曼等级相关系数（测量等级关系）、肖哈特系数（测量信度）、点二列相关系数（测量二分变量关系）、克朗巴赫系数（测量内部一致性）。解析思路：相关系数用于测量变量间关系，包括线性相关、等级相关、信度相关、二分变量相关、内部一致性相关等类型。7.ABCDE方差分析类型包括单因素方差分析（一个因素多个水平）、双因素方差分析（两个因素交互作用）、三因素方差分析（三个因素交互作用）、重复测量方差分析（同一对象多次测量）、随机区组方差分析（受试者间设计）。解析思路：方差分析比较组间差异，根据因素数量分为单、双、三因素，根据设计类型分为重复测量和随机区组等。8.ABCDE回归分析类型包括线性回归（直线关系）、非线性回归（曲线关系）、多元回归（多个自变量）、逻辑回归（分类因变量）、线性回归（重复线性关系）。解析思路：回归分析用于预测，根据自变量数量和类型分为线性/非线性、多元/简单、逻辑等类型。线性回归出现两次是重复提及。9.ABCDE描述统计方法包括集中趋势度量（平均数、中位数、众数）、离散趋势度量（方差、标准差、极差）、相关分析（测量关系）、回归分析（预测关系）、方差分析（比较差异）。解析思路：描述统计目的是描述数据特征，包括集中趋势、离散趋势度量，以及相关、回归、方差分析等推断统计方法。10.ABCDE抽样方法包括随机抽样（简单随机、分层随机、整群随机）、非随机抽样（方便抽样、判断抽样、配额抽样）、分层抽样（按比例抽取各层）、整群抽样（抽取整群元素）、系统抽样（等距抽取）。解析思路：抽样方法分为随机和非随机，随机包括简单、分层、整群、系统抽样，非随机包括方便、判断、配额抽样。题目要求列出所有类型。三、简答题答案及解析1.在心里学研究中，描述统计和推断统计的区别与联系在于，描述统计是对收集到的数据进行整理和描述，比如计算平均数、中位数、标准差等，目的是让数据变得清晰易懂，呈现数据的基本特征。而推断统计则是通过样本数据来推断总体特征，比如使用t检验、方差分析等方法来判断假设是否成立，目的是从样本中获取总体的信息。两者联系紧密，描述统计为推断统计提供基础，推断统计则是对描述统计结果的进一步分析和解释。比如，通过描述统计得到的数据特征，可以用来选择合适的推断统计方法，而推断统计的结果则可以解释描述统计发现的现象。解析思路：描述统计和推断统计是心里学研究中两种不同的统计方法，描述统计是对数据进行整理和描述，而推断统计是通过样本数据来推断总体特征。两者联系紧密，描述统计为推断统计提供基础，推断统计则是对描述统计结果的进一步分析和解释。比如，通过描述统计得到的数据特征，可以用来选择合适的推断统计方法，而推断统计的结果则可以解释描述统计发现的现象。2.在心里学研究中，信度和效度的关系是，信度是效度的基础，只有信度高的测量工具，才能保证测量结果的可靠性，从而有效地推断总体特征。而效度则是信度的进一步延伸，它要求测量工具不仅要稳定可靠，还要能够准确地测量所要测量的概念。比如，一个焦虑测试如果信度低，那么它的测量结果就会不稳定，无法准确地反映个体的焦虑水平；而如果它的效度低，那么即使测量结果稳定，也无法准确地反映个体的焦虑水平，因为测试内容可能并不真正地测量焦虑。因此，心里学研究中需要同时关注信度和效度，只有两者兼备，才能保证测量结果的准确性和可靠性。解析思路：信度和效度是心里学研究中两个重要的概念，信度是测量工具的稳定性，效度是测量工