心理学的研究方法(十六)概要.ppt

心理学的研究方法（十六） 数据分析 了解数据 概括数据 用置信区间来判断数据所反映的意义 基于虚无假设的显著性检验 一 概述 数据分析的目标在于确认我们的观察是否能够支持我们的观点和论断。 数据收集的基本前提：研究假设、正确的研究设计、适宜的测量方式以及统计的效力；保证信效度。 例证：均数比较 词汇量的比较： 被试：26名大学生，平均年龄18.5岁；26名老年人，平均年龄76岁。 材料：从词典中分层随机法，选取191个词汇，构成5选一的测试题。 第一阶段：了解数据 清理数据，检查数据错误，如数据缺失、不可能值， 描述数据分布特征 大学生组（n=26）：59；31；47；43；54；42；38；44； 概括数据 计算集中趋势：平均数、中数和众数 离中趋势和变异的指标：全距和标准差 平均数的标准误是理论抽样分布中平均数的标准差，它用于测量我们对总体平均数的估计 效应量能够排除样本容量大小的影响，为自变量和因变量关系的强度提供信息。 在对两个均数进行比较时，测量效应大小的一个重要指标是科恩d值 平均数的标准误 用样本平均数估计总体平均数，理论抽样平均数分布的标准差——平均数标准误 平均数标准误的估计量 效应量的测量 自变量有没有效果，如果有，效果到底多大 科恩d值：两独立组设计，样本平均数之间的差异除以总体的标准差，总体标准差可以通过将各组内变异相加，再除以两组样本总数得到。三个以上独立组设计，用eta-squared =组间平方和/总平方和 科恩d值的分类：大，0.80; 中 0.50; 小, 0.20 科恩f值：大0.40；中0.25；小0.10 用置信区间来判断数据所反映的意义 置信区间可以针对单个的总体平均数，也可以是平均数之间的差异. 总体平均数置信区间的意义：xx到xx这个区间有95%的可能包含了总体平均数。置信区间讲得是套环套住目标的概率，而不是目标落在套环中的概率（Howell,2002)。 两个均数差异的置信区间的解释：置信区间有95%的可能包含了真实的均数差异或者绝对的效应大小。如果区间包含0，那么就不能说存在着效应。 当有两个或者三个平均数，可以给每个平均数构造一个置信区间。多组别研究可以通过判断区间是否重叠来判断平均数是否存在差异。 假设检验 比较两总体的平均值是否相同，或一个总体平均数是否等于某个值的问题。 比较两个样本的方差，或样本方差与总体方差的一致性问题。 差异产生的原因，一是纯粹的由于实验误差引起的，二是结果本身存在着实质性的差异，即有系统误差存在。 假设检验的基本思想和方法 小概率事件在一次抽样中，可以认为基本上不会发生的原理。把概率不超过5%的事件称为小概率事件。 原假设，记作H0：?1=?2 备择假设，记作H1：?1≠?2 选择统计量，t 检验，F检验 和?2检验 假设检验的步骤 （1）提出原假设和备择假设 （2）确定显著性水平?值 （3）选择和计算统计量 （4）统计推断 （5） ?0.05,差异无显著意义 ?≤0.05,差异有显著意义 ?≤0.01,差异有非常显著意义 统计 显著性检验与分析 虚无假设检验：确定实验中组间差异是否比误差变异引起的差异大。 虚无假设检验步骤： 1假设自变量没有效应 2假定虚无假设为真，就需要用概率论对实验结果的可能性做出估计。统计结果显著说明虚无假设为真的可能性很小。 I类错误：虚无假设为真时，拒绝它的概率；Ⅱ类错误：虚无假设为假时，没有拒绝它的概率。 t 检验 概念：通过计算t统计量进行差异显著性检验的方法称为t检验。 应用条件： 分布类型为正态分布 方差齐性 应用范围： 检验一组连续性资料是否来自均值已知的某总体。 配对设计资料或自身对照比较资料的t检验。 两个总体（样本）均值差异的t检验 例1.随机抽取某地区100名成年男子，测得其脉搏（次/分）如下：75 74 73 73 76 79 63 81 80 76 63 79 70 89 75 83 80 77 82 81 76 80 67 79 87 90 66 63 64 66 78 66 79 75 71 69 69 71 71 71 67 80 69 88 78 64 72 91 77 63 61 80 71 56 77 77 67 66 73 86 73 78 85 81 68 77 83 69 87 71 74 71 74 83 78 81 61 68 81 76 72 70 80 75 70 61 66 72 80 84 80 77 65 78 73 74 83 72 90 87，该地区成年男子脉搏的总均数是否不同于通常的72次？ 例2.为比较两种方法对乳酸饮料中脂肪含量测定结果是否不同，某人随机抽取了10份乳酸饮料制品，分别用脂肪