心理教育 大纲

《心理与教育统计》参考用课程大纲【课程编号】【课程类别】必修课【授课对象】本科生【先修课程】高等数学（如有）【开课学期】【学时与学分】48学时，4学分【主讲教师】【指定教材】温忠麟.(2026).心理与教育统计(第3版).北京：中国人民大学出版社【主要参考文献】弗雷德里克·J·格雷维特等著，刘红云,骆方译.(2024).行为科学统计精要(第10版),中国人民大学出版社.雅各布·科恩等著，陈俊霖译.(2026).行为科学应用统计：多元回归与相关分析(第3版).‌商务印书馆.‌张厚粲，徐建平.(2020).现代心理与教育统计学(第5版).北京师范大学出版社.【考核方式】平时成绩30%（作业及期中报告20%，课堂参与及出勤10%），期末成绩70%【教学目的】本课程是心理学系面向本科生开设的专业课，是心理学量化研究的核心基础工具课程。课程立足心理学实证研究范式，系统讲授心理与教育统计学的基本概念、核心理论、统计思维与实操方法，完整覆盖描述统计核心内容、概率论基础理论、推断统计核心方法，同时深入讲解调节与中介效应分析、Logistic回归、因子分析等心理学研究高频应用的高级统计建模技术。课程配套SPSS与Excel软件全流程操作教学、经典案例解析与实战训练，通过教师精讲、公式原理推导、实操演练、习题研讨、小组项目与综合实践等多元教学方式，帮助学生建立心理学量化研究全链条的完整逻辑认知，系统掌握心理统计学完整知识体系，全面提升研究场景下的数据特征识别、统计方法匹配、规范建模分析、结果有效性评估与科学解读呈现的核心能力，为后续专业学习与科研实践筑牢坚实的量化方法基础。【课程简介】心理统计学是心理学科的专业基础课程之一，是进一步学习和掌握《心理测量学》、《实验心理学》、《心理学研究方法》等心理学专业重要课程的先修课程，用统计分析方法对实际数据进行分析是心理学研究必不可少的基本技能。本课程主要包括：常用统计量、常用统计图表、相关与回归分析、概率分布与抽样分布、参数估计、假设检验、方差分析、中介与调节分析、因素分析等基础统计学内容，旨在让学生掌握心理与教育统计的基本思想与基本知识技能，了解统计基本原理与基本统计方法适用的前提条件，理解各种基本统计方法的数据分析结果的含义，为后续相关课程的学习及今后进行科学研究打下基础。【课程思政设计思路】本门课程立足心理与教育统计的学科属性与育人目标，从“统计赋能教育与心理健康事业的中国实践与价值引领”“科学素养培育与责任担当塑造”两个核心维度，将课程思政有机融入全章节教学全过程。课程覆盖从基础统计、推断统计到进阶建模的全模块内容，全程结合教育强国、健康中国战略与教育评价改革、社会心理服务体系建设的现实需求，融入教育质量监测、国民心理健康普查等本土实践案例。引导学生理解统计工具如何服务“以人民为中心”的发展思想，强化用科学方法服务国家战略的价值认同，培养扎根中国大地做研究的社会责任感与专业使命感。课程通过多元教学方式，带领学生掌握心理与教育科研全流程数据分析体系，强化实事求是、严谨规范的科学精神，恪守科研伦理、保护隐私的底线思维与严守学术诚信的职业操守，引导学生练就扎实基本功，以数据为核心开展研究，将专业能力转化为服务教育实践、推动学科本土化发展的实际行动。【教学进度】本课程教学进度参照48学时进行安排，具体章节安排与内容分配如下，可依据实际教学需求灵活调整，例如可安排2学时用于考试。第一章 变量与数据课时安排：1学时教学重点：统计学与心理教育统计的学科定位与应用价值；定量研究完整流程与统计的核心作用；变量类型、测量级别与编码、反向题处理；操作定义对研究可重复性的意义。教学难点：定量与定性研究的范式差异；四类变量的区分与适用统计方法匹配；反向题重新编码逻辑与操作；总体、样本、变量的概念深化理解教学内容：§1.1统计学与心理教育统计统计学定义与研究范畴；心理与教育统计的交叉学科属性；统计在定量研究中的核心地位。§1.2研究类型与定量研究流程质性研究与量化研究的区别；定量研究八大步骤：文献检索→研究设计→前期研究→数据收集→数据整理→统计分析→结果解释→成果呈现。§1.3总体、样本与被试总体、个体、样本、样品（被试）、样本容量；抽样观测的基本逻辑。§1.4变量与数据基础变量定义、变量值与样本数据；数据来源：调查、实验、测验；变量命名与编码规则。§1.5反向题与重新编码正向题与反向题的差异；反向题重新编码方法与目的；反向题使用的问题与改进建议。§1.6变量操作定义操作定义的内涵与作用；操作定义的设计与应用；基于操作定义的变量计算§1.7变量类型与测量级别名义变量、有序变量、等距变量、比率变量；类别变量与连续变量划分；SPSS三类测量级别：标度、有序、名义。§1.8数据电子表格格式数据录入规范：被试为行、变量为列；SPSS变量设置与显示规则。教学要求：清晰区分质性与量化研究，复述定量研究完整流程；准确界定总体、样本、变量等核心概念；掌握四类变量特征，能正确判断变量类型；熟练完成变量编码与反向题重新编码；理解操作定义，能为研究变量撰写操作定义。本章考点：统计学与心理教育统计的核心作用；定量研究完整步骤与各环节任务；总体、样本、变量等基本概念辨析；四类变量特征、判断与适用场景；变量编码、反向题处理与操作定义。本章课程思政设计：树立规范研究意识，强调数据编码与操作定义的严谨性；培养科学思维，区分定性与定量研究的适用边界；引导以规范方法开展研究，保障研究可重复、可对比。第二章频数分析课时安排：1学时教学重点：类别变量与连续变量频数分析的核心方法；频数、频率、百分比、累积百分比的计算与解读；频数分布表的编制、展示与数据解释；频数分析的SPSS操作流程与结果输出解读。教学难点：连续变量分组规则（全距、组距、组数、组限）的确定；名义变量与有序变量频数分析的适用差异；累积百分比的统计意义与应用场景；连续变量重新编码与SPSS分组操作逻辑。教学内容：§2.1描述统计与频数分析概述心理与教育研究中描述统计的定位；频数分析的作用与分析流程；频数、频率、百分比核心概念。§2.2类别变量的频数分析名义变量频数分析；有序变量频数分析；双类别变量交叉频数分析（分组比较）；频数分布表编制与结果解读。§2.3连续变量的频数分析连续变量分组核心步骤；分组登记、频率与累积百分比计算；连续变量频数分布表编制与解读。§2.4频数分析的SPSS操作类别变量SPSS频数分析步骤；连续变量重新编码（分组）SPSS操作；SPSS结果输出整理与规范呈现。教学要求：掌握类别变量的频数分析方法。了解连续变量数据分组及计算频数、频率、百分比和累积百分比的过程。学会利用频数分布表展示和解释数据分布情况。掌握频数分析的SPSS操作和结果解读。本章考点：频数、频率、百分比、累积百分比的计算与含义连续变量分组的关键参数（全距、组距、组限）类别变量与连续变量频数分析的差异SPSS频数分析操作与结果整理规范本章课程思政设计：培养数据处理严谨性，确保统计计算准确、表格规范树立客观分析意识，基于数据事实得出结论引导运用统计方法服务教育评价与学情分析第三章样本的数字特征课时安排：2学时教学重点：集中趋势：众数、中位数、均值的计算与适用；离散程度：全距、四分位差、方差、标准差的计算与适用；正态分布、偏态系数、峰态系数的含义；标准分（Z分数）计算与应用；描述统计的SPSS操作与结果解读。教学难点：集中量数与差异量数的选择依据；样本方差自由度（n-1）的理解；偏态、峰态与分布形态的对应关系；标准分的统计意义与实际应用。教学内容：§3.1数据分布的集中趋势众数；中位数；均值；三种集中量数对比与选择。§3.2数据分布的离散程度全距；四分位数与四分位差；方差；标准差；各类差异量数对比与选择。§3.3数据分布形状正态分布的核心特征（偏态系数和峰态系数）。§3.4标准分（Z分数）标准分的计算公式、统计性质、意义与应用场景。§3.5SPSS描述统计操作频数分析；描述统计；输出结果解读与图表选择。教学要求：能计算并解释众数、中位数、均值能计算并解释方差、标准差、四分位差依据变量类型与分布选择合适描述统计量理解正态分布、偏度、峰度含义掌握标准分计算与应用熟练使用SPSS完成描述统计并解读结果本章考点：集中量数的计算、特点与适用场景差异量数的计算、特点与适用场景偏态系数、峰态系数与分布形态判断标准分计算、性质与应用SPSS描述统计操作与结果解读本章课程思政设计：强化数据严谨性，规范统计量计算与结果报告培养客观分析思维，基于数据特征选择合适方法树立精准表达意识，科学呈现数据分布与结果第四章统计图课时安排：2学时教学重点各类统计图（条形图、线形图、时序图、饼图、散点图、箱型图、茎叶图、直方图、多边形图）的适用场景与图形特征；基于研究目的与数据类型（离散/连续、单变量/双变量、分类/时序）合理选择统计图的能力；使用SPSS进行常见统计图绘制的标准化操作流程与结果解读方法；统计图与统计表的互补关系，及其在数据可视化与科学表达中的作用。教学难点区分易混淆图型（如条形图与直方图、线形图与多边形图、箱型图与茎叶图）的适用边界与信息承载差异；理解异常值识别机制（如箱型图“须”长设定依据）、分组作图逻辑（聚类/分层/标记）在SPSS中的实现原理；从图形表征中抽象出数据分布特征（集中趋势、离散程度、偏态、异常点、相关性）的综合解读能力。教学内容§4.1统计图概述统计图的定义、功能与局限性；统计图与统计表的协同使用；统计图分类体系：按变量维度（单变量/双变量/多变量）、数据类型（离散/连续）、表现形式（静态/动态/时序）。§4.2条形图一、频数与百分比条形图定义、图形结构（类别轴与频数/百分比轴）；适用对象：性质相似的离散分类变量（如性别、年级、等级）；举例：学生性别频数图（图4-1）、年龄百分比图（图4-2）。二、SPSS操作简单条形图（单分类变量）；复式/堆积条形图（双分类变量分组比较）；高阶应用：以连续变量函数（如均值）为条高（如不同年龄语文平均分）；图形编辑技巧（颜色、标签、坐标轴调整）。§4.3线形图一、基本原理以点位高度表示数值，折线连接体现变化趋势；适用于有序分类变量或连续变量的均值/频数序列（如年龄→数学平均分）；多重线形图用于跨组比较（如男/女分年龄趋势）。二、SPSS操作简单线形图与多重线形图；自定义统计量（均值、中位数等）作为折线取值。§4.4时序图一、定义与特征横轴为时间/序号，纵轴为变量值；可叠加多变量（如教材费、杂费），便于动态对比；例：小学各年级费用变化（图4-9）。二、SPSS操作时间轴标签设置（年级作为类别标签）；与线形图的异同辨析。§4.5饼图一、原理与局限扇形面积表比例，强调构成关系；适用：类别数少（≤5）、比例差异明显；禁忌：类别过多、比例接近时易误判。二、SPSS操作原始数据与汇总数据（“变量总和”选项）；分区依据与百分比计算逻辑。§4.6散点图一、核心价值揭示双变量间关系（方向、强度、非线性、异常点）；基础：二维点集；进阶：按第三变量着色/标记（如性别分组）；例：语文vs英语成绩相关性（图4-13）。二、SPSS操作简单散点图（X-Y轴指定）；分组散点图（标记设置依据）；与相关分析/回归的衔接提示。§4.7箱型图（盒须图）一、信息密度解析四要素：中位数、Q1/Q3（箱体）、须长（1.5×IQR）、异常点；优势：同时呈现集中趋势、离散度、对称性与离群值；理论依据：标准正态分布下须长覆盖99.3%数据；例：男女生语文成绩对比（图4-15）。二、SPSS操作分组逻辑（类别轴）与异常点标注机制；与茎叶图的互补性说明。§4.8茎叶图一、结构与解读“茎”（高位数）+“叶”（低位数）构成原始数据还原图；适用：小样本连续变量（n<100），兼顾频数分布与数值细节；例：30名学生语文成绩（图4-16）；茎宽设定对数值还原的影响（10/1/.1等）。二、SPSS操作1.与箱型图、直方图、Q-Q图的集成输出；2.分类绘制（因子列表）方法。§4.9直方图与多边形图一、频数直方图连续变量的“条形图”，组距无间隙；与频数分布表的对应关系；频率/频数高度转换。二、频数多边形图由直方图中点连线生成，体现分布轮廓；两端扩展零频组以闭合至横轴；与累积频率曲线、密度函数的联系（第五章铺垫）。三、SPSS操作多边形图与累积曲线：基于频数表新建数据→时序图实现；光滑曲线处理（内插线/样条）。教学要求能准确判断不同研究问题应选用的统计图类型；熟练完成SPSS中9类统计图的绘制与基本编辑；能结合图形特征（如箱体位置、散点趋势、须长异常点）对数据分布进行专业解读；理解统计图在科研报告、政策简报中的证据呈现价值，避免“图式误导”。本章考点各类统计图的适用条件与核心特征（尤其条形图、直方图、箱型图信息构成）；SPSS关键操作步骤（如复式条形图的“聚类定义依据”、茎叶图的“探索”命令路径）；图形解读能力：从箱型图识别异常值、从散点图判断相关方向、从多边形图推测分布形态；统计图与统计表的互补逻辑。本章课程思政设计数据伦理观：强调统计图呈现需真实、客观、无误导，反对“美化式作图”掩盖问题（如截断纵轴夸大差异）；科学严谨性：通过箱型图异常点识别、茎叶图数据还原，培养“数据敏感性”与“证据意识”；服务实践导向：结合职业健康场景（如员工压力评分分布→箱型图；工作年限与满意度趋势→线形图），体现统计工具在组织诊断与员工福祉评估中的应用价值。第五章概率基本知识课时安排：4学时教学重点随机现象与随机试验的本质特征及其在心理与教育研究中的普遍性；事件的定义、分类（基本/复合）与集合化表达，掌握事件间关系（包含、相等、对立、互不相容）及运算（和、积、补）；概率的定义与两类核心类型：古典概率与统计概率，理解其适用前提与局限；概率的性质与运算法则：加法公式、乘法公式、条件概率、全概率公式与贝叶斯公式的逻辑结构与应用价值，尤其在因果推断与诊断推理中的现实意义。教学难点区分事件关系与运算的集合语义；理解条件概率的“背景限定”本质；掌握贝叶斯公式中“先验→后验”的推理逆转逻辑，克服直觉偏差（如例5.7中的“表现异常=高概率作弊”反直觉结论）；将抽象概率公式（如全概率、乘法公式）转化为结构化解题路径（如概率树建模）；在心理/教育情境中准确建模“试验”与“事件”（如：一次测验=随机试验；“答对某题”=随机事件）。教学内容§5.1事件及其运算一、随机现象与随机试验必然现象与随机现象的界定标准（确定性/不确定性）；随机试验三条件（可重复性、结果可知性、结果不确定性）；心理学典型场景：被试反应、测验成绩、性别/性格分类等；大数定律的初步体现（如男女出生比≈1:1、IQ分布趋近正态）。二、事件的定义与类型基本事件（不可再分）与复合事件（可分解）的相对性（例5.1,5.2）；事件的集合化表示：样本空间U（必然事件）、空集V（不可能事件）；事件作为“可观察结果”的操作定义（服务于后续概率赋值）。三、事件的关系与运算包含（A⊆B）：A发生⇒

B发生；相等（A=B）：互为子集（例5.1中

D=E）；事件和（A∪B）：至少一个发生；基本事件之和=必然事件；事件积（A∩B）：同时发生；不同基本事件之积=不可能事件；对立事件（Aˉ）：A与Aˉ互斥且穷尽（A∪Aˉ=U，A∩Aˉ=V）；互不相容（A∩B=V）：≠对立事件（对立必互斥，互斥未必对立）；运算律：交换律、结合律、分配律、对偶律，强调其与集合论同构性。§5.2概率一、概率的定义与公理概率是衡量随机事件发生可能性大小的数值指标；性质：0≤P(A)≤1，P(U)=1，P(V)=0；概率的客观性（非主观猜测）与可验证性（通过频率或理论推导）。二、古典概率前提：有限样本空间+等可能性；公式：P(A)=mn（m：事件关键技能：正确计数基本事件（例5.3：组合数应用；例5.5：超几何模型）；心理学应用：选择题猜测正确概率、随机分组概率等。三、统计概率定义：大量重复试验中频率的稳定极限值；频率性质：0≤f(A)≤1，f(U)=1，f(V)=0，可加性，稳定性（表5-1硬币实验）；与古典概率的关系：统计概率是经验近似，古典概率是理论理想；现实意义：中靶率、及格率、生男孩概率等均源于统计估计。§5.3概率的性质和运算一、概率的基本性质单调性：如果，则P(A互补性P(有限可加性（互斥事件和的概率=各概率之和）；应用策略：利用对立事件简化计算（例5.4续1）。二、加法公式（事件和的概率）一般公式：P(A∪B)=P(A)+P(B)−P(A∩B)；互斥情形：P(A∪B)=P(A)+P(B)；几何解释：文图中阴影面积=两圆面积和−重叠面积。三、条件概率定义：P(B∣A)=P(A)P(A∩B)​（P(A)>0）；本质：在“AA已发生”的新样本空间中重新计算概率；例5.4续2：已知“至少一男孩”，求“性别相同”的概率（从8→7个基本事件）；四、事件的独立性定义：P(B∣A)=P(B)

或

P(A∩B)=P(A)P(B)；物理意义：“A发生与否不影响B发生的可能性”；心理学典型：多子女性别独立、多题作答独立（例5.4续3）；重要提示：独立≠互斥（互斥事件必不独立，除非概率为0）。五、乘法公式（事件积的概率）一般式：P独立情形：P(应用：多阶段试验概率（如连续三次答对概率）。§5.4全概率公式和贝叶斯公式一、全概率公式逻辑：将复杂事件

B

按完备事件组

{A1公式：P(B例5.6：抽奖顺序不影响中奖概率（体现公平性）；解题工具：概率树（图5-7）——直观呈现路径概率与分支乘积。二、贝叶斯公式推导：由乘法公式+全概率公式导出；公式：P(核心思想：从结果反推原因，更新信念（先验→后验）；例5.7：作弊检测问题——先验：P(A)=10%（作弊率）；似然：P(B∣A)=95%（作弊者表现异常概率）；后验：P(A∣B)=77.9%（表现异常者作弊概率）；心理学价值：临床诊断（症状→疾病）、教育评估（表现异常→学习障碍推断）、认知偏差研究（如基础率忽略效应）。教学要求能准确辨析随机现象、随机试验、事件、基本事件等核心概念；能将实际问题抽象为事件关系与运算模型（如用文图辅助分析）；能根据数据特征选择古典概率或统计概率模型并正确计算；熟练应用加法、乘法、条件概率、独立性判定等规则解决复合问题；能构建概率树或使用全概率/贝叶斯公式解决含“背景分类”或“因果逆转”的现实问题；理解概率论作为推断统计基石的学科地位，为第六章“随机变量与分布”奠定基础。本章考点随机试验三条件与事件的集合化理解；事件关系（对立/互斥/包含）与运算（和/积）的辨析；古典概率计算（含组合计数）与统计概率的适用条件；加法公式、乘法公式、条件概率的公式表达与应用；独立性判定及与互斥关系的区分；全概率公式结构与贝叶斯公式中“先验→后验”的逻辑转换；概率树建模能力（尤其在多阶段试验中）。本章课程思政设计科学理性精神：通过“频率稳定性”（表5-1）强调实证精神——概率不是主观臆断;以抽奖公平性（例5.6）说明规则设计的数学严谨性对社会公正的支撑作用。批判性思维与认知偏差警示：剖析贝叶斯例题5.7：揭示“基础率忽略”（baserateneglect）这一常见认知偏差；引导学生反思：在教育评价、心理诊断中，是否过度依赖“高表现异常”而忽视群体先验概率？科学服务社会价值观：将概率模型应用于教育公平（如随机分班、抽样评估）、心理健康筛查（症状-疾病后验概率）；强调统计工具应服务于“以人为本”的治理目标，而非强化偏见（如算法歧视的防范）。学术诚信与数据伦理：说明“统计概率”依赖真实、充分的样本数据；警惕伪造频率数据、操纵先验概率将导致错误推断与决策失误。本章参考文献Ross,S.M.(2014).AFirstCourseinProbability(9thed.).Pearson.盛骤,谢式千,潘承毅.(2020).概率论与数理统计(第5版).高等教育出版社.第六章 随机变量及其分布课时安排：4学时教学重点：理解随机变量是定义在事件集合上的函数；掌握离散型与连续型随机变量的区别；掌握数学期望（均值）作为“加权平均”的含义；理解方差与标准差衡量离散程度的统计意义；掌握n重贝努里试验的概率模型理解正态分布由均值和方差唯一确定；掌握标准化变换熟悉X2分布、t分布及F教学难点：理解连续型变量“点概率为零”，概率表现为曲线下方的面积。掌握二项分布在np≥5且nq≥5时可用正态分布近似计算的条件。教学内容：§6.1离散型随机变量分布列的性质；均值E(X)与方差Var(X)的性质。§6.2二项分布0-1分布（两点分布）；二项分布的均值np与方差npq。§6.3正态分布正态曲线的性质（对称性、渐近线）；标准正态分布N(0,1)及概率计算。§6.4常用连续型分布X2分布、t分布及F教学要求：掌握均值、方差、标准差的计算及性质；熟练进行正态分布的标准化变换，能通过查表或软件计算特定区间的概率；能识别实际问题中的分布类型（如猜测作答属于二项分布）。本章考点：Z分数的计算与应用；正态分布曲线下特定面积（如±1.96标准差）的含义；t分布与标准正态分布的形态对比。本章课程思政设计：通过随机变量“抽样前不确定、抽样后确定”的特性，引导学生认识事物发展中偶然性与必然性的统一，培养在不确定性中寻找规律的科学态度。正态分布被广泛应用于身高、智商等自然和社会现象，通过讲解其“中间大、两头小”的普适特征，教育学生尊重客观事实，在评价个体时秉持平和、客观的眼光。第七章 参数估计和假设检验课时安排：4学时教学重点：理解统计量的“双重身份”——抽样前是随机变量，抽样后是观测值。掌握点估计的无偏性评价标准；掌握均值置信区间的构造及其影响因素。深刻理解“小概率原理”与类似“反证法”的推理过程。掌握单总体t检验、两总体配对样本与独立样本t检验的适用条件。理解效应量（Cohen’sd）衡量实际意义，检验力（1-β）衡量拒绝错误H0教学难点：理α错误（拒真）与β错误（受伪）的关系及其在增加样本量N时的变化。理解独立样本检验中Levene检验的作用（决定读取哪行t值）。如何结合P值（显著性）、效应量和检验力做出综合结论。教学内容：§7.1统计量及其分布样本均值X的分布（E(X)=μ，Var(X)=§7.2参数估计无偏估计量（X和S2§7.3假设检验概述零假设H0与备择假设H§7.4总体均值的检验Z检验与t检验；SPSS操作流程及显著性概率（P值）解读。§7.5效应量与检验力Cohen'sd的计算；先验检验力分析与被试量估算。§7.6分布检验Q-Q图、K-S检验（正态性）及卡方X2教学要求：能结合实际研究问题提出H0和H掌握t检验的SPSS结果解读（特别是P值与方差齐性）；能结合显著性、效应量和检验力给出完整的统计结论。本章考点：区间估计的半径公式；两类错误的定义及其在增大人数时的变化；效应量指标（d、R2、本章课程思政设计：假设检验推理过程类似“反证法”，通过讲解两类错误无法同时减小的矛盾，引导学生学会辩证看待问题，在面临复杂决策时懂得取舍与控制风险。强调显著性水平α受保护的地位，以及“统计显著”不等于“实际意义”（效应量），培养学生严谨治学、不盲目追求显著结果、拒绝虚假科研发现的学术操守。在卡方检验中，通过对比“观测频数”与“期望频数”的差异，引导学生理解评价体系中公平分配与预期达成的重要性，强化规则意识。本章参考文献：郑昊敏，温忠麟，吴艳.(2011).心理学常用效应量的选用与分析,心理学科进展，19(12)第八章 相关分析课时安排：4学时教学重点：协方差和相关分析的定义及相互联系；皮尔逊相关系数的定义、性质及其应用；不同级别变量（等距、名义、有序）的相关系数计算方法与结果解释；列联表分析方法及独立性检验；肯德尔和谐系数的计算与应用；相关系数在测量信度（重测、复本、分半、Alpha系数）方面的应用；相关分析、列联表分析和信度分析的SPSS操作。教学难点：理解不同级别变量之间应选用何种相关系数（如皮尔逊、斯皮尔曼、点双列等）；区分相关关系与因果关系，避免过度推论；理解相关系数的“减少误差意义”以及不对称/对称关系的区分；掌握列联表分析中卡方检验与相关系数的区别与联系；深刻理解测验信度各指标的统计学意义及适用条件。教学内容：§8.1相关分析概述相关与协方差的定义、相关的方向与程度；样本相关系数的特性及显著性检验。§8.2皮尔逊相关系数等距变量的线性相关计算；点双列与斯皮尔曼等级相关系数的转换与应用。§8.3列联表与和谐系数类别变量的独立性卡方检验；有序变量的相关系数计算；肯德尔和谐系数的应用。§8.4测验信度与软件应用测验信度的核心概念与主要分类；α系数的计算；相关与信度分析的SPSS操作。教学要求：理解相关、协方差、相关系数等基本统计概念，明确相关与因果的区别。能根据数据的测量级别（等距、有序、名义）正确选择相关分析方法或相关系数。熟练掌握使用SPSS进行双变量相关分析、列联表分析（卡方检验）和信度分析（α系数和分半信度）的操作与结果解读。能将相关分析和信度分析应用于心理量表的编制和数据处理中。本章考点：皮尔逊相关、斯皮尔曼相关、点双列相关系数的定义与适用条件。列联表独立性卡方检验的原假设、计算逻辑及结果解释。肯德尔和谐系数的意义与应用。测验信度（重测、复本、分半、α系数）的概念、适用场景及计算。相关分析、列联表和信度分析的SPSS操作步骤及输出结果解读。本章课程思政设计：科学严谨的态度：强调在数据分析中“相关不等于因果”，培养实事求是、不主观臆断、不夸大研究结论的科学作风。方法与对象的匹配：强调根据数据属性（测量级别）选择合适的统计方法，培养具体问题具体分析的方法论原则。工具的可靠性：通过信度分析的学习，树立在心理与教育测量中对工具质量严格把关的意识，引申至在科学研究与社会实践中追求准确与可靠的责任心。本章参考文献：Cohen,J.,Cohen,P.,West,S.G.,&Aiken,L.S.(2003).Appliedmultipleregression/correlationalanalysisforthebehavioralsciences(3rded.).Erlbaum.温忠麟,叶宝娟.(2011).测验信度估计：从系数到内部一致性信度.心理学报,43,821–829.第九章 回归分析课时安排：4学时教学重点：线性回归的核心概念与假设条件；回归方程的检验、评价与解释方法；整体模型显著性检验与参数显著性检验的联系与区别；回归分析的SPSS操作流程与结果解读。教学难点：回归分析四大假设（线性、独立性、正态性、方差齐性）的理解与残差诊断方法；探索性回归分析与验证性回归分析的研究逻辑差异；从软件操作输出提炼实际业务洞察。教学内容：§1.1线性回归的定义与核心概念回归分析的本质；自变量与因变量；探索性与验证性回归分析；效应量（回归系数与决定系数R²）及其统计意义。§1.2模型的构建、检验与评价回归方程的建立；拟合优度评价；整体回归显著性检验与参数检验的辩证关系；利用方程进行预测。§1.3模型假设与残差诊断回归分析的四大基本假设；残差分析的作用；残差的正态性、独立性与方差齐性检验；常见曲线回归模型简介。§1.4研究展望与SPSS实践非线性关系的处理；SPSS线性回归操作流程；结果解读标准范式；回归分析在数据驱动决策中的应用价值。教学要求：理解线性回归的基本概念、适用场合及核心假设；能区分F检验与t检验的不同作用，并正确评价回归方程的整体质量与变量贡献；能独立完成SPSS线性回归操作，并对模型摘要、ANOVA表及系数表进行准确解读；能运用残差图等方法对模型进行诊断，并从回归结果中提炼出具有实际意义的结论。本章考点：线性回归的核心概念、四大假设及效应量的意义；SPSS回归分析结果解读（模型拟合度、显著性、回归方程构建）；整体模型显著性检验与参数检验的联系与区别；本章课程思政设计：强调实证研究中的科学精神与规范意识，引导学生树立“以数据说话、以证据推论”的学术态度；通过回归分析在教育、心理、管理和社会治理中的应用，强化服务社会、解决现实问题的责任意识；培养学生严谨求真的统计思维，认识科学分析在公共决策、组织管理和社会发展中的重要价值；本章参考文献：温忠麟,王一帆,马鹏,孟进.(2024).变量之间的影响关系和多重影响因素的共同作用类型.心理学报,56,1462-1470Cohen,J.,Cohen,P.,West,S.G.,&Aiken,L.S.(2003).Appliedmultipleregression/correlationalanalysisforthebehavioralsciences(3rded.).Erlbaum.第十章 方差分析课时安排：6学时教学重点：方差分析的基本原理（平方和分解、自由度分解、F检验）；单因素完全随机设计的方差分析与事后多重比较；两因素方差分析中的主效应、交互效应及简单主效应；被试间设计、被试内设计与混合设计的区分；方差分析在SPSS中的操作与结果解读。教学难点：变异分解的思想；交互效应的实质及其与简单主效应的关系；重复测量设计的原理与球形假设；不同设计对应的方差分析模型与误差项差异；基于项目的方差分析概念。教学内容：§10.1单因素方差分析方差分析原理与基本概念、平方和与自由度分解、F检验；事后多重比较；效应量与统计检验力。§10.2两因素方差分析无交互效应模型（含随机区组设计）；有交互效应模型；交互效应与主效应的关系；简单主效应检验。§10.3重复测量设计的方差分析被试内与混合设计的概念；单因素与两因素被试内/混合设计的方差分析模型；球形假设及其校正。§10.4基于项目的方差分析基于被试的F检验与基于项目的F检验的原理与差异；两种分析的对比实例与应用场景。教学要求：能准确表述方差分析的基本原理，理解主效应、交互效应、简单主效应的概念；能根据实验设计选择正确的方差分析模型，并运用SPSS完成分析；能完整解读SPSS输出结果，并撰写规范的统计报告。本章考点：方差分析的基本思想。主效应、交互效应与简单主效应的概念及其检验方法。被试间、被试内、混合设计的区分。基于SPSS输出结果提取关键信息并做出统计结论。效应量η²和统计检验力的基本含义。本章课程思政设计：引导学生尊重统计假设，反对数据造假与p值操纵，培养严谨规范的科研态度；引导学生理解统计方法服务现实问题，培养用数据服务社会的使命感。本章参考文献：舒华.(2015).心理与教育研究中的多因素实验设计(第2版).北京师范大学出版社.郑昊敏,温忠麟,&吴艳.(2011).心理学常用效果量的选用与计算.心理科学进展,19(12),1868–1878.第十一章 调节效应分析课时安排：4学时教学重点：掌握调节效应的概念；了解调节效应和交互效应的联系与区别，并学会为调节变量找到理据、根据不同类型变量建模和检验。教学难点：理解调节效应标准化估计方法和简单斜率检验；学会调节效应分析结果的描述和解释，掌握调节效应分析的SPSS操作和结果解读。教学内容：§11.1调节效应模型调节变量的定义、调节效应和交互效应、如何为调节变量找到理据。§11.2调节效应分析方法方差分析、回归分析、分组回归。§11.3调节效应的标准化解非标准化解、标准化解。§11.4调节效应解释和简单斜率检验调节效应解释、已知调节变量取值的简单斜率检验、使得简单斜率显著的调节变量取值范围。§11.5调节效应分析的SPSS例解连续变量作为调节变量、分类变量作为调节变量教学要求：能理解调节变量的基本概念；能掌握调节变量和交互效应的和区别；能掌握调节效应的结果解释；能掌握不同类型调节变量的分析方法。本章考点：调节效应和交互效应的定义、联系和区别；调节效应的标准化解和非标准化解；不同类型调节变量的操作流程。本章课程思政设计：交互效应结合马克思主义辩证法，深入认识条件变化导致结果变化；简单斜率结合《矛盾论》具体问题具体分析的思路，认识不同条件下的矛盾转化；J—N检验法的临界点思维与量变引起质变的哲学边界；强调科学论证精神：以实证研究推动实践发展。本章参考文献：温忠麟，刘红云.(2020).中介效应和调节效应方法及应用.北京：教育科学出版社.第十二章 中介效应分析课时安排：4学时教学重点：中介效应的概念；中介效应的步骤和检验方法；中介效应的结果描述与解释；中介效应分析的SPSS操作和结果解读；中介效应和调节效应的区别。教学难点：中介效应与调节效应的区别，中介效应的检验流程教学内容：§1.1中介效应模型中介变量和中介效应模型、间接效应、中介效应理据。§1.2中介效应分析方法显著性、效应量、结果解释。§1.3中介效应分析流程§1.4中介效应分析SPSS例解§1.5中介变量与调节变量的比较教学要求：理解中介变量、中介效应、直接效应、间接效应、总效应、完全中介、部分中介等概念；理解中介效应模型的三个回归方程及路径示意图；理解中介效应的现实意义和理据；会做中介效应分析并解释结果；了解中介效应与调节效应的区别。本章考点：基础概念解释；检验方法流程；根据回归系数计算效应值，解释SPSS或Process输出结果。本章参考文献：温忠麟,刘方,郑渊丹,廖心怡,黄亦南.(2024).为何调节效应或中介效应的实证文章那么多?应用心理学,30,291-297.温忠麟,侯杰泰,张雷.(2005).调节效应和中介效应的比较和应用.心理学报,37(2),268–274.温忠麟,叶宝娟.(2014).中介效应分析：方法和模型发展.心理科学进展,22,731–745.第十三章 Logistic回归课时安排：4学时教学重点：Logistic回归的基本概念；Logistic回归模型参数的含义与解释；Logistic回归模型的整体检验方法与拟合优度评估指标；二分类Logistic回归分析的SPSS操作与结果解读；多分类Logistic回归分析的SPSS操作与结果解读。教学难点：Logistic回归模型参数的专业内涵与精准解读；模型检验与拟合优度指标的逻辑辨析与实际应用；二分类Logistic回归SPSS结果的系统解读与研究结论转化；二分类与多分类Logistic回归的适用边界与操作差异。教学内容：§13.1二分类单变量Logistic回归模型讨论常用的二分类Logistic回归（binarylogistic），且只有一个自变量的情形。重点讲解该模型的适用场景与基本思想、参数估计、模型检验、SPSS实操与结果解读。§13.2二分类多变量Logistic回归模型本节讨论自变量取值多于两个值的Logistic回归模型，即二分类多变量Logistic回归模型。重点讲解该模型的适用场景与基本思想、参数估计、模型检验、SPSS实操与结果解读。§13.3