统计答题复习题老师批阅过.pdfVIP

一、简答题

1、线性相关与回归的区别和联系

联系：1）均为研究及度量两个或两个以上变量之间的关系，从广义上说，

相关分析包括回归分析。相关系数是两个回归系数的几何平均数，r2=byx•bxy，

且均不能确定因果关系。

2）如果对同一资料进行相关与回归分析，则可得到的相关系数r与回归方

程中的b正负号是相同的，相关和回归可以相互解释。

区别：1）线性相关分析是分析变量之间的双向的关系密切程度，相关表示

两方面的平均关系，属于对称性设计；回归分析是以数学模型来确定变量之间的

关系形式。用一个变量去预测另一个变量的变化情形，往往是单向的分析两变量

的变化关系，是一种不对称的设计。

2）线性相关分析涉及到变量之间的呈线性关系的密切程度,线性回归分析是

在变量存性相关关系的基础上建立变量之间的线性模型。

2、试述分层取样的原则和方法

1）定义：分层抽样是按照总体上已有的某些特征（如和种族等），

将总体分成几个不同部分（每个部分叫一个层或一个子总体），然后在每一个层

或子总体中进行简单随机取样。分为分层比例抽样和分层非比例抽样。

2）总的原则：各层的同质性强（变异要小），各层之间异质强（层与层

之间的变异越大越好），突出总体结构。它可以提高样本的代表性，同时减

少可能的抽样误差。

3）方法：在具体操作中，没有一成不变的标准，研究人员可根据研究需要

依照多个分层标准，视具体情况而定。

3、为什么要建立回归方程？

回归方程是描述两个变量之间的数量依存关系。当研究的目的不仅要分析变

量之间关系的密切程度，而且也要确定变量之间数量关系的可能形式，找出表达

它们之间依存关系的合适的数学模型，并用这个数学模型来表示这种关系形式，

则叫做回归分析。也就是说，从总体上看，自变量是否真的对因变量有影响，用

它来预测或估计的有效程度如何，这是应用回归模型时需要解决的问题。建立回

归模型实际上就是根据已知两变量的数据求出回归方程。

4、非参数检验的意义和常用的方法及使用条件

意义：当数据不满足正态分布、可加性、方差齐性，对总体不做严格假设时，

可采用非参数检验来分析数据。在实践中，研究人员对所研究的总体可能了解很

少，有时对参数检验中的诸多要求和假定很难完全满足，所以在不符合参数检验

的条件下，参数检验更加合适。虽然非参检验不如参数检验精确，但是不会出错。

常用方法：

两独立样本：秩和检验、中数检验

两配对样本：符号检验、符号等级检验

完全随机方差分析：克—瓦氏单向方差分析

随机区组方差分析：弗里德曼两因素等级方差分析

5、简单叙述非参数检验方法与参数检验方法相比的特点

1）非参数检验一般不需要严格的前提假设，而参数检验一般需要假设。

2）非参数检验比较适用于等级（顺序）数据，参数检验更适用于等距、等比

数据。3）非参数检验适用于小样本，方法简单，而参数检验则适用于大样本；

4）非参数检验未能充分利用资料的全部信息，方法不如参数检验精确。5）

非参数方法目前还不能处理交互作用。

6、独立样本和相关样本之间的差别是什么？

独立样本是指两个样本数据相互独立，不存在一一对应关系。如研究男

生和在某一投票的意见的差异就是两个独立样本。而相关样本是指两个

样本的数据之间存在一一对应的关系。

在下面两种情况下，可以作为相关样本来进行统计：一种是同一样本的

两项数据间的检验，比如说某班学生其中考试和期末考试的成绩差异比较，

就是相关样本；第二种是两个匹配样本之间的比较，比如说对男女高中生的

力进行比较，为了避免语文成绩对成绩的影响，我们依据语文成绩

对男进行匹配，保证两者的语文成绩相等，此时，两组数据应该考虑为

相关数据。在其余的时候，数据应该视为独立样本。

7、在被试取样时，应该根据哪些因素确定样本的大小？

1）当进行平均数的估计时，当α确定后，总体标准差和最大允许误差d是

决定样本容量的两个因子。

2）当进行平均数假设检验时，需要同时考虑显著性水平（α）、统计检验

力、总体标准差以及所假设的总体差异四个因子

8、非