第6讲-心理测量的统计基础2.pptVIP

2007-9-28 心理测量学 第六讲 心理测量的统计基础(2) 五、相对量数 百分等级指出原始数据在常模团体中的相对位置 。 百分等级的计算： 1、计算有多少观测值在我们感兴趣的特定分数值之下。2、计算观测值的总数。3、用特定分数值之下的观测值的个数除以观测值的总数。4、将结果乘以100。 公式为：PR=B/N×100=Xi的百分等级 PR=百分等级，Xi=感兴趣的特定分值，B=在Xi以下的观测值的个数，N=群体的观测值的总数。 如果有相同的分数，需要对公式进行修正。 基本公式的修正： z分数 z=(X-M)/S z分数的分布形状和原始分数的分布是相同的 。 z分数的均值是0，标准差是1。 六、正态分布 公式 (X-μ)2/ó2是对任何X值的z2 正态分布有两个参数：μ和ó。 正态分布的特征： 标准正态分布 ：当正态分布中的分数转换为z分数时，z分数的分布称作标准正态分布，均数为0，方差为1。 七、相关 散点图（scatter diagram） ：考察具有统计关系的两个变量之间的基本方法。 将两个变数的n对观察值(x1,y1)、 (x2,y2)…… (xn,yn)分别标注在同一坐标图上。 散点图 相关系数 ：Pearson积差相关，Spearman相关，点二列相关，Kendall和谐系数 一个相关关系可以评估和描述两个变量间的三方面的关系 ：相关的方向 ，相关的形式 ，相关的程度或强度 相关系数的解释 ：相关系数是否大到足以说明两个变量间重要的或有意义的关系 。 1、这个相关系数与00有显著差异吗？ 样本相关系数与总体相关系数间存在抽样误差，所以求得样本相关系数后应进行假设检验。 2、X观测值中有百分之几的方差与Y观测值的方差是共同的？ 3、X和Y之间有较高相关并不意味着这些变量间有因果关系 。 相关系数在测量信度方面的应用 相关系数在测量效度方面的应用 八、回归 1、掌握回归分析的基本概念； 2、理解一元线性回归（simple linear regression）模型，能够对模型进行估计和检验并利用模型进行预测； 主要内容 （一）、基本概念 （二）、线性回归的基本假设。 （三）、回归模型的建立方法 （四）、回归方程的检验方法。 （一）基本概念 两个变量之间的关系有函数关系和统计关系。 函数关系是一种确定关系，当一个或几个变量取一定的值时，另一个变量有确定值与之相对应，这种关系为确定性的函数关系。 如某种商品的销售收入Y与该商品的销售量X以及该商品价格P之间的关系可以表示为Y=PX，这就是一种函数关系。 一般把作为影响因素的变量称为自变量；把发生对应变化的变量称为因变量。Y是因变量，P与X是自变量。 （函数关系） （1）是一一对应的确定关系 （2）设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 （3）各观测点落在一条线上 统计关系是非确定关系，即一个变量受另一个变量的影响，但又不是确定的函数关系。 两个变数一般用Y和X表示，统计学将它们的关系分为因果关系和相关关系。 因果关系是指一个变量的变化引起另一个变量的相应变化，即一个是引起变化的原因，一个是变化的结果。前者定义为自变量(independent variable)以 X 表示，后者称作因变量(dependent variable)，以 Y 表示。 相关关系是指当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化，但两个变量之间不是因果关系。如身高与体重的关系。这里没有自变量与因变量之分。 相关关系 （1）变量间关系不能用函数关系精确表达； （2）一个变量的取值不能由另一个变量唯一确定； （3）当变量 x 取某个值时，变量 y 的取值可能有几个； （4）各观测点分布在直线周围。 统计学上采用回归分析 （regression analysis）研究呈因果关系的相关变量间的关系。表示原因的变量称为自变量，表示结果的变量称为因变量。 研究“一因一果”，即一个自变量与一个因变量的回归分析称为一元回归分析； 研究“多因一果”，即多个自变量与一个因变量的回归分析称为多元回归分析。 一元回归分析又分为直线回归分析与曲线回归分析两种；多元回归分析又分为多元线性回归分析与多元非线性回归分析两种。 统计学上采用相关分析 ( correlation analysi