2026年心理测评与心理统计习题

2026年心理测评与心理统计习题一、单项选择题（本大题共10小题，每小题2分，共20分）1.在心理测评中，信度系数（Cronbach'sα）达到0.7通常被认为是可接受的，这主要基于以下理论依据：A.因果关系理论B.因果模型理论C.误差理论D.项目反应理论解析：信度系数衡量量表内部一致性，0.7的阈值源于误差理论中的标准误差估计，即当α=0.7时，测量标准误差约为标准差的0.288，符合心理测量学中"可接受误差范围"的行业标准。选项A因果关系理论不直接涉及测量误差；选项B因果模型理论是结构方程模型的基础；选项D项目反应理论关注项目参数估计，与内部一致性无直接关联。2.某研究者采用5点李克特量表测量焦虑程度，得到样本数据如下：[3,4,2,5,3,4,1,5,2,4]。计算该量表的内部一致性信度时，若采用分半法，需要将量表分为前5名和后5名两组，计算两半得分的相关系数，但前提是必须满足以下条件：A.样本量至少为30B.量表项目呈正态分布C.各项目间存在显著相关D.测量工具具有等值性解析：分半信度计算基于项目反应理论中的等值性假设，即量表两半应测量同一潜在特质。选项A样本量要求适用于其他信度计算但非分半法必要条件；选项B正态分布是参数检验的前提；选项C相关是内部一致性基础但非分半法特殊要求；选项D等值性是分半法（Spearman-Brown公式推导基础）的核心假设。3.在进行因子分析时，若KMO检验值为0.65，巴特利特球形检验的显著性水平为0.08，则以下结论最准确的是：A.数据适合进行因子分析B.数据不适合进行因子分析C.需要增加样本量后再做判断D.需要调整因子载荷矩阵后重测解析：KMO检验值大于0.6表示"适度适合"，巴特利特球形检验显著性需小于0.05才拒绝球形假设。本题中KMO=0.65（适度），但p=0.08>0.05，说明样本相关矩阵未显著偏离单位矩阵，数据不适合传统因子分析。选项C增加样本可能提高统计效力，但本质问题在于变量间相关性不足。4.某心理量表包含10个项目，采用主成分分析法提取因子，得到特征值如下表：|因子编号|特征值|载荷矩阵（部分）||---------|-------|------------------||1|4.32|0.78,0.65,0.41||2|1.85|0.35,0.82,0.19||3|0.78|0.12,0.09,0.75|若采用特征值大于1的标准，则提取的因子数量为：A.1个B.2个C.3个D.4个解析：特征值大于1是Varimax旋转前常用的提取标准。本题中仅4.32和1.85大于1，应提取2个因子。选项A仅提取最大特征值违反因子分析原理；选项C提取所有特征值大于0.8的因子；选项D未考虑特征值衰减规律。5.在信度分析中，重测信度（test-retestreliability）与内部一致性信度（internalconsistency）的根本区别在于：A.样本量要求不同B.数据类型要求不同C.测量目的不同D.计算方法不同解析：重测信度测量同一受试者不同时间得分的一致性，反映稳定性；内部一致性信度测量同一时间不同项目得分的一致性，反映结构效度。选项A两者均需足够样本；选项B两者均需连续型数据；选项D两者均可用Pearson相关计算，但测量维度不同。6.某研究者开发了一套人格量表，采用项目反应理论（IRT）进行参数估计，若某项目的区分度参数a=0.8，则该项目的表现是：A.无法有效区分高分组与低分组B.仅能区分极少数极端被试C.能较好地区分典型高分组与低分组D.对不同特质水平的被试无区分效果解析：IRT模型中区分度参数a（1-sqrt(se))通常0.2-0.8为良好，0.8表示项目能显著区分典型高分组（θ=1）与低分组（θ=-1），即项目难度接近被试能力。选项A区分度不足；选项B描述的是a=0.1的项目；选项D描述的是a=0的项目。7.在进行相关分析时，若散点图呈现明显的曲线关系，但相关系数r=0.15，则最可能的情况是：A.存在共线性问题B.存在伪相关C.变量间存在弱线性关系D.数据存在异常值解析：曲线关系表明变量间存在非线性关系，而相关系数仅测量线性关系。r=0.15表示线性相关极弱，但曲线关系可能存在强函数关系。选项A共线性指多重预测变量间高度相关；选项B伪相关指表面相关但无真实关系；选项D异常值会降低r值但不会产生曲线。8.某研究者发现焦虑量表得分与睡眠质量评分呈负相关（r=-0.6），若要检验这种关系是否具有统计学意义，应进行的假设检验是：A.单样本t检验B.配对样本t检验C.独立样本t检验D.相关样本t检验解析：检验相关系数显著性需使用佩尔逊相关系数的t检验公式：t=rsqrt((n-2)/(1-r²))。选项A用于单个样本均值与标准值比较；选项B用于配对数据均值比较；选项C用于两组独立数据均值比较；选项D是相关样本t检验的别称。9.在进行多元回归分析时，若R²=0.75，调整后R²=0.72，则以下结论最准确的是：A.模型解释了75%的因变量变异B.模型解释了72%的因变量变异C.模型存在过度拟合问题D.模型对样本外数据预测能力差解析：R²表示模型对总变异的解释比例，调整R²考虑了自变量数量影响。本题中调整R²略低于R²，说明增加自变量对解释力提升有限，可能存在过度拟合。选项A描述的是R²；选项B描述的是调整R²；选项D预测能力差通常表现为R²与调整R²差异大。10.某研究者使用因子分析法验证理论模型，若因子载荷矩阵显示某项目未显著载荷于任何因子（载荷<0.4），最合理的处理方法是：A.保留该项目并接受低载荷结果B.删除该项目并报告原因C.增加样本量重新分析D.调整因子旋转方法解析：因子载荷<0.4表示项目与因子关系微弱，可能测量无关特质或存在技术问题。标准处理是删除该项目，并在报告中说明原因。选项A违反因子分析基本准则；选项C可能改善统计效力但无法解决本质问题；选项D旋转不能改变原始载荷。二、填空题（本大题共10小题，每小题2分，共20分）1.在心理测量学中，效度（validity）是指测量工具能够准确测量的______程度，其判断主要依据______、______和______三个维度。参考答案：真实；内容效度；结构效度；效标关联效度解析：效度是测量的核心概念，包含三个维度：内容效度（项目代表性）、结构效度（理论模型符合度）、效标关联效度（预测效度）。这三个维度共同构成效度判断的完整框架。2.信度系数的取值范围在______之间，当信度系数为0.9时，测量标准误约为真实分数的______。参考答案：0到1；1/3解析：信度系数是介于0和1之间的比率量数。根据标准误公式SE=SDsqrt(1-α)，当α=0.9时，SE≈SDsqrt(0.1)≈SD/3，即测量误差占真实分数的1/3。3.因子分析中，巴特利特球形检验的零假设是______，当检验结果显著时（p<0.05）应拒绝该假设，此时数据适合进行______分析。参考答案：样本相关矩阵为单位矩阵；传统因子解析：巴特利特检验基于相关矩阵的球形假设，即变量间不存在相关。显著结果（p<0.05）表明变量间存在显著相关，适合传统因子分析；不显著结果（p>0.05）表明变量间无相关，应采用非参数方法。4.项目反应理论（IRT）中，双参数逻辑斯蒂模型（2PL）的参数a、b、c分别代表______、______和______，其中参数a是衡量项目______的关键指标。参考答案：区分度；难度；猜测度；区分能力解析：2PL模型参数a（区分度）衡量项目对能力水平的区分能力，b（难度）表示项目难度，c（猜测度）表示猜测正确概率。a值越高表示项目越能有效区分不同能力被试。5.在相关分析中，若变量X和Y的散点图呈直线上升趋势，但相关系数r=0，最可能的原因是______，此时应采用______来描述变量间关系。参考答案：变量X存在测量误差；半相关分析解析：直线上升趋势但r=0表明存在系统误差（如测量工具问题），此时线性相关系数无法反映真实关系。半相关分析可消除测量误差影响，准确估计变量间关系。6.多元回归分析中，F检验的零假设是______，其分子自由度df₁等于______，分母自由度df₂等于______。参考答案：所有回归系数同时为零；自变量个数；n-p-1解析：F检验检验整体回归模型显著性。分子df₁=自变量个数，分母df₂=样本量-自变量个数-1。该检验判断自变量组合是否显著影响因变量。7.信度分析中，复本信度（parallel-formsreliability）与重测信度的主要区别在于______，其计算方法通常采用______。参考答案：测量工具不同；两套等值量表的相关系数解析：复本信度使用两套内容等值但形式不同的量表测量同一批被试，而重测信度使用同一量表在不同时间测量。计算方法都是测量同一特质的一致性。8.在因子分析中，主成分分析（PCA）与因子分析（FA）的主要区别在于______，若要提取与理论模型一致的因子结构，应优先选择______。参考答案：因子旋转目标不同；因子分析解析：PCA追求数据方差最大化（正交旋转），FA追求理论模型拟合（斜交旋转）。当研究目的为验证理论结构时，FA更合适。9.相关样本t检验用于比较______的均值差异，其公式中涉及______和______两个统计量。参考答案：配对数据；样本均值差；样本标准差解析：配对样本t检验用于同一组被试在两种条件下或两个时间点的测量值比较。公式为t=(M₁-M₂)/sqrt(Sp²(1/n₁+1/n₂))，其中Sp²是合并方差。10.在进行多元回归时，若发现某个自变量的偏回归系数不显著，但多元R²仍然显著，这表明______，此时应考虑______。参考答案：该自变量对因变量的净贡献不显著；移除该自变量后重新分析解析：偏回归系数不显著表示该自变量在控制其他变量后无预测力，但若多元R²显著，说明自变量组合整体仍有预测力。此时应考虑移除该变量优化模型。三、判断题（本大题共10小题，每小题2分，共20分）1.信度系数α=0.8表示量表内部一致性极好，足以用于预测研究。（×）解析：心理测量学标准认为α>0.7可接受，0.8属于良好信度，但预测研究通常要求α>0.9。该表述夸大了信度水平。2.因子分析中，因子载荷绝对值越大，表示该因子对项目的解释力越强。（√）解析：因子载荷是项目与因子相关系数，绝对值越大说明项目越典型地属于该因子，解释力越强。这是因子分析的基本原理。3.在进行相关分析时，若r=0.3，则变量X每增加1个单位，变量Y必然增加0.3个单位。（×）解析：相关系数仅描述线性关系强度，不表示因果关系或固定增量。r=0.3表示线性趋势，但具体数值变化受随机因素影响。4.重测信度与内部一致性信度是相互独立的两种信度类型，不能同时满足。（×）解析：两者都是测量信度的方法，可同时评估。重测信度关注时间稳定性，内部一致性关注结构稳定性，高信度量表两者通常都较好。5.项目反应理论（IRT）认为，项目难度参数b与被试能力参数θ是相互独立的。（√）解析：IRT模型的核心假设之一是项目参数（b、a、c）与被试能力参数（θ）独立，即项目特性不随被试能力变化，这是模型可解释性的基础。6.在多元回归分析中，若R²=0.6，则模型解释了60%的因变量变异，剩余40%可归因于随机误差。（×）解析：R²解释的是总变异，剩余部分包含测量误差、未测量变量影响等，不完全是随机误差。该表述过于简化。7.因子分析前必须进行KMO检验，若KMO<0.5，则数据绝对不适合任何因子分析。（×）解析：KMO检验只是建议性标准，KMO<0.5表示数据不适合传统因子分析，但可尝试非参数方法或探索性因子分析。绝对化表述错误。8.相关样本t检验中，若样本量n=30，自由度df=n-1=29，计算出的t值与单样本t检验相同。（×）解析：虽然公式形式类似，但相关样本t检验的方差估计基于配对差异，其分布与单样本t检验不同。即使自由度相同，临界值和计算过程有本质区别。9.在进行因子分析时，因子旋转前后的因子载荷矩阵数值会发生变化，但解释的方差总量不变。（√）解析：因子旋转（如Varimax）调整因子载荷以简化结构，但总方差（特征值之和）保持不变。这是因子分析的基本性质。10.若某心理量表的项目分析显示所有项目的区分度参数a均小于0.3，则该量表应立即废弃。（√）解析：区分度a<0.3表示项目无法有效区分不同能力被试，违反心理测量学基本要求。此时量表应重新修订或废弃。四、简答题（本大题共8小题，每小题2分，共16分）1.简述信度与效度的关系，并举例说明两者可能出现的矛盾情况。答：信度是效度的必要非充分条件，即有效测量必须可信，但可信测量未必有效。例如：一把尺子测量长度非常稳定（高信度），但如果尺子刻度从0开始错位（如每个刻度多1cm），则测量结果系统偏差大（低效度）。矛盾情况还包括：问卷题目重复测量结果一致（高信度），但题目内容与测量目标无关（低效度）。2.因子分析中，主成分分析与因子分析的主要区别是什么？答：区别在于：①目标不同，主成分分析（PCA）追求数据方差最大化（正交旋转），因子分析（FA）追求理论模型拟合（允许因子相关）；②参数估计不同，PCA直接估计因子得分，FA估计因子载荷和被试能力；③旋转方式不同，PCA通常采用正交旋转，FA可使用斜交旋转。当研究目的为验证理论结构时，FA更合适。3.解释什么是"伪相关"，并举例说明可能产生伪相关的原因。答：伪相关指变量间存在表面统计关系，但无真实理论联系。产生原因包括：①测量误差（如用不相关量表测量同一概念）；②共同影响因素（如身高与体重相关，因均受年龄影响）；③样本选择偏差（如仅测量高收入人群的受教育年限）；④极端值影响（小样本中偶然相关）。4.在进行相关分析时，如何判断相关系数的显著性？答：判断方法：①计算佩尔逊相关系数r；②根据样本量n计算自由度df=n-2；③查相关系数临界值表（α=0.05或0.01）；④比较计算出的r与临界值大小。若|r|≥临界值，则相关显著。也可进行t检验：t=rsqrt((n-2)/(1-r²))，比较t值与t分布临界值。5.简述重测信度与复本信度的适用场景和计算方法差异。答：适用场景：重测信度适用于测量稳定性（如态度、能力），复本信度适用于测量工具质量（如问卷设计）。计算方法：重测信度用同一量表对同一批被试不同时间测量计算相关系数；复本信度用两套等值量表对同一批被试同时或近同时测量计算相关系数。6.因子分析中，如何判断因子是否具有实际意义？答：判断标准：①理论一致性，因子命名应与理论模型相符；②解释方差，因子解释的方差比例（特征值/总特征值）应足够高（如>50%）；③因子载荷，重要变量的载荷应>0.4且与其他因子载荷差异大；④因子相关性，因子间相关性应合理（高阶因子相关<0.8）；⑤碎石图，无明显的驼峰形。7.多元回归分析中，如何处理共线性问题？答：处理方法：①移除高度相关的自变量；②合并相关变量；③增加样本量；④使用岭回归（RidgeRegression）或Lasso回归；⑤正交化处理（如主成分回归）；⑥逐步回归筛选变量。核心是降低自变量间的相关系数（VIF<5或10）。8.解释心理测量学中"项目分析"的主要内容和目的。答：项目分析是量表开发的关键步骤，主要内容包括：①难度分析，计算项目难度（如P值）；②区分度分析，计算区分度指标（如a系数、D系数）；③区分度曲线分析；④项目同质性分析（如KR20、α系数）。目的在于筛选高质量项目，确保量表具有良好的信度和效度。五、应用题（本大题共8小题，每小题4分，共24分）1.某研究者开发了一套焦虑量表，随机抽取120名被试进行测试，得到数据如下表：|项目编号|平均分|标准差|与总量表相关||---------|-------|-------|--------------||1|3.2|1.1|0.65||2|4.1|0.9|0.72||3|2.5|1.3|0.58||4|3.8|1.0|0.70||5|4.5|0.8|0.80|请计算该量表的Cronbach'sα系数，并评价其内部一致性。解：α系数计算公式：α=Σr/(k-1)×(1-Σs²/Σs₁²)其中：Σr=0.65+0.72+0.58+0.70+0.80=3.45k=5，Σs₁²=1.1²+0.9²+1.3²+1.0²+0.8²=5.62Σs²=Σ(1/nΣx²)-Σx̄²=Σ(120×(3.2²+4.1²+2.5²+3.8²+4.5²))/120-Σ(3.2+4.1+2.5+3.8+4.5)²/120=120×(3.2²+4.1²+2.5²+3.8²+4.5²)/120-3.2²=120×(51.64)/120-10.24=41.40α=3.45/(5-1)×(1-5.62/41.40)=0.69评价：α=0.69，属于可接受范围（0.6-0.8），表明量表内部一致性较好。但若要进一步提高信度，可考虑：①删除项目3（相关最低）；②提高项目2和项目5的区分度；③增加样本量。2.某研究者使用2PL模型分析三个项目的认知测试数据，得到参数如下：|项目|难度b|区分度a|猜测度c||------|-------|--------|--------||1|-0.5|0.9|0.1||2|1.0|0.7|0.1||3|1.5|0.5|0.1|若某被试能力参数θ=1.2，计算该被试答对项目1、2、3的概率。解：答对概率P=1/(1+exp(-(θ-b)/(asqrt(1-c²))))项目1：P=1/(1+exp(-(1.2-(-0.5))/(0.9sqrt(1-0.1²)))=0.78项目2：P=1/(1+exp(-(1.2-1.0)/(0.7sqrt(1-0.1²)))=0.65项目3：P=1/(1+exp(-(1.2-1.5)/(0.5sqrt(1-0.1²)))=0.42结果分析：被试能力θ=1.2，高于项目1难度，答对概率接近80%；处于项目2难度水平，答对概率约65%；低于项目3难度，答对概率仅42%。这与项目参数设计一致。3.某研究者发现抑郁量表得分与睡眠质量评分呈r=-0.6，样本量n=100，α=0.05。检验这种关系是否具有统计学意义。解：检验步骤：①零假设H₀：ρ=0（总体相关为0）②计算检验统计量：t=rsqrt((n-2)/(1-r²))=-0.6sqrt(98/(1-0.36))=-8.49③查t分布表，df=98，α/2=0.025时临界值=2.00④比较t=-8.49<-2.00，拒绝H₀结论：相关显著，抑郁与睡眠质量存在显著负相关。4.某研究者使用多元回归分析预测学业成绩（Y），自变量包括学习时间（X₁）、睡眠时间（X₂）和早餐质量（X₃），得到模型：Y=85+2X₁+3X₂+1.5X₃，R²=0.75。若某学生X₁=10,X₂=7,X₃=8，预测其学业成绩。解：预测值Ŷ=85+2×10+3×7+1.5×8=85+20+21+12=138结果分析：该模型解释了75%的学业成绩变异，预测该学生成绩为138分。模型中学习时间系数最大（2），说明对成绩影响最大。5.某研究者进行探索性因子分析，得到特征值如下：|因子编号|特征值||---------|-------||1|4.8||2|2.1||3|1.5||4|1.0|若采用特征值大于1的标准，应提取几个因子？解：提取标准：仅提取特征值>1的因子结果：仅提取前两个因子（4.8和2.1），共解释(4.8+2.1)/总和=6.9/9.4=73.4%的方差结论：应提取2个因子。因子命名需结合载荷矩阵分析，可能代表"认知因素"和"情绪因素"。6.某研究者使用重测信度评估焦虑量表稳定性，两次测试间隔2周，得到相关系数r=0.85，样本量n=50。检验信度是否显著。解：检验步骤：①零假设H₀：ρ=0②计算检验统计量：t=rsqrt((n-2)/(1-r²))=0.85sqrt(48/(1-0.72))=7.14③查t分布表，df=48，α/2=0.025时临界值=2.01④比较t=7.14>2.01，拒绝H₀结论：信度显著，量表具有良好稳定性。7.某研究者发现某个自变量在多元回归中的偏回归系数不显著（p=0.15），但模型整体显著（F=25.3,p<0.01）。解释这种现象并建议处理方法。解：现象解释：该自变量在控制其他变量后无预测力（偏效应不显著），但与其他自变量组合能显著预测因变量（总效应显著）。建议：移除该自变量后重新分析，若R²变化不大，可保留该变量（作为控制变量）；若R²显著下降，则应删除该变量优化模型。8.某研究者进行因子分析前KMO检验值为0.45，巴特利特球形检验p=0.12。分析数据是否适合因子分析。解：分析：KMO=0.45<0.5，表示数据不适合传统因子分析（偏相关较弱）；但p=0.12>0.05，巴特利特检验不拒绝球形假设（变量间无显著相关）。结论：数据不适合传统因子分析，但可尝试非参数方法（如主成分分析）或先进行数据转换（如取对数）后再分析。【标准答案及解析】一、单项选择题1.C2.D3.B4.B5.C6.C7.B8.D9.B10.B解析：2.误差理论是信度计算的基础，C正确；因果关系理论是效度理论之一；因果模型和项目反应理论是测量理论分支。3.a=0.8表示项目能有效区分典型高分组与低分组，C准确描述了a=0.8的含义。二、填空题1.真实；内容效度；结构效度；效标关联效度2.0到1；1/33.样本相关矩阵为单位矩阵；传统因子4.区分度；难度；猜测度；区分能力5.变量X存在测量误差；半相关分析6.所有回归系数同时为零；自变量个数；n-p-17.测量工具不同；两套等值量表的相关系数8.因子旋转目标不同；因子分析9.配对数据；样本均值差；样本标准差10.该自变量对因变量的净贡献不显著；移除该自变量后重新分析三、判断题1.×2.√3.×4.×5.√6.×7.×8.×9.√10.√解析：2.相关系数描述线性关系，不表示因果关系或固定增量。四、简答题1.答：信度是效度的必要非充分条件。信度指测量结果的稳定性，效度指测量的准确性。例如：一把尺子刻度错位（高信度但低效度），或问卷题目重复但测量无关内容（高信度但低效度）。2.答：区别在于：①PCA追求数据方差最大化（正交旋转），FA追求理论模型拟合（允许因子相关）；②参数估计不同，PCA直接估计因子得分，FA估计因子载荷和被试能力；③旋转方式不同，PCA通常采用正交旋转，FA可使用斜交旋转。五、应用题1.解：α=3.45/4×(1-5.62/41.40)=0.69。评价：α=0.69，可接受。可删除项目3（r=0.58）或提高项目2和5的区分度。2.答：项目1概率0.78，项目2概率0.65，项目3概率0.42。结果与项目参数设计一致。3.答：检验统计量t=-8.49，df=98，p<0.01，拒绝H₀，相关显著。六、论述题（本大题共11小题，每小题2分，共22分）1.论述心理测量学中效度的类型及其判断依据。答：效度类型及判断依据：①内容效度：指测量内容与所要测量的心理特质相符程度。判断依据：专家评审（是否代表目标行为领域）、内容分析（项目覆盖广度与代表性）。②结构效度：指测量工具的理论构念与实际测量结果的一致性。判断依据：因素分析（验证理论模型）、逻辑分析（理论合理性）。③效标关联效度：指测量结果与效标（外部标准）的一致性。判断依据：相关分析（预测效度）、回归分析（区分效度）。效度判断需综合三个维度，不同研究目的侧重不同效度类型。2.比较重测信度与复本信度的优缺点及适用场景。答：比较：①重测信度：测量同一批被试在不同时间的得分一致性，反映稳定性。优点：简单易行；缺点：受时间效应影响。适用：态度、能力等稳定性特质测量。②复本信度：测量同一批被试用两套等值量表得分的相似性，反映工具质量。优点：控制时间效应；缺点：需要开发等值量表。适用：问卷、测验等工具质量评估。适用场景：重测信度用于纵向研究，复本信度用于工具开发。3.详细说明因子分析中KMO检验和巴特利特球形检验的作用及结果解读。答：作用及解读：①KMO检验：测量样本偏相关程度。公式：KMO=Σ(rij²)/[Σ(rij²)+Σ(1-rij²)]。-0.9-1.0：极好；0.8-0.9：好；0.7-0.8：可接受；0.6-0.7：一般；0.5-0.6：较差；<0.5：不适合。-高KMO表示变量间偏相关强，适合因子分析。②巴特利特球形检验：检验样本相关矩阵是否为单位矩阵（变量间无相关）。-零假设：相关矩阵为单位矩阵。-结果：p<0.05拒绝零假设（变量间存在相关），适合因子分析；p>0.05不拒绝零假设（变量间无相关），不适合传统因子分析。4.解释多元回归分析中R²和调整R²的区别，并说明何时应优先关注哪个指标。答：区别：①R²：模型解释的总变异比例，随自变量增加而增大。②调整R²：考虑自变量数量影响的R²，公式：AdjustedR²=1-[1-R²](n-1)/(n-p-1)。-调整R²惩罚过多自变量。-当自变量增加对R²提升不显著时，调整R²可能下降。优先关注：①模型解释力评估时关注R²；②模型比较时关注调整R²；③预测研究优先考虑调整R²（避免过度拟合）。5.论述项目反应理论（IRT）的主要假设及其对心理测量的贡献。答：主要假设及贡献：假设：①单维性：被试能力参数θ是唯一决定得分的关键变量。②双参数性：项目由难度b和区分度a参数决定。③概率模型：答对概率P是θ和b的函数。④独立性：项目参数与被试能力参数独立。贡献：①精确测量：无需重测，可直接估计能力参数。②等值性：项目参数不随被试能力变化。③拟合检验：可评估测量工具质量。④个性化测试：可自适应调整测试难度。6.比较相关分析、回归分析和因子分析在心理研究中的应用场景。答：比较：①相关分析：测量变量间线性关系强度。应用：描述关系、预测方向。②回归分析：预测因变量随自变量变化的规律。应用：预测研究、控制变量。③因子分析：探索变量间潜在结构。应用：理论验证、降维分析。场景差异：相关分析用于描述性研究，回归分析用于预测性研究，因子分析用于理论构建。7.详细说明心理测量学中"项目分析"的主要内容和目的。答：项目分析内容及目的：内容：①难度分析（计算P值、难度分布）；②区分度分析（计算a、D系数、区分度曲线）；③同质性分析（KR20、α系数）；④内容效度分析（专家评审）。目的：筛选高质量项目，确保量表具有良好的信度和效度。具体包括：-删除无效项目（区分度低、难度极端）；-优化项目分布（难度均匀）；-提高量表内部一致性；-确保测量内容代表性。8.论述心理测量学中"信度"和"效度"的关系，并举例说明两者可能出现的矛盾情况。答：关系：信度是效度的必要非充分条件。高信度是效度的前提，但高信度未必保证高效度。矛盾情况：①高信度低效度：尺子刻度错位（测量稳定但结果错误）；②低信度高效度：问卷题目测量无关内容（测量准确但不可信）；③双重缺陷：项目设计差且样本量小（测量不稳定且不准确）。解决方法：通过项目分析、增加样本量、理论验证等方法同时提升信度和效度。9.解释心理测量学中"常模"的概念及其在测评中的应用。答：常模概念及应用：概念：常模是标准化样本的得分分布参照标准。形式：百分位常模（如P50）、标准九分、原始分换算标准分。应用：①解释个体得分：将原始分转化为相对位置（如某得分在样本中排第70百分位）；②比较个体差异：不同常模间可比；③设定标准：如诊断标准（如PDQ>70）、资格标准。常模建立需注意：①常模来源（代表性样本）；②常模时效性（定期更新）；③常模适用性（特定文化/群体）。10.论述心理测量学中"项目分析"的主要内容和目的。答：项目分析内容及目的：内容：①难度分析（计算P值、难度分布）；②区分度分析（计算a、D系数、区分度曲线）；③同质性分析（KR20、α系数）；④内容效度分析（专家评审）。目的：筛选高质量项目，确保量表具有良好的信度和效度。具体包括：-删除无效项目（区分度低、难度极端）；-优化项目分布（难度均匀）；-提高量表内部一致性；-确保测量内容代表性。11.详细说明心理测量学中"信度"和"效度"的关系，并举例说明两者可能出现的矛盾情况。答：关系：信度是效度的必要非充分条件。高信度是效度的前提，但高信度未必保证高效度。矛盾情况：①高信度低效度：尺子刻度错位（测量稳定但结果错误）；②低信度高效度：问卷题目测量无关内容（测量准确但不可信）；③双重缺陷：项目设计差且样本量小（测量不稳定且不准确）。解决方法：通过项目分析、增加样本量、理论验证等方法同时提升信度和效度。【评分标准】一、单项选择题每题2分，答对得2分，答错得0分。二、填空题每题2分，答对得2分，答错得0分。三、判断题每题2分，正确得2分，错误得0分。四、简答题每题2分，答对得2分，答错得0分。五、应用题每题4分，答对得4分，答错得0分。六、论述题每题2分，答对得2分，答错得0分。【解析】一、单项选择题1.答案C解析：误差理论是信度计算的基础，C正确；因果关系理论是效度理论之一；因果模型和项目反应理论是测量理论分支。2.答案C解析：a=0.8表示项目能有效区分典型高分组与低分组，C准确描述了a=0.8的含义。二、填空题1.答案真实；内容效度；结构效度；效标关联效度解析：效度是测量的核心概念，包含三个维