vip心理统计学终极辅导.pptVIP

非参数检验 非参数检验的优缺点 优点： 1、一般不需要严格的前提假设 2、稳定性。对总体分布的条件约束大大放宽，不需要对总体做理想化假设而脱离实际研究。 3、很适用于小样本，无分布样本、数据污染样本，特别适用于顺序资料（等级变量）且方法简单。 缺点： 1、不足是未能充分利用资料的全部信息 2、非参数方法目前还不能处理“交互作用” 两个独立样本的非参数检验方法 秩和检验法中位数检验法 两个相关样本的非参数检验方法 符号检验法符号秩次检验法 因素分析 因素分析模型是主成分分析的推广。它也是利用降维的思想，由研究原始变量相关矩阵内部出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。 因子分析的基本思想是根据相关性把原始变量分组，使得同组内的变量之间相关性较高，而不同组的变量间相关性则较低。每组变量代表一个基本结构，并用一个不可观测的综合变量表示，这个基本结构就称为公因子。 统计回归效应 在第一次测试较差的学生可能在第二次测试时表现好些,而第一次表现好的学生则可能相反,这种情形称为统计回归效应。统计回归效应的真正原因就是偶然因素变化导致的随机误差，以及仅仅根据一次测试结果划分高分组和低分组。 中介变量调节变量 中介变量的定义考虑自变量X 对因变量Y的影响,如果X 通过影响变量M 来影响Y,则称M 为中介变量。例如,上司的归因研究:下属的表现———上司对下属表现的归因———上司对下属表现的反应,其中的“上司对下属表现的归因”为中介变量 。 调节变量的定义如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量。就是说, Y与X 的关系受到第三个变量M 的影响。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱. 例如,学生的学习效果和指导方案的关系,往往受到学生个性的影响:一种指导方案对某类学生很有效,对另一类学生却没有效,从而学生个性是调节变量。又如,学生一般自我概念与某项自我概念(如外貌、体能等)的关系,受到学生对该项自我概念重视程度的影响:很重视外貌的人,长相不好会大大降低其一般自我概念;不重视外貌的人,长相不好对其一般自我概念影响不大,从而对该项自我概念的重视程度是调节变量。二者关系如果一个变量与自变量或因变量相关不大,它不可能成为中介变量,但有可能成为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量,如性别、年龄等,由于不受自变量的影响,自然不能成为中介变量,但许多时候都可以考虑为调节变量。对于给定的自变量和因变量,有的变量做调节变量和中介变量都是合适的,从理论上都可以做出合理的解释。 答 疑 环 节 Thank you for listening 在一项关于反馈对知觉判断的影响的研究中，将被试随机分成两组，其中一组60人作为实验组（每一次判断后将结果告诉被试），实验的平均结果=80，标准差=18；另一组52人做为控制组（实验过程中每一次判断后不让被试知道结果），实验的平均结果=73，标准差=15。试问实验组与控制组的平均结果有否显著差异？ 为了比较独生子女与非独生子女在社会性方面的差异，随机抽取独生子女25人，非独生子女31人，进行社会认知测验，结果独生子女平均数为25.3，标准差为6；非独生子女 平均数为29.9，标准差为10.2。试问独生子女与非独生子女的社会认知能力是否存在显著差异？ 方差分析 方差分析又称作变异数分析（ANOVA)是一种应用非常广泛的变量分析方法。其主要功能在于分析实验数据中不同来源的变异对总变异的贡献大小,从而确定实验中的自变量是否对因变量有重要影响。 方差分析的基本假定: 1.总体正态分布 在心理与教育研究领域中,大多数变量是可以假定其总体是服从于正态分布的,因此一般进行方差分析时并不需要去检验总体分布的正态性。当有证据表明总体分布不是正态时,可以将数据作某种转换,经过转换以后的数据就可以接近正态分布了。 2.变异的可加性 方差分析所依据的一个基本原理就是变异的可加性。确切地说,应该是变异的可分解性,总变异可以分解成几个不同来源的部分,这几个部分变异的来源在意义上必须明确,而且彼此要相互独立。 3.各处理内的方差一致（齐性） 在方差分析中用MSw作为总体组内方差的估计值,而计算MSw时相当于将各个处理中的样本方差合成,这如同前一章t检验中求两个样本方差的联合方差一样,在由两个样本方差求联合方差时有个前提条件,两个样本方差无显著差异。同样,求组内均方MSw时,各实验处理内的方差彼此也应无显著差异,这是方差分析中最为重要的基本假定。这一假定若不能满足,原则上是不能进行上述方差分析的 被试被