《心理统计川》课程教学大纲 课程基本信息 课程代码：16107203 课程名称：心理统计川 英文名称：Psychological StatisticsⅡ 课程类别：学科基础课 学 时：48 学 分：3 适用对象：应用心理学专业 考核方式：考试 先修课程：心理统计I 二、课程简介 心理统计课程介绍了当今心理学研究中主要的统计方法，内容包括：描述纷 计（样本的数据特征和统计图表），概率基础知识，随机变量及其分布，参数点估 计和区间估计，参数假设检验，分布检验，变量独立性检验，效应量和检验力， 各种变量的相关分析，测量信度，一元和多元回归分析，单因素、多因素方差分 析和重复测量实验设计的方差分析，一元逻辑斯蒂回归分析，因子分析和主成分 分析。重点讨论了统计思想和统计原理、应用实例、SSS软件操作方法、结果 解释和表述。 Psychological Statistics introduces the main statistical methods of present psychological research.It covers:descriptive statistics(data features of samples and diagrams),basic knowledge of probability,random variables and their distribution, parameter point estimation and interval estimation,parametric hypothesis test, distribution test,variable independence test,effect size and power of statistical test, analysis of various variables,test reliability,univariate and multivariate regression analysis,one-way ANOVA(analysis of variance),multivariate ANOVA,repeated measures ANOVA,unary logistic regression analysis,factor analysis and principal component analysis.This course focuses on statistical ideas and principles, application cases,operation of software SPSS,result interpretation and expression. 三、课程性质与教学目的 本课程的性质是“学科基础课”。 教学目的是，通过本门课程的教学活动，使学生掌握回归分析、方差分析、 因子分析等统计分析方法的统计思想、原理和实际操作步骤，以及统计结果的解
《心理统计Ⅱ》课程教学大纲 一、 课程基本信息 课程代码：16107203 课程名称：心理统计Ⅱ 英文名称：Psychological Statistics Ⅱ 课程类别：学科基础课 学 时： 48 学 分： 3 适用对象: 应用心理学专业 考核方式：考试 先修课程：心理统计 I 二、 课程简介 心理统计课程介绍了当今心理学研究中主要的统计方法，内容包括：描述统 计(样本的数据特征和统计图表)，概率基础知识，随机变量及其分布，参数点估 计和区间估计，参数假设检验，分布检验，变量独立性检验，效应量和检验力， 各种变量的相关分析，测量信度，一元和多元回归分析，单因素、多因素方差分 析和重复测量实验设计的方差分析，一元逻辑斯蒂回归分析，因子分析和主成分 分析。重点讨论了统计思想和统计原理、应用实例、SPSS 软件操作方法、结果 解释和表述。 Psychological Statistics introduces the main statistical methods of present psychological research. It covers: descriptive statistics (data features of samples and diagrams), basic knowledge of probability, random variables and their distribution, parameter point estimation and interval estimation, parametric hypothesis test, distribution test, variable independence test, effect size and power of statistical test, analysis of various variables, test reliability, univariate and multivariate regression analysis, one-way ANOVA(analysis of variance), multivariate ANOVA, repeated measures ANOVA, unary logistic regression analysis, factor analysis and principal component analysis. This course focuses on statistical ideas and principles, application cases, operation of software SPSS, result interpretation and expression. 三、课程性质与教学目的 本课程的性质是“学科基础课”。 教学目的是，通过本门课程的教学活动，使学生掌握回归分析、方差分析、 因子分析等统计分析方法的统计思想、原理和实际操作步骤，以及统计结果的解
释和表述，为学生从事心理学研究、毕业论文创作、以及毕业后从事相关工作时， 能熟练使用统计方法分析相关的数据。 四、教学内容及要求 第八章相关分析 (一)目的与要求 使学生了解相关的概念和特点，学握如何计算person相关系数，用于 检验两个类别变量独立性的列联表分析，以及信度测量。 (二)教学内容 第一节相关系数 1、主要内容：相关分析 2、基本概念与知识点： 1)、相关： 一个变量的值发生了变化，另一个变量的值也发生变化，这种共 同变化的关系，统计上称为相关。 正相关是指一个变量的值增加时，另一个变量的值也有增加的趋势。如入学 时英语词汇量与第一学年末词汇量的相关就是正相关的例子，入学时词汇量越 多，第一学年末词汇量也越多。如果检验结果是两次测验的词汇量相关显著，在 写研究报告时，在给出相关系数及其显著性概率后，通常会说：“第一学年末词 汇量与入学时词汇量有显著正相关，即入学时词汇量越多，第一学年末的词汇量 往往也截多” 负相关是指一个变量的值增加时，另一个变量的值反而有减少的趋势，例如， 被试人格因素中的外向性和神经质的相关，外向性得分越高的被试，神经质的得 分有降低的趋势，即外向性与神经质负相关。如果检验结果是外向性和神经质相 关显著，在写研究报告时，可以这样说：“外向性和神经质负相关显著。 一般地 说，外向性得分越高的被试，神经质得分越低。外向性得分越低的被试，神经质 得分越高”。 2)、相关系数的特性 对称性：如果计算相关系数时不需要区分哪个是自变量(independent variable),哪个是因变量(dependent variable),这样的相关系数描述了对称 (symmetrical)关系 3)、相关系数 用来描述两个变量相互之间变化方向及密切程度的数字特征量称为相关系 数。一般用，表示。相关系数的值，仅仅是一个比值。它不是由相等单位度量而 来（即不等距），也不是百分比，因此，不能直接作加、减、乘、除。相关系数 只能描述两个变量之间的变化方向及密切程度，并不能揭示二者之间的内在本质 联系。相关系数的值在-1和+1之间，0相关意味着没有关系，+1意味着"完 全的正相关"之间两个，1意味着完全的负相关。 4)、皮尔逊相关
释和表述，为学生从事心理学研究、毕业论文创作、以及毕业后从事相关工作时， 能熟练使用统计方法分析相关的数据。 四、教学内容及要求 第八章 相关分析 （—） 目的与要求 使学生了解相关的概念和特点，掌握如何计算 person 相关系数，用于 检验两个类别变量独立性的列联表分析，以及信度测量。 （二）教学内容 第一节 相关系数 1、主要内容：相关分析 2、基本概念与知识点： 1）、相关：一个变量的值发生了变化，另一个变量的值也发生变化，这种共 同变化的关系，统计上称为相关。 正相关是指一个变量的值增加时，另一个变量的值也有增加的趋势。如入学 时英语词汇量与第一学年末词汇量的相关就是正相关的例子，入学时词汇量越 多，第一学年末词汇量也越多。如果检验结果是两次测验的词汇量相关显著，在 写研究报告时，在给出相关系数及其显著性概率后，通常会说：“第一学年末词 汇量与入学时词汇量有显著正相关，即入学时词汇量越多，第一学年末的词汇量 往往也越多”。 负相关是指一个变量的值增加时，另一个变量的值反而有减少的趋势。例如， 被试人格因素中的外向性和神经质的相关，外向性得分越高的被试，神经质的得 分有降低的趋势，即外向性与神经质负相关。如果检验结果是外向性和神经质相 关显著，在写研究报告时，可以这样说：“外向性和神经质负相关显著。一般地 说，外向性得分越高的被试，神经质得分越低。外向性得分越低的被试，神经质 得分越高”。 2）、相关系数的特性 对称性：如果计算相关系数时不需要区分哪个是自变量（independent variable），哪个是因变量（dependent variable），这样的相关系数描述了对称 （symmetrical）关系。 3）、相关系数 用来描述两个变量相互之间变化方向及密切程度的数字特征量称为相关系 数。一般用 r 表示。相关系数的值，仅仅是一个比值。它不是由相等单位度量而 来（即不等距），也不是百分比，因此，不能直接作加、减、乘、除。相关系数 只能描述两个变量之间的变化方向及密切程度，并不能揭示二者之间的内在本质 联系。相关系数的值在-1 和 +1 之间，0 相关意味着没有关系，+1 意味着"完 全的正相关" 之间两个，-1 意味着完全的负相关。 4）、皮尔逊相关
一个变量是定距变量，一个变量是二值变量，将后者编码为0和1，然后计 算皮尔逊相关系数，就等于点双列相关系数。 X与Y是两个特殊的定序变量，各有相同的等级个数，每个样品的变量值是 样本排序后该样品的等级值，计算皮尔逊相关系数，就等于斯皮尔曼等级相关系 数。 第二节列联表分析和独立性检验 1、主要内容：独立性检验 2、基木概与知识点： 1)定义： 如果两个变量X和Y都是定类变量，根据这两个题目的答案可得列联表。 列联表分析要研究的问题是，两个定类变量之间有关吗？ 2)列联表检验的过程： 3)x2检验的意义： A、检验一个类别变量的分布是否服从一个假设的分布（如均匀分布） B、检验两个类别变量之间是否相关 第三节测验信度 1、主要内容：测验信度 2、基本概念与知识点： 1)定义：测验信度是指测验结果的一致性或稳定性程度。 2)重测信度：是同一组被试使用同一份试题（以及相同的评分标准），前后两 次测验分数的相关系数 3)复本信度：是用两份“等值”（内容、题型、题数、难度等都相同或非常接 近)但具体题目又不同的两份试题，相继对同一组被试进行两次测验所得分数的 相关系数 4)分半信度：把一个测验中的题目按编号分成两半，分别计算出每个被试两 部分的得分。然后计算这两个部分的相关系数 5)评分者信度：又称斯皮尔曼等级相关系数，是度量两个等级变量的相关系 数，肯德尔和谐系数是度量多个等级变量的相关系数 )a系数：Alpha系数又称为Cronbach系数，它等于一个测验的所有可能的 分半信度的平均值。 题目个数会影响a系数。一般来说，增加题目，a系数通常会变大。 ā系数既不能用来衡量测验的内部一致性，也不能用来衡量测验的同质性。 如果一份量表由多个分量表组成，只需要计算和报告分量表的ā系数，计算 和报告总量表的系数没有多大意义。 思若与实践 思考：本章内容的相关分析是描述性统计的内容，比较简单，但却 是下一章回归分析的基础。另外，本章十分重要的是信度分析方法，这是问卷调 查研究十分重要的部分
一个变量是定距变量，一个变量是二值变量，将后者编码为 0 和 1，然后计 算皮尔逊相关系数，就等于点双列相关系数。 X 与 Y 是两个特殊的定序变量，各有相同的等级个数，每个样品的变量值是 样本排序后该样品的等级值，计算皮尔逊相关系数，就等于斯皮尔曼等级相关系 数。 第二节 列联表分析和独立性检验 1、主要内容：独立性检验 2、基本概念与知识点： 1）定义： 如果两个变量 X 和 Y 都是定类变量，根据这两个题目的答案可得列联表。 列联表分析要研究的问题是，两个定类变量之间有关吗？ 2）列联表检验的过程： 3）x 2 检验的意义： A、检验一个类别变量的分布是否服从一个假设的分布(如均匀分布) B、检验两个类别变量之间是否相关 第三节 测验信度 1、主要内容：测验信度 2、基本概念与知识点： 1）定义：测验信度是指测验结果的一致性或稳定性程度。 2）重测信度：是同一组被试使用同一份试题(以及相同的评分标准)，前后两 次测验分数的相关系数 3）复本信度：是用两份“等值”（内容、题型、题数、难度等都相同或非常接 近）但具体题目又不同的两份试题，相继对同一组被试进行两次测验所得分数的 相关系数。 4）分半信度：把一个测验中的题目按编号分成两半，分别计算出每个被试两 部分的得分。然后计算这两个部分的相关系数 5）评分者信度：又称斯皮尔曼等级相关系数，是度量两个等级变量的相关系 数，肯德尔和谐系数是度量多个等级变量的相关系数。 6）α系数：Alpha 系数又称为 Cronbach 系数，它等于一个测验的所有可能的 分半信度的平均值。 题目个数会影响α系数。一般来说，增加题目，α系数通常会变大。 α系数既不能用来衡量测验的内部一致性，也不能用来衡量测验的同质性。 如果一份量表由多个分量表组成，只需要计算和报告分量表的α系数，计算 和报告总量表的α系数没有多大意义。 （三） 思考与实践 思考：本章内容的相关分析是描述性统计的内容，比较简单，但却 是下一章回归分析的基础。另外，本章十分重要的是信度分析方法，这是问卷调 查研究十分重要的部分
实践环节：相关分析的SPSs操作 课后练习：P164-1661-7题 (四)教学方法与手段 本章教学主要采用课堂讲授、课堂讨论、实践操作等 第九章回归分析 (一)目的与要求 使学生了解和掌握线性回归，包括一个自变量和多个自变量的线性回归。掌 握如何建立回归方程、如何检验、评价和解释回归方程，如何利用回归方程进行 预测。从回归分析的教学中，让学生知道回归分析和方差分析是可以互通的，换 句话说，让学生感受到学科之间并没有绝对的界限，现在的科学发展的一个趋势 就是学科交叉。 (二)教学内容 第一节一元线性回归 1、主要内容 一元线性回归的原理与计算 2、基本概念与知识点： 1)作用和意义： 如果两个变量X和Y的相关显著，说明这两个变量有某种程度的共变关系。 我们希望通过X的值去预测Y的值，或者希望了解Y的变化在多大程度上可以由 X的变化来解释。这时，称Y为因变量(dependent variable),X为自变量 (independent variable)或预测变量。 作回归分析就是试图找到一条直线（以及线性方程）以最佳地拟合数据点。最 佳拟合线意味着：目标是是使误差最小。即，这条线与所有的数据点最近，是最 佳拟合线。回归线是给定X,a和b,用公式（线性方程）来预测Y的值。我们 的目标是找出一条线，以对Y作最佳估计.即，这条线使得所有Y值的估计误 差最小。 2)一元线性回归的过程： A、 元线性回归是指只有 一个自变量的线性回归。 B、拟合直线的方法：最小二乘法 C、回归方程的显著性检验：方差分析法 D、回归系数的显著性检验：t检验 E、回归方程的预测作用： F、回归方程的解释作用：测定系数指回归平方和在总平方和中所占比例， 这个比例越大，意味着误差平方和所占比例越小，预测效果就越好。测定系数同 时等于相关系数的平方。 3) 元线性回归方程检验有三种等效的方法： a、对回归方程进行方差分析 b、对两个变量的相关系数进行与总体零相关的显著性检验
实践环节：相关分析的 SPSS 操作 课后练习：P164-166 1-7 题 （四） 教学方法与手段 本章教学主要采用课堂讲授、课堂讨论、实践操作等 第九章 回归分析 （一）目的与要求 使学生了解和掌握线性回归，包括一个自变量和多个自变量的线性回归。掌 握如何建立回归方程、如何检验、评价和解释回归方程，如何利用回归方程进行 预测。从回归分析的教学中，让学生知道回归分析和方差分析是可以互通的，换 句话说，让学生感受到学科之间并没有绝对的界限，现在的科学发展的一个趋势 就是学科交叉。 （二）教学内容 第一节 一元线性回归 1、主要内容：一元线性回归的原理与计算 2、基本概念与知识点： 1）作用和意义： 如果两个变量 X 和 Y 的相关显著，说明这两个变量有某种程度的共变关系。 我们希望通过 X 的值去预测 Y 的值，或者希望了解 Y 的变化在多大程度上可以由 X 的变化来解释。这时，称 Y 为因变量（dependent variable），X 为自变量 （independent variable）或预测变量。 作回归分析就是试图找到一条直线(以及线性方程)以最佳地拟合数据点。最 佳拟合线意味着：目标是是使误差最小。即，这条线与所有的数据点最近，是最 佳拟合线。回归线是给定 X，a 和 b，用公式 (线性方程)来预测 Y 的值。我们 的目标是找出一条线，以对 Y 作最佳估计. 即，这条线使得所有 Y 值的估计误 差最小。 2）一元线性回归的过程： A、一元线性回归是指只有一个自变量的线性回归。 B、拟合直线的方法：最小二乘法 C、回归方程的显著性检验：方差分析法 D、回归系数的显著性检验：t 检验 E、回归方程的预测作用： F、回归方程的解释作用：测定系数指回归平方和在总平方和中所占比例， 这个比例越大，意味着误差平方和所占比例越小，预测效果就越好。测定系数同 时等于相关系数的平方。 3）一元线性回归方程检验有三种等效的方法： a、对回归方程进行方差分析 b、对两个变量的相关系数进行与总体零相关的显著性检验
c、对回归系数进行显著性检验 4)可线性化的曲线回归 先做数据变换，然后对变换后的数据做直线回归分析，再将结果变换回曲线 方程。 第二节多元线性回归 1、主要内容：多元线性回归的原理与计算 2、基本概念与知识点： 1)多元回归方程 a)多元线性回归方程是指Y对X1、X2。知的线性回归方程。 )多元线性回归方程的建立原理和一元线性回归方程一样，多元线性回 归方程也用最小二乘法来确定回归系数。 c)多元线性标准回归方程为了比较多个自变量在估计预测因变量时所起 作用的大小，需要将所有变量分别转换成标准分数，然后比较由标准分 数所建立的标准回归方程中的多个标准回归系数，以此判断两个自变量 作用的大小。 2)多元同归的检哈 多元线性回归的检验包括两个方面：一是检验回归方程的显著性：另一是检 验两个偏回归系数的显著性， 3)、多元线性回归方程中自变量的选择 a)指定变量(enter) b)向后别除法(backward) c)向前选择法(forward) d)逐步回归法(stepwise) 逐步回归的原理是按每个自变量对因变量的作用，从大到小逐个地引入回归 方程，每引入一个自变量要对回归方程中的每一个自变量都进行显著性检验（即 对其偏回归系数进行显著性检验)。这样逐步地引入自变量，并剔除不显著的自 变量，直至将所有的自变量都引入，并将不显著的自变量都剔除为止，最后形成 的回归方程就是最优方程。 )层次回归法：自变量进入方程的顺序是人为确定的 4)、残差分析 误差方差齐性检验 相邻误差项是否有序列相关(Durbin-Watson检验) 误差正态性检验 查找异常点(outlier) 5)、额外平方和与R2的变化 2的变化可以了解新加入的变量有多大作用 6)回归分析的四个前提条件：
c、对回归系数进行显著性检验 4）可线性化的曲线回归 先做数据变换，然后对变换后的数据做直线回归分析，再将结果变换回曲线 方程。 第二节 多元线性回归 1、主要内容：多元线性回归的原理与计算 2、基本概念与知识点： 1) 多元回归方程 a）多元线性回归方程是指 Y 对 X1 、X2。。。Xn 的线性回归方程。 b）多元线性回归方程的建立原理和一元线性回归方程一样，多元线性回 归方程也用最小二乘法来确定回归系数。 c）多元线性标准回归方程为了比较多个自变量在估计预测因变量时所起 作用的大小，需要将所有变量分别转换成标准分数，然后比较由标准分 数所建立的标准回归方程中的多个标准回归系数，以此判断两个自变量 作用的大小。 2) 多元回归的检验 多元线性回归的检验包括两个方面：一是检验回归方程的显著性；另一是检 验两个偏回归系数的显著性。 3)、多元线性回归方程中自变量的选择 a）指定变量(enter) b）向后剔除法（backward） c）向前选择法（forward） d）逐步回归法（stepwise） 逐步回归的原理是按每个自变量对因变量的作用，从大到小逐个地引入回归 方程，每引入一个自变量要对回归方程中的每一个自变量都进行显著性检验（即 对其偏回归系数进行显著性检验）。这样逐步地引入自变量，并剔除不显著的自 变量，直至将所有的自变量都引入，并将不显著的自变量都剔除为止，最后形成 的回归方程就是最优方程。 e）层次回归法：自变量进入方程的顺序是人为确定的 4)、残差分析 误差方差齐性检验 相邻误差项是否有序列相关（Durbin-Watson 检验） 误差正态性检验 查找异常点（outlier） 5）、额外平方和与 R 2 的变化 R 2 的变化可以了解新加入的变量有多大作用 6)回归分析的四个前提条件：