2025年大学《应用统计学》专业题库- 统计方法在行为心理学研究中的应用

2025年大学《应用统计学》专业题库——统计方法在行为心理学研究中的应用考试时间：______分钟总分：______分姓名：______一、选择题（每题2分，共20分）1.在一项比较两种教学方法对焦虑水平影响的实验中，焦虑水平是（）。A.自变量B.因变量C.操控变量D.横断面变量2.若要检验某新药是否比安慰剂更有效（假设效果表现为连续评分），最适合使用的假设检验方法是（）。A.单样本t检验B.配对样本t检验C.独立样本t检验D.卡方检验3.一个研究者想考察不同性别（男/女）在应对方式偏好上是否存在差异，应选择的统计检验方法是（）。A.t检验B.方差分析C.相关分析D.卡方检验4.已知两组数据的均值和标准差，要比较两组的离散程度，应计算（）。A.标准分数B.变异系数C.Z分数D.皮尔逊相关系数5.在行为心理学研究中，测量满意度等偏态度变量的相关性时，如果数据呈偏态分布，更推荐的相关分析方法是（）。A.皮尔逊积差相关B.斯皮尔曼等级相关C.肯德尔和谐系数D.点二列相关6.若要预测学生的焦虑水平（因变量）受其睡眠时长（自变量）和每天压力评分（自变量）的影响，应采用（）。A.简单线性回归B.多元线性回归C.逻辑回归D.逐步回归7.在进行方差分析（ANOVA）后，如果发现主效应显著但交互效应不显著，这意味着（）。A.至少有一个因素的主效应不显著B.组间差异存在，但组间差异不存在C.不同因素水平之间的组合效应没有显著差异D.至少有一个因素的主效应显著8.一个研究者想了解某个干预措施前后被试的抑郁得分变化，最适合使用的统计方法是（）。A.独立样本t检验B.配对样本t检验C.单因素方差分析D.相关分析9.报告统计结果时，除了p值，还应报告（）。A.样本量（n）B.效应量（EffectSize）C.标准误差D.以上所有10.选择统计方法时，首要考虑的因素是（）。A.使用的统计软件B.研究者的个人偏好C.数据类型和研究问题D.样本量的多少二、填空题（每空1分，共15分）1.描述统计主要用来描述数据的______和______特征。2.假设检验中，第一类错误是指当原假设为真时，错误地拒绝了原假设，其概率用______表示。3.在进行相关性分析前，应首先考察两个变量的______是否满足相关分析的前提条件。4.方差分析中，SS（总平方和）可以分解为SS（组间）和SS（______）。5.在回归分析中，自变量也称为______，因变量也称为______。6.当研究涉及一个分类自变量和一个连续因变量时，若要检验自变量对因变量的影响，通常采用______。7.标准分数（Z分数）表示一个原始分数距离其平均数有多少个______。8.报告相关系数r=0.6时，其解释强度一般较弱，可以判断这两个变量之间存在______的相关。三、计算题（每题10分，共30分）1.某研究者随机抽取了30名大学生，测量了他们在一次压力情境下的心率（次/分钟），数据如下（已排序）：70,72,75,76,78,80,81,82,83,85,86,87,88,89,90,92,93,94,95,96,97,98,100,102,103,105,106,108,110。请计算样本均值、样本标准差。2.随机抽取15名吸烟者，记录他们在接受戒烟宣传前后（分别为T1,T2）的吸烟量（每天香烟支数）。假设数据近似服从正态分布。T1均值为20支，SD=5支；T2均值为18支，SD=4支；T1与T2的样本协方差为-30。请计算配对样本t检验的t统计量，并说明其基本步骤。3.某研究者想比较三种不同的情绪调节策略（策略A,B,C）对焦虑水平（连续变量）的效果。随机分配20名被试，每人随机接受一种策略，事后测量其焦虑得分。请写出进行单因素方差分析的假设检验步骤，并简述F检验后若发现显著效应，如何进行事后多重比较（至少写出一种方法）。四、简答题（每题8分，共24分）1.简述在行为心理学研究中，使用相关分析法时应注意的主要问题。2.解释什么是回归分析的“过拟合”现象，并简要说明如何避免。3.在阅读一篇行为心理学研究论文时，如何判断研究者所使用的统计方法是否恰当？五、论述题（12分）结合行为心理学研究的具体例子，论述方差分析（ANOVA）在研究设计中的重要作用，并说明其应用时需要注意的关键前提条件。试卷答案一、选择题1.B2.C3.D4.B5.B6.B7.D8.B9.D10.C二、填空题1.集中；离散2.α（或显著性水平）3.线性关系4.组内5.自变量；因变量6.单因素方差分析（ANOVA）7.标准差8.显著三、计算题1.解：样本均值(Mean)=(70+110)/30=90/30=90/30=85样本方差(SampleVariance,s²)=Σ(xi-Mean)²/(n-1)=[(70-85)²+(72-85)²+...+(110-85)²]/29=[225+169+...+625]/29=1950/29样本标准差(SampleStandardDeviation,s)=√s²=√(1950/29)≈√67.24≈8.20(注：此处为简化计算，实际手算或计算器结果可能略有差异，如8.19)2.解：配对样本t检验统计量公式：t=(Mean₁-Mean₂)/[s_p√(1/n)]其中，Mean₁=20,Mean₂=18,n=15样本协方差(SampleCovariance,s_p)=Cov(X,Y)=-30样本标准差s₁=SD₁=5,s₂=SD₂=4样本方差s₁²=25,s₂²=16估计共同方差s_p²=(n(s₁²)+n(s₂²)+2*n*Cov(X,Y))/(2n(n-1))=(15*25+15*16+2*15*(-30))/(2*15*14)=(375+240-900)/420=-285/420≈-0.6786估计共同标准差s_p=√(-0.6786)此处计算结果为负数，表明协方差计算或代入有误，或数据前提不符。重新审视协方差计算：Cov=Σ[(x_i-Mean₁)(x_i'-Mean₂)]/(n-1)。若原始数据未给，无法直接计算协方差。通常题目会直接给s_p。假设题目意图是考察公式应用，且s_p已知或需用其他方式推导（如题目给的协方差是错的，或应有原始数据算s_p）。若按标准公式且s_p需从协方差和SD推导：s_p=√[(s₁²+s₂²-2*Cov(X,Y))/(2(n-1))]=√[(25+16-2*(-30))/28]=√(61+60)/28=√121/28≈3.46。代入t公式：t=(20-18)/(3.46*√(1/15))=2/(3.46*0.2582)≈2/0.894≈2.24。t临界值（双侧，α=0.05，df=n-1=14）查表得约2.145。结论：|t|=2.24>2.145，拒绝原假设，认为干预前后吸烟量有显著差异。3.解：单因素方差分析（ANOVA）步骤：1.提出零假设（H₀）和备择假设（H₁）：H₀：所有组的均值相等；H₁：至少有一个组的均值不等。2.计算各组的均值（Mean）、总均值（GrandMean）、组间平方和（SS_between）、组内平方和（SS_within）。3.计算自由度（df_between=k-1,df_within=N-k,N为总样本量，k为组数）。4.计算组间均方（MS_between=SS_between/df_between）、组内均方（MS_within=SS_within/df_within）。5.计算F统计量：F=MS_between/MS_within。6.查F分布表，根据α水平、df_between、df_within找到临界值F_crit。7.比较F观测值与F临界值：若F_obs>F_crit，则拒绝H₀；若F_obs≤F_crit，则不拒绝H₀。事后多重比较方法（一种）：如果F检验显著，需要进行事后比较。一种方法是TukeyHonestlySignificantDifference（HSD）检验。该方法计算HSD临界值（HSD=q*sqrt(MS_within*(1/n₁+1/n₂)))，然后比较各组均值差是否大于该临界值。大于则认为该两组均值存在显著差异。四、简答题1.解析：相关分析只能揭示变量间是否存在线性关系及关系强弱，不能证明因果关系。需注意：a.相关不等于因果：强相关可能无因果联系，或存在其他隐藏变量（混淆变量）影响。b.检查线性假设：相关系数（如r）假设关系为线性。若数据呈非线性，r值可能不准确，需考虑使用斯皮尔曼等级相关等。c.关注样本量和相关性强度：样本量小可能导致相关系数不稳定；r值绝对值大小需结合专业领域判断其实际意义。d.注意异常值影响：少数极端值可能显著影响相关系数的计算结果。e.考虑变量测量误差：测量工具不精确会增加误差变异，可能降低相关系数。2.解析：过拟合（Overfitting）是指模型过于复杂，不仅学习到了数据中的系统性模式（信号），还学习到了随机噪声，导致模型在训练数据上表现极好，但在未曾见过的新数据（测试数据）上表现很差。避免方法：a.增加训练数据量：更多数据能帮助模型学习到更本质的规律。b.减少模型复杂度：使用更简单的模型（如降低多项式回归的阶数、减少决策树深度、减少回归系数数量）。c.正则化（Regularization）：如Lasso（L1正则化）或Ridge（L2正则化），通过在损失函数中加入惩罚项来限制模型参数的大小。d.使用交叉验证（Cross-Validation）：如k折交叉验证，用多组数据评估模型泛化能力，选择在交叉验证中表现稳定的模型。e.数据分离：将数据明确分为训练集和测试集，模型在训练集上训练，在测试集上评估性能。3.解析：判断统计方法是否恰当需从以下几个方面考察：a.研究目的与问题：方法是否能有效回答研究问题。例如，比较均值用t检验或ANOVA，探究关系用相关或回归，分类数据用卡方等。b.数据类型与分布：方法对数据类型（连续/分类）和分布形态（正态/非正态）有要求。如t检验、ANOVA通常要求数据正态分布且方差齐性。若不满足，需考虑数据转换或使用非参数检验。c.样本设计：研究设计（如独立样本、配对样本、重复测量）决定了适用的方法。配对样本数据用配对t检验，独立样本数据用独立样本t检验。d.变量间关系：是线性关系还是非线性关系？是单一变量影响还是多个变量交互影响？这决定了选择回归、相关还是ANOVA等。e.统计假设：了解所用方法需满足的统计假设，并检查这些假设在数据上是否近似满足。f.结果解释的合理性：所选方法是否能产生有意义、可解释的结果。有时复杂方法不一定是最佳方法。五、论述题解析：方差分析（ANOVA）在行为心理学研究中扮演着核心角色，尤其在检验多个因素或处理对某个连续型因变量的影响方面。其重要性体现在：1.多组比较：ANOVA能同时比较两个或以上组的均值差异，解决了使用多个t检验导致的I类错误（假阳性）增加问题。例如，比较三种不同情绪调节策略对焦虑水平的效果，只需一个ANOVA即可判断是否存在总体差异。2.因素效应检验：可检验一个或多个自变量（因素）的主效应，即该因素的不同水平是否导致因变量均值出现显著差异。如检验性别（男/女）是否影响认知能力得分。3.交互效应检测：在多因素设计中，ANOVA能检测因素间的交互作用。交互效应指一个因素的主效应依赖于另一个因素的特定水平。这在行为心理学中非常关键，如考察不同性别在压力源（工作/学习）对焦虑水平的影响是否存在差异。存在交互效应意味着不能简单地说性别或压力源单独影响焦虑，它们是协同作用的。4.实验控制与因果推断：通过精心设计的实验（如随机分配被试