2025年大学《应用统计学》专业题库- 统计学在人类学研究中的作用

2025年大学《应用统计学》专业题库——统计学在人类学研究中的作用考试时间：______分钟总分：______分姓名：______一、简述描述性统计在人类学研究中主要起到的作用。请列举至少三种人类学研究中可能遇到的描述性统计应用场景，并说明相应的统计量（如均值、中位数、众数、方差、标准差或频率分布等）及其在场景中的作用。二、假设一位人类学家对某个社群的婚姻模式进行研究，收集了该社群成员的年龄数据（岁），数据如下：45,38,52,29,41,33,27,50,36,40。请计算该样本的均值、中位数和标准差。并简述你将如何解释这些统计量所反映的该社群成员年龄特征？在计算和使用这些统计量时，需要注意哪些潜在问题？三、人类学家常常需要比较不同文化或社会群体在某个特征上的差异。请阐述独立样本t检验的基本原理及其适用的前提条件。设想一个人类学研究的例子，说明你会如何运用独立样本t检验来研究问题，并简要说明你的研究假设、自变量、因变量以及需要满足的假设条件。四、在人类学调查中，研究者常常会收集定类数据（如性别、民族、居住地类型）和定序数据（如教育程度、社会地位等级）。请分别说明对于这两种类型的数据，通常可以采用哪些非参数统计方法来进行假设检验，并简要解释每种方法的基本思想和适用场景。在人类学研究中选择使用非参数方法而不是参数方法可能的原因有哪些？五、某人类学研究者旨在探讨某种文化现象（例如，某种仪式的参与频率）与个体社会经济地位（自变量）之间是否存在关系。研究者收集了参与者的社会经济地位评分（定序或定距数据）和仪式参与频率数据。请说明你可以建议该研究者使用哪些统计方法来分析这两者之间的关系？并解释选择这些方法的原因以及如何根据分析结果来判断关系的方向和强度。六、在人类学研究中，抽样是收集数据的关键环节。请比较方便抽样和随机抽样的主要区别。为什么在人类学研究，特别是涉及特定文化群体或小型社群时，研究者有时不得不采用非概率抽样方法（如方便抽样、判断抽样）？人类学家在使用这些方法时，应如何评估其可能对研究结果产生的偏倚？七、人类学家在运用统计方法分析数据时，需要认识到统计显著性与实际意义之间的区别。请解释什么是统计显著性，并说明可能导致研究发现统计显著但实际意义不大的原因。在人类学研究中，当统计分析结果显示某种关联或差异不具有统计显著性时，研究者应该如何解释这一结果？是否意味着该研究问题无需再关注？八、讨论在人类学研究中使用定量方法（统计学）可能带来的优势和局限性。结合一个具体的人类学研究方向，说明定量方法如何能够补充或增强定性方法的研究效果，或者反过来，为什么在某些人类学研究中，纯粹的定量方法可能存在不足？试卷答案一、描述性统计在人类学研究中主要作用是总结、概括和展示研究数据的基本特征和分布模式，使研究者能够直观了解样本或群体的基本情况，为后续分析提供基础。应用场景及统计量：1.场景：分析某个社群成员的年龄分布情况。作用：了解该社群成员的平均年龄、年龄集中趋势和离散程度。统计量：频率分布（了解年龄段构成）、均值（平均年龄）、标准差（年龄波动大小）。2.场景：比较不同性别群体在某项测量指标（如焦虑水平）上的平均表现。作用：观察不同性别在该指标上的平均水平差异。统计量：均值（不同性别的平均得分）。3.场景：统计某文化中不同社会角色的个体数量占比。作用：了解该文化的社会结构组成。统计量：频率（各角色人数）、百分比（各角色占比）。二、计算结果：*均值(Mean)=(45+38+52+29+41+33+27+50+36+40)/10=39.5*中位数(Median)=(排序后第5和第6个数的平均值)=(36+40)/2=38*标准差(StandardDeviation)≈8.06解释：均值39.5岁表示该社群成员的平均年龄；中位数38岁表示年龄排序后处于中间位置的数值是38岁，这可能比均值更能代表年龄分布的中心（如果数据偏斜则尤其如此）；标准差约8.06岁表示成员年龄围绕均值的平均偏离程度。计算和使用时需注意：数据是否为真实随机样本的代表性；数据是否服从正态分布（尤其计算均值和标准差时）；是否存在极端异常值（离群点），它会影响均值和标准差，可能需要单独讨论或处理。三、独立样本t检验原理：用于比较两个独立总体（来自两个不同组的样本）的某项连续性变量（或近似连续）的均值是否存在显著差异。基本思想是计算两个样本均值的差值，并将其标准化（除以合并标准误），得到t统计量，然后将该t统计量与t分布表中的临界值比较，判断均值差异是否由抽样误差引起。适用前提：1)样本来自的两个总体应服从正态分布；2)两个样本的方差相等（或近似相等），即方差齐性；3)两个样本相互独立。研究例子：研究A文化和B文化成年男性的平均身高是否存在显著差异。假设：A文化成年男性的平均身高显著高于B文化。自变量：文化（A文化vsB文化），因变量：成年男性身高（测量值）。需要满足：样本身高数据在两个文化内部接近正态分布；两个样本的身高方差比较接近；两个样本男性是不同的人。四、定类数据（Nominal）的非参数检验方法：卡方检验（Chi-squaretest），用于检验两个分类变量之间是否独立。符号检验（Signtest），用于检验中位数是否发生显著变化。威尔科克森符号秩检验（Wilcoxonsigned-ranktest），用于比较两个相关样本的中位数差异（配对样本）。定序数据（Ordinal）的非参数检验方法：曼-惠特尼U检验（Mann-WhitneyUtest），用于比较两个独立样本的中位数是否存在显著差异。威尔科克森秩和检验（Wilcoxonrank-sumtest），同曼-惠特尼U检验。克朗巴赫系数（Cronbach'salpha），用于检验测量工具（如问卷）内部一致性信度。选择原因：非参数方法对数据分布假设要求低，适用于偏态分布、小样本、定类或定序数据。人类学研究可能原因：研究对象样本量小，难以满足参数检验的样本量要求；数据因测量工具限制或本质原因，不满足正态性假设；研究关注点在于类别间比例差异或顺序差异，而非数值差异。五、建议使用的统计方法：1.斯皮尔曼等级相关系数(Spearman'srankcorrelationcoefficient,rho)：适用于两个定序变量，或一个定序一个定距变量，或两个连续变量但关系非线性时，测量两个变量间关系方向（正相关、负相关）和强度（0到1之间）。2.皮尔逊积矩相关系数(Pearsonproduct-momentcorrelationcoefficient,r)：适用于两个定距或定比变量，测量两个变量间线性关系的方向和强度。选择原因：需要判断社会经济地位（可能是定序或定距）与仪式参与频率（可能是定序或定距）之间的关系。斯皮尔曼相关适用于定序数据或破坏原始数据测量等级后的数据，适用性更广。皮尔逊相关适用于定距数据且关系预期为线性时。根据数据实际测量水平选择。分析结果判断：相关系数的符号（+/-）表示关系方向，绝对值（|r|）表示关系强度（越接近1越强，越接近0越弱）。六、主要区别：方便抽样是指根据研究者方便与否来选取样本，样本选取过程缺乏随机性，容易导致选择偏差。随机抽样是指严格按照随机原则，保证总体中每个个体都有同等被选中的机会。非概率抽样（如方便抽样、判断抽样）原因：人类学研究常涉及特定、偏远或难以接触的社群，难以进行完全随机抽样；研究目的有时是探索性研究，寻找能提供丰富信息的“典型”个体；成本、时间或伦理限制。评估偏倚方法：研究者需明确说明所使用的非概率抽样类型，并批判性地分析这种抽样方式可能如何导致样本不能代表总体，从而可能影响研究结论的普适性或有效性（例如，方便抽样可能过度代表易于接触的群体）。七、统计显著性：指研究发现的差异或关联极有可能不是由随机抽样误差造成的，即观察到的结果与零假设（假设无差异或无关联）的差异足够大。原因：统计显著性高但实际意义不大：可能是因为样本量非常大，即使是很微小的差异也会被检测出来（统计学上显著，但实际影响微不足道）；研究问题本身的重要性不高；统计显著性的结果与现有理论或常识大相径庭，需要进一步验证。解释结果：当结果不显著时，不应简单否定研究问题，而应考虑是否样本量不足（缺乏统计功效）、测量工具信效度问题、操作化定义不当，或者该文化现象本身确实没有预期的关联。需要结合定性信息或更大样本量进一步探究。八、优势：1)提供量化数据，使研究结果更客观、精确，便于比较和检验；2)能够处理较大规模的数据，揭示数据中隐藏的模式和关联；3)有助于检验理论假设，进行更严谨的因果推断（在控制变量后）；4)便于与其他学科或跨文化研究进行标准化比较。局限性：1)可能过于简化复杂的文化现象，忽略情境性和意义；2)难以捕捉文化现象背后的深层原因、意义和主观体验；3)定量方法的设计和实施可能带有研究者预