2025年大学《应用统计学》专业题库- 统计学方法在人类行为研究中的应用案例分析

2025年大学《应用统计学》专业题库——统计学方法在人类行为研究中的应用案例分析考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分。请将正确选项的代表字母填入括号内）1.在一项调查中，研究者测量了被试对“社会公平”的认同程度，数据为1（非常不同意）到5（非常同意）的评分，这种数据类型在统计学上通常被称为（）。A.定比数据B.定序数据C.定类数据D.比例数据2.当研究者想要比较两个独立群体（如男性和女性）在某个连续变量（如焦虑水平）上的平均差异时，最适宜选用的假设检验方法是（）。A.配对样本t检验B.独立样本t检验C.单样本t检验D.方差分析3.在一项关于广告类型对购买意愿影响的研究中，研究者收集了被试接触不同广告类型（定类变量）后是否购买的记录（买=1，不买=0）。若要分析广告类型与购买行为之间是否存在显著关联，最合适的统计检验方法是（）。A.线性回归分析B.Pearson相关系数C.卡方检验D.ANOVA4.如果一项研究旨在考察学习时间（自变量，连续）对考试成绩（因变量，连续）的影响，研究者希望建立一个模型来预测成绩，那么最常用的统计方法是（）。A.卡方检验B.独立样本t检验C.线性回归分析D.非参数检验5.在解释相关系数r的值时，下列说法正确的是（）。A.r=0表示两个变量之间完全没有关系B.|r|越大，变量间的线性关系越强C.r的值只能取正值D.r的值表示变量间因果关系的大小6.一个研究者想检验某种新疗法是否比传统疗法更有效（因变量为治疗效果评分，连续），选择了30名患者随机分成两组（每组15人），一组接受新疗法，另一组接受传统疗法。这种研究设计最适合采用的统计分析方法是（）。A.相关分析B.独立样本t检验C.配对样本t检验D.方差分析（若分组基于非连续变量或需比较多个疗法）7.在进行回归分析时，判定系数R²表示的是（）。A.自变量个数B.回归模型对因变量变异的解释比例C.回归系数的大小D.模型的预测误差8.对于小样本（如n<30）且总体标准差未知的情况下，估计总体均值时通常使用（）。A.Z分布B.t分布C.F分布D.卡方分布9.在一项关于年龄（自变量，连续）与政治参与度（因变量，定序：从不参与、偶尔参与、经常参与）的研究中，研究者最可能采用哪种方法来分析两者关系？（）A.Pearson相关系数B.Spearman秩相关系数C.线性回归D.卡方检验（若将定序变量转为二分变量）10.当研究者想要同时考察多个自变量（如性别、教育程度）对一个因变量（如工作满意度，连续）的影响时，最适合采用的统计方法是（）。A.简单线性回归B.双变量相关分析C.多元线性回归D.单因素方差分析二、简答题（每小题5分，共20分）1.简述假设检验中“第一类错误”和“第二类错误”的含义及其之间的关系。2.在人类行为研究中，使用相关系数分析数据时需要考虑哪些主要的局限性？3.解释什么是“信度”，并简述一种常用的信度评估方法及其原理。4.简述方差分析（ANOVA）的基本原理，并说明它在分析人类行为数据时可能的应用场景。三、计算题（每小题10分，共30分）1.某研究者欲考察两种不同的压力干预方法（方法A和方法B）对员工焦虑水平（用焦虑自评量表得分表示，分数越高表示焦虑越严重）的效果。随机选取了20名员工，随机分配到两种方法组（每组10人）。干预后，两组员工的焦虑得分如下（假设数据已整理，无需再处理）：方法A组得分：65,58,70,63,59,66,61,67,62,60方法B组得分：72,75,68,76,70,73,71,69,74,68请计算两组员工平均焦虑得分，并使用独立样本t检验（假设方差齐性）初步判断两种干预方法在降低焦虑水平方面是否存在显著差异。（无需进行假设检验的详细步骤，但需写出所使用的检验名称和计算出的关键统计量，如t值、df等）2.一项研究调查了大学生社交媒体使用时间（每天小时数，连续变量）与他们的孤独感得分（使用UCLA孤独感量表，分数越高表示孤独感越强，连续变量）之间的关系。随机抽取了15名大学生，其数据如下（假设数据已整理）：社交媒体使用时间（X）：4,6,3,5,2,7,4,3,6,1,5,8,2,4,3孤独感得分（Y）：45,38,50,42,55,35,48,52,40,60,43,32,56,47,49请计算变量X（社交媒体使用时间）和变量Y（孤独感得分）之间的Pearson相关系数r，并解释该系数的含义。（假设计算出的r值保留两位小数）3.某研究者欲了解不同年龄段（18-25岁，26-35岁，36-45岁）的网民对网络购物的信任度（使用信任量表，分数越高表示信任度越高，连续变量）是否存在差异。随机抽取了三个年龄段的网民各20人，他们的平均信任得分及样本标准差如下表所示（表头和数据已省略，假设数据已提供）：请使用单因素方差分析（ANOVA）检验三个年龄段网民在网购信任度上是否存在显著差异。（假设计算出的F值及p值已提供，请写出所使用的检验名称、关键统计量F值及p值，并说明基于此结果，你能否得出三个组之间存在两两差异的结论？如果想知道具体哪些组之间存在差异，通常需要进一步进行什么检验？）四、案例分析题（共30分）某研究旨在探讨社交媒体使用强度（高、中、低，定类变量）与大学生主观幸福感（使用幸福感量表测量，分数越高表示幸福感越强，连续变量）之间的关系。研究者随机抽取了100名大学生作为样本，收集了他们每日社交媒体使用时长（作为分类依据）和幸福感得分的数据。研究假设是：社交媒体使用强度越高，大学生的主观幸福感越低。请基于上述研究背景，回答以下问题：1.该研究的主要研究问题和假设是什么？（5分）2.你认为该研究最适合采用哪种统计方法来检验假设？为什么？（6分）3.请简述使用所选统计方法进行分析的基本步骤（包括需要计算的统计量、如何判断结果的显著性等）。（10分）4.假设分析结果显示，社交媒体使用强度与主观幸福感之间存在显著的负相关（r=-0.25,p<0.05），请解释这个结果的含义，并说明它是否支持研究者的假设？（7分）5.在报告研究结果时，除了统计结果外，你认为还需要说明哪些信息？（2分）试卷答案一、选择题1.B2.B3.C4.C5.B6.B7.B8.B9.B10.C二、简答题1.第一类错误（α错误）是指在原假设H₀为真时，错误地拒绝了原假设，即“虚报了效应”。第二类错误（β错误）是指在原假设H₀为假时，错误地未能拒绝原假设，即“未能发现真实的效应”。两者之间的关系是：减小第一类错误的概率（α）通常会增大第二类错误的概率（β），反之亦然，在一定样本量下难以同时显著降低。通常需要在研究设计中平衡两者。2.局限性包括：①相关不等于因果，即两个变量存在相关性，不代表一个变量引起另一个变量的变化。②相关系数只描述线性关系，对于非线性关系可能无法准确反映。③相关系数受极端值影响较大。④相关系数的强弱需要结合实际情境和变异量（如共变数）来解释。⑤对于定序数据或名义数据，使用Pearson相关系数可能不恰当，应考虑使用Spearman秩相关或Kendall'stau等。3.信度是指测量工具或方法在不同时间和不同情境下重复测量同一对象时，所得结果的一致性和稳定性程度。重测信度是一种常用的信度评估方法，其原理是使用同一套测量工具对同一组被试进行两次测量（时间间隔适当），计算两次测量结果的相关性（通常用Pearson相关系数）。相关系数越高，表示测量工具的重测信度越好，即测量结果越稳定可靠。4.方差分析（ANOVA）的基本原理是通过比较不同组别内部数据的变异（组内平方和）与不同组别之间数据的变异（组间平方和）的相对大小，来推断这些组别的总体均值是否存在显著差异。它将总变异分解为由因素效应引起的变异和随机误差引起的变异。在人类行为研究中，ANOVA可用于分析不同群体（如不同性别、不同实验处理组）在某个连续变量（如态度得分、认知能力测试成绩）上的均值差异，或分析多个自变量（如不同教育方式、不同压力源）对一个因变量（如工作绩效、心理健康水平）的综合影响。三、计算题1.方法A平均分=(65+58+70+63+59+66+61+67+62+60)/10=631/10=63.1方法B平均分=(72+75+68+76+70+73+71+69+74+68)/10=715/10=71.5独立样本t检验（假设方差齐性）：检验统计量：t自由度：df=10+10-2=18（关键结果：t值、df值、p值，具体数值需根据原始数据计算，此处未提供计算过程和结果）2.Pearson相关系数r=(sum[(xi-x̄)(yi-ȳ)])/(sqrt(sum[(xi-x̄)²])*sqrt(sum[(yi-ȳ)²]))（计算过程需代入原始数据，此处未提供计算过程和结果）结果解释：计算出的Pearson相关系数r的值（假设为-0.25）表示变量“社交媒体使用时间”和“孤独感得分”之间存在中等强度的负相关关系。即，随着社交媒体使用时间的增加，大学生的孤独感得分倾向于降低。相关系数的绝对值|r|越接近1，表示线性关系越强；越接近0，表示线性关系越弱。负号表示两者关系为反向变化。3.单因素方差分析（ANOVA）：检验统计量：F（关键结果：F值、p值，具体数值需根据原始数据计算，此处未提供计算过程和结果）结论与进阶检验：基于计算出的F值和p值（假设p<0.05），可以得出结论：三个年龄段网民在网购信任度上总体上存在显著差异。但是，这只是一个整体结论，并不能确定是哪两个或哪些组之间存在差异。若想知道具体哪些组之间存在两两差异，通常需要进一步进行事后多重比较检验（如LSD、TukeyHSD、DunnettT3等），这些检验能在整体显著的条件下，控制家族误差率，检验任意两组均值之间是否存在显著差异。四、案例分析题1.研究问题：社交媒体使用强度（高、中、低）与大学生主观幸福感（得分越高越幸福）之间是否存在关系？研究假设：社交媒体使用强度越高，大学生的主观幸福感越低。（这是一个负相关或反向关系的假设）2.最适合方法：Spearman秩相关系数。原因：①自变量“社交媒体使用强度”是定类变量（高、中、低），需要转换成有序的秩次进行相关分析。②因变量“主观幸福感”是连续变量。③研究目的是探讨两者间的关系强度和方向，而非预测。Pearson相关系数适用于两个连续变量，且假设数据呈正态分布，此处不满足。卡方检验用于分类变量关系，不适用于连续因变量。回归分析用于预测或解释，且通常要求自变量为连续。Spearman秩相关适用于至少一个变量为定序变量的情况，可以衡量定序自变量与连续因变量间的关联程度。3.基本步骤：①数据转换：将定类自变量“社交媒体使用强度”（高、中、低）转换为有序的秩次，例如：高=3，中=2，低=1。②计算相关系数：使用转换后的秩次数据和连续因变量“主观幸福感”的得分，计算Spearman秩相关系数（ρ或r_s）。③检验显著性：将计算出的ρ值与Spearman相关系数的临界值表（根据样本量n=100和显著性水平α，如0.05）进行比较，或计算对应的p值。也可以通过转换ρ值后进行t检验来判断其显著性。④解释结果：根据ρ值的正负判断关系的方向（正为正相关，负为负相关），根据ρ值的绝对值大小判断关系的强度（|ρ|越接近1，关系越强；越接近0，关系越弱）。4.结果解释与假设支持：分析结果（r_s=-0.25,p<0.05）表示，在100名大学生样本中，社交媒体使用强度与主观幸福感之间存在显著的负相关关系（r_s=-0.25）。这意味着，在使用社交媒体强度较高的组别中，大学生的主观幸福感得分倾向于较低；而在使用社交媒体强度较低的组别中，主观幸福感得分倾向