01 第一章 变量与数据

新编21世纪心理学系列教材心理与教育统计（第3版）温忠麟

著引言：统计学--探索数据背后的科学核心内容统计学是什么？一门关于数据的科学，提供搜集、整理、描述、推断的完整方法论。统计学有什么用？帮助我们认识客观世界的数量关系。是心理、教育等社会科学研究的核心工具。引言：从一个想法到一份结论研究的核心流程:提出问题(文献检索)设计方案(研究设计)收集数据(数据搜集)分析数据(统计分析)得出结论(结果解释)我们的利器:SPSS统计软件:集数据管理、分析、绘图于一体的强大工具，是现代社会科学研究者的必备技能。本课程目标:学习如何运用

SPSS，完成从数据到结论的完整研究旅程。第一章

变量与数据

VariablesandData核心要点理解本章介绍的基本概念。掌握变量的类型及其测量级别。掌握变量编码和重新编码的方法。理解操作定义在研究的可重复性和结果的可比性中的作用。1.被试与变量总体：研究对象的全体。个体：组成总体的基本单元。样本：从总体中抽取的一部分个体。被试：心理与教育研究中的样品。样本容量：样本所含个体数量，用n或N表示。示例：研究某市中学生体质，全体中学生为总体，抽取的905名学生为样本，样本容量905。1.1总体与样本研究对象的全体称为总体（population），组成总体的基本单元称为个体。总体包含的个体数目可以是有限的，称为有限总体；也可以是无限的，称为无限总体。采用抽样观测，即从总体中抽出一部分个体进行观测。被抽到的个体称为样品(case)，在心理和教育研究中，通常将样品称为被试（subject）。样品的全体称为样本(sample)，样本所含的样品个数称为样本容量(samplesize)，通常用n（或N）表示。1.2变量变量：个体间在性质和数量上可变化、可测量的特征、条件或现象。变量值：一个个体在某变量上的确定取值。样本数据：样本中所有被试的变量值全体。研究目的决定需要考察哪些变量。示例：研究视力需考虑性别、年龄、视力、专业、成绩等变量1.3数据来源心理与教育研究主要通过三种方式收集数据：调查：对研究对象自然产生的现象或客观存在的事实作观察、测量和记录。实验：人为地控制、改变一些条件，观察、测量和记录研究对象在不同条件下的结果。测验：是运用编制好的一组题目（量表）对被试施测而获得数据的一种方法，是一种特殊的调查。1.4变量命名和编码变量命名：可用字母、名称、拼音、英文，多变量可用X1、X2等区分。编码：非数值变量需转为数值。示例：性别男=1，女=0；是否戴眼镜=1，不戴=0。问卷题目直接用数字选项，可提高录入效率。1.5反向题的重新编码在调查或测验中，研究者为了控制被试的反应误差和识别不配合的被试，有时会在问卷或量表中加入反向题。与正向题比较，这类题目的意义和计分方向相反。如果原始数据中反向题（变量）也按其他题目（变量）那样的规则编码，则统计分析前要重新编码。1.5反向题的重新编码反向题：计分方向与正向题相反的题目。作用：控制反应偏差，识别不认真作答的被试。处理：统计分析前必须重新编码，使计分方向与正向题一致。示例：6点计分反向题，1↔6、2↔5、3↔4互换。1.6变量的操作定义操作：对不直观变量给出具体、可测量的界定。作用：保证研究可重复、结果可比较。示例：视力定义为裸眼视力较高者，收入定义为月均税前收入。问卷题目本身就是变量的操作定义。1.7重新认识总体和样本在了解了变量的概念后，就可以进一步深化对总体和样本的认识与理解。一个变量对应一个总体。多元总体：同时考察多个变量，如身高、体重构成二元总体。样本是总体的子集，样品对应变量的观测值。1.8数据电子表格样本数据通常是统计分析的起点。计算机电子表格（如SPSS的数据窗口）通常都将数据排列成下图的形式，与使用更广泛的EXCEL电子表格类似。其中，一个被试的观测值占一行，一个变量的取值占一列。2.

变量类型根据变量的测量和取值情况，通常可以将变量分为四类。名义变量有序变量等距变量比率变量2.1名义变量名义变量（nominalvariable），是用数字表示个体在属性上的特征或类别上的不同的变量。例如，学生“性别”就是名义变量，可以命名为“gender”或“xingbie”。名义变量的取值一般都不是数值，在数据处理时，需要用数值进行编码。如“性别”是“男”时，编码为1，“性别”是“女”时，编码为0。名义变量没有绝对零点，没有测量单位。变量值之间有“相等”和“不等”的关系，但没有大小之分，不能比较大小，更不能进行加、减、乘、除四则运算。2.2有序变量有序变量（ordinalvariable），是用数字表示个体在某个有序状态中所处的位置（层次、水平）的变量。例如“学生品德”Y定义为：Y=1（优秀），Y=2（良好），Y=3（一般），Y=4（差）。有序变量既无零点、又无测量单位。变量的值之间具有“等于”或“不等于”关系、序关系（优于、先于、劣于、后于等），四则运算没有意义。以下面的问卷题目为例：你喜欢教师这个职业。1—完全不同意，2—基本上不同意，3—不同意多于同意，4—同意多于不同意，5—基本上同意，6—完全同意2.3等距变量等距变量（intervalvariable），是取值之间具有“距离”特征的变量。例如学生的身高，小李160厘米，小张156厘米，则小李与小张的身高相距4厘米。在测量上，等距变量有测量单位，但不一定有绝对零点。例如，学生某次“考试成绩”为零分，并不表示没有一点知识。又如温度为零，并不表示没有温度。等距变量的值之间具有等于、不等于、大于、小于等关系，可以进行加法、减法运算，然而乘、除运算没有意义。2.4比率变量比率变量（ratiovariable），是一种既有测量单位又有绝对零点的变量。由于含有绝对零点，故可以构成有意义的比率。例如，身高、学生人数等是比率变量。比率变量在运算上除具有上面三种变量的特征外，还可以进行乘、除运算，派生出比例、速度、效率等指标。名义和有序变量也称为离散变量或类别变量。当讨论类别变量时，包括有序变量。等距和比率变量也称为连续变量。2.5数据的测量级别上面四种不同级别的变量，对应于不同级别的测量数据：比率变量对应于比率测量数据，等距变量对应于等距测量数据，有序变量对应于有序测量数据，名义变量对应于名义测量数据。比率和等距测量数据统称为标度测量数据。它和有序测量数据和名义测量数据一起构成SPSS中规定的三种数据测量级别。标度测量数据的测量级别最高，类别测量数据的测量级别最低。级别高的数据可以转换为级别低的数据进行分析，如可以将百分制成绩转换成等级制成绩进行分析。2.5数据的测量级别在心理与教育统计中，习惯上经常将量表题目测量的数据当作标度测量数据来分析，特别是间隔均匀的五点以上量表。为了使得得分的间隔均匀（即等距），比较好的做法是只给选项的两端，而不要列出中间的选项。例如，前面提到的6级选项，如何证明“1—完全不同意”与“2—基本上不同意”的距离，等于“2—基本上不同意”与“3—不同意多于同意”的距离？可以改成：你喜欢教师这个职业1—完全不同意，……，6—完全同意这样，在被试心目中，就是在用6分制打一个分，每个间隔相差的1分可以认为是等距的。本章小结总体中抽出的个体称为样品，样品的全体被为样本，样本所含的样品个数称为样本容量。一个变量对应一个总体，多元总体则包含多个变量。变量是描述个体特征的概念，需要命名以便理论推导和数据分析，其中非数值变量需要编码。反向题在统计分析前需要重新编码，以确保得分方向与正向题一致。对于非直观的变量，需要通