心理学研究方法（10-12章）.ppt

第十章 研究数据的基本统计方法 第一节 统计分析基础 一、数据的特征 1.几种主要的分布 正态分布 二项分布 t分布，F分布，x2 分布 集中量数的比较 几个典型的问题 1、调查某贫困地区的收入 2、某项研究的调查表因保管不当，遗失了部分数据 3、商场关于电视机品牌的受欢迎程度 4、调查某开发区 的5年GDP增长率 5、甲同学每小时做10题，乙同学每小时做20题，问二同学平均每小时做几题？ 6、研究用不同方法（口头报告、按键、脚蹬）测量简单反应时？ 7、不同年龄被试（6～60岁）简单反应时测量 3. 离散趋势 （1）标准差，方差 （2）平均差 （3）四分差 极差 4、偏态度(skewness) 峰态度(kurtosis) 二、标准分数 1、标准分数 2、标准分数的应用 第二节 相关分析和回归分析 一、相关分析 1. 相关的概念 2. 相关的类型（简单相关、偏相关、复相关、等级相关、非线性相关） 3. 各类相关的比较 二、回归分析 1. 回归效应 2. 回归方程 （1）线性方程 ★ 原始数据 ◆标准回归方程 （2）非线性 对数函数 两边取对数 指数函数 双曲线 （3）分段函数 三、相关与回归的比较 1.相同点：都涉及变量间的协变关系 2.不同点 第三节 方差分析 一、方差分析的原理 变异的可分性（或可加性） 方差分析和t检验的关系 Equal variances assumed equal variances not assumed 二、优点 统计功效高 P=1－（1－α)k 三、用途 1.多个样本的平均数差异检验 2.分离各有关因素并估计其对变异的贡献 3.分析因素间的交互作用 4.方差齐性检验 Hartley 检验 Barlett 检验 n为每个样本的含量，k为样本个数， 为各样本方差， 合并方差。 第十一章 非参数统计、贝叶斯统计和统计决策理论 第一节 非参数统计 一、非参数统计的基本问题 1.非参数统计的概念 2.非参数统计的优缺点 3.非参数统计检验的假设 四、对数线性分析 1、定义：用于称名变量的数据分析分析方法。类似于多元回归。分析多元交叉汇总表中各变量之间 的复杂因果关系。交叉表上的变量为自变量，表中各单元中的频次记录为因变量或观察变量。 2、对数线性模型的类别 1）、饱和模型：包含各变量所有的主效应和各种交互作用分析的模型。 2）、非饱和模型（独立模型）：删除某些非显著效应的简约分析模型 3.广义对数线性分析模型 用于测量称名变量之间相关与否的统计分析，例如学历、职业与婚姻之间是否相关。 第二节 贝叶斯统计 一、贝叶斯统计的基础，条件概率和贝叶斯定律 与传统经典统计的主要差别： 经典：以样本信息为基础，仅此 贝叶斯：利用了样本信息以外的信息，考虑到历史原因，即先验概率的影响。 第十二章 多元分析方法 第一节 多元分析的基本方法 一、多元分析方法的发展 二、多元分析的基本概念 1.数据的连续性 2。正交性 正交实验设计L8（27）正交表 V1＝（1＋2＋3＋4）－（5＋6＋7＋8） V2＝（1＋2＋5＋6）－（3＋4＋7＋8） V3＝（1＋2＋7＋8）－（3＋4＋5＋6） V4＝（2＋4＋6＋8）－（1＋3＋5＋7） V5＝（1＋3＋6＋8）－（2＋4＋5＋7） V6＝（1＋4＋5＋8）－（2＋3＋6＋7） V7＝（1＋4＋6＋7）－（2＋3＋5＋8） 3.标准分析与层次分析 4.多元分析技术的分类 不同年龄、受教育程度和居住地妇女的子女及其哑变量 3）多重共线性问题 原因：变量间的自回归 检验：容限度（t>0.1)、方差膨胀因子（VIF<10） 补救方法： A. 去掉与y相关程度低、而与其他自变量相关高的变量。 B。去掉可以被其余自变量线性表出的变量 C。增加样板规模 D。采用新的样本数据 E。利用先验信息进行变量组合（例） Y=b0+b1x+b2x 已知x1与x2相关很高，且由以往经验可知： b2＝γb1 令 x’=x1+γx2 于是回归方程可转化为: Y=b0+b1x’ 用最小二乘法求出b1，则得到回归方程： y’=b0+b1x+b2x 其中b2＝γb1 2. 典型相关 两组变量之间的相关分析技术 一组称之：标准变量（criterion variable) 一组称之：预测变量（predictor variable) 两个典型变量之间的函数关系称之： 典型函数（canonical function)典型函数组成部分的观察变量权重称之：典型系数或权数（canonica