教育统计学是运用数理统计的原
理和方法研究教育问题的一门应用科学。它的主要任务是研究如何搜集、整理、分析由教育调查和教育实验等途径所获得的数字资料,并以此为依据,进行科学推断,从而揭示蕴含在教育现象中的客观规律。
统计学和教育统计学的内容:从具体应用角度来分,可以分成:描述统计、推断和实验设计三部分。
描述统计:对已获得的数据进行整理、概括,显现其分布特征的统计方法。通过教育调查和教育实验获得了大量
的数据,用归组、编表、绘图等统计方法对这进行归纳、整理,以直观形象的形式反映其分布特征;通过计算各种特征量,来反映它们分布上的数字特征。
推断统计:根据样本所提供的信息,运用概率的理论进行分析、论证,在一定可靠程度上对总体分布特征进
行估计、推测。
描述统计是推断统计的基础,推断统计是通过样本信息估计、推测总体,从已知情况估计、推测未知情况。
学习统计学和教育统计的学的意义:一、统计学为科学研究提供了一种科学方法,统计推理的方法是归纳法。
二、教育统计学是教育科研定量分析的重要工具。三、广大教育工作者学习教育统计学的具体意义:1、可以顺利地阅读运用统计方法进行定量分析的科
研报告。2、可以提高教育工作的科学性和效率。3、为学习教育测量及教育评价打下基础。
随机现象:1、一次试验有多种可能结果,其所有可能结果是已知的;2、试验之前不能预料哪一种可能结果会
出现;3、在相同的条件下可以重复试验。
随机现象的每一种结果叫做一个
随机事件。
总体:研究的具有某种共同特性的个体的总和。总体中的每个单位称为个体。样本是从总体中抽取的作为观察对象的一部分个体。
样本上的数字特征是统计量。总体上的各种数字特征是参数。在进行统计推断时,就是根据样本统计量来推断总
体相应的参数。
第二章数据的初步整理
教育统计资料的来源:经常性资
料、专题性资料(教育调查、教育实验)
数据的种类:按来源分:点计数据
和度量数据,按随机变量取值情况分:
间断型(取值个数有限的数据,一般为
整数)和连续型随机变量(取值个数无
限的不可数的数据可用小数表示)。
数据的统计分类:按照研究对象的
本质特征,根据分析研究的目的、任务,
以及统计分析时所用统计方法的可能
性,将所获得的数据进行分组归类。分
类标志按形式划分:性质类别和数量类
别。
统计表:一般由标题、表号、标目、
线条、数字、表注构成。分复合表、简
单表、分组表。某一个随机事件在次试
验中出现的次数称为随机事件的频数。
简单频数分布表:求全距、决定组
数和组距、决定组限、登记频数。
统计图:表示间断变量的统计图:
直条图、圆形图。表示连续变量的统计
图:线形图、频数分布图(直方图、多
边图、累积频数和累积百分比多边图)
第三章集中量:是代表一组数据
典型水平或集中趋势的量。
算术平均数:算术平均数是所有观
察值的总和除以总频数所得之商,它是
统计学中最易理解最常应用的一种集
中量指标。特性:观察值的总和等于算
术平均数的倍,各观察值与其算术平均
数之差的总和等于0,若一组观察值是
由两部分或几部分组成,这组观察值的
算术平均数可以由组成部分的算术平
均数而求得。优缺点:1、反应灵敏。2、
严密确定3、简明易懂,计算简单4、
适合代数运算5、只知一组观察值的总
和及总频数就可以求出算术平均数。6、
用加权法可以求出几个平均数的总平
均数。7、用样本数据推断总体集中量
时,算术平均数最接近于总体集中量的
真值,它是总体平均数的最好估计值。
8、在计算方差、标准差、相关系数以
及进行统计推断时,都要用到它。
缺点是:易受两极端数值的影响。
一组数据中某个数值大小模糊不清或
不够确切时,就无法计算。它所适用的
条件:一组数据中每个数据都比较准确
可靠;无两极端数值影响;而且还要通
过它计算其他统计量。
中位数是位于依一定大小顺序的
一组数据中央位置的数值。各有一半数
的一级数据的数据个数一分为二的数
值。是百分位数的一种。
百分位数是位于依一定顺序排列
的一组数据中某一百分位置的数值。
中位数的应用及其优缺点:不适合
代数计算,与算术平均数相比抽样偏差
相对较大。很少受两极端数值的影响,
由数据的个数所决定,反应不灵敏,适
用于:1、一组数据有特大或特小两极
端数值时2、一组数据中有个别数据不
确切、不清楚时。3、资料属于等级性
质时。
第节众数皮尔逊经验法:。
众数的应用及其优缺点:随频数分
布表上的组距变化而变化,极不准确、
极不稳定。不适合代数计算,受抽样变
动较大,较少受两极端数值的影响,反
应不灵敏。使用条件:1、当需要快速
而又粗略地找出一组数据的代表值时
2、当需要利用算术平均数、中位数、
众数三者关系来粗略地判断频数分布
的形态时3、利用众数帮助分析解释一
组频数分布是否确实具有两个频数最
多的集中点时。
当一个频数分布出现两个频数最
多一组时,可以通过合并组距的方法视
其资料的同质性。若合并后仍有两个集
中点,则表明这组数据是由两种性质不
同资料混合在一起。
算术平均数、中位数、众数三者关
系:当频数分布呈正态时,三者合为一
点:;当频数分布呈正偏态时,,负偏
态时:
加权平均数几何平均数调和平
均数
加权平均数是不同比重数据或平
均的平均数。
几何平均数:n个数值连乘积的n
次方根。当一个数列的后一个数据是以
前一个数据为基础成比率增长时,要用
它求其平均增长率,常用作速率的集中
量,在教育方面,求增加率、进步率等。
求法是n个数据连乘积的n次方根。
调和平均数:是一组数据倒数的算
术平均数的倒数。主要是用来求学习速
度。
第章差异量
表示一组数据变异程度或离散程
度的量叫差异量。差异量大大,表示数
据分布越广,越不整齐、差异量越小,
表示数据分布得越集中,变动范围越
小,(全距、四分位距、百分位距、平
均差、方差、标准差、)绝对差异量,
(差异系数。)相对差异量
全距是一组数据中最大值与最小
值之差。
四分位距是用依一定顺序排列的
一组数据中间部位50%个频数距离的一
半作为差异量指标。四分位距的应用
及其优缺点:简明易懂,计算简便,较
少受两极端数值的影响,比全距可靠的
多。但它忽略了左右共50%数据的差异,
不适合代数运算。当一组数据中用中位
数表示集中量时,就要用四分位距表示
差异量。
第节平均差每一个数据与该
组数据的中位数或算术平均数离差的
绝对值的算术平均数。
第节方差和标准差方差是指离
差平方的算术平均数,一组数据中每个
数据与该组平均数之差,平方之求其
和,再除以数据的个数。标准差即方差
的平方根
优点:反应灵敏,随任何一个数据
的变化而变化,严密确定,一组数据的
方差及标准差有确定的值,计算简单,
适合代数运算,可以将几个方差和标准
差综合成一个总的方差和标准差,用样
本数据推断总体差异量时,方差和标准
差是最好的估计量。在避免两极端数值
影响方面超过全距,在考虑到全部离差
方面,优于四分位距,在避免绝对值方
面优于平均差。缺点是不太容易理解,
易受两极端的影响,有个别数值糊涂不
清时无法计算。最直接的用途是描述一
组数据的离散程度。
第节相对差异量对两种单位不
同或单位相同而两个平均数相差较大
的资料进行差异大小的比较。
偏态量及峰态量:=,时,分布
呈对称形,正偏态负偏态。偏
态系数:峰态量时呈正态
峰,高狭峰低阔峰
第五章概率及概率分布
以随机事件在大重复试验中出现
的稳定频率值作为随机事件概率的估
计值,这样寻得的概率称为后验概率。
先验概率是在特定条件下直接计
算出来的,是随机事件的真实概率,不
是由频率估计出来的。
概率的性质:任何随机事件的概率
都是在0与1之间
不可能事件的概率等于0,必然事
件的概率等于1
第节二项分布
凡满足以下条件的试验称为二项
试验:一次试验只有两种可能结果,
即成功和失败,各次试验相互独立,即
各次试验之间互不影响。各次试验中成
功的概率相等,各次试验中失败的概率
也相等。二项分布是一种离散型随机变
量的概率分布。
二项分布函数:二项分布的平
均数和标准差:当二项分布接近正态分
布时,在n次二项试验中成功事件出现
次数的平均数为标准差为,二项分布的
应用:除了用来求成功事件恰好出现X
次的概率之外,在教育中主要用来判断
试验结果的机遇性与真实性的界限。
正态分布是一种连续型随机变量
概率分布。正态曲线的函数:
正态曲线的特点:曲线在Z=0()
处为最高点。曲线以Z=0处为中心双
侧对称。曲线最高点向左右缓慢下降,
并无限伸延,但永不与基线相交。标准
正态分布上的平均数为0标准差为1,
基线上Z从-3至+3,6个标准差距
离间几乎包含了全部(99.73%)面积,
曲线从最高点向左右延伸时,在正负1
个标准差之内既向下又向内弯,正负1
个标准差开始,既向下又向外弯。
正态曲线在测验记分方面的应用:
1、将原始分数转换成标准分数。标准
分数的优点:各科标准分数的单位是绝
对等价的;标准分数的数值大小和正
负,可以反映某一考分在团体中所处的
位置;确定录取分数线;确定等级人数;
品质评定数量化。
第章抽样分布及总体平均数推
断
平均数抽样分布的几个定理:1、
从总体中随机抽出容量为n的一切可能
样本的平均数之平均数等于总体平均
数2、容量为n的平均数在抽样分布上
的标准差,等于总体标准差除以n的平
方根。3、从服从正态分布的总体中,
随机抽取的容量为n的一切可能样本平
均数的分布也呈正态分布。4、虽然总
体不呈正态分布,如果样本容量较大,
反映总体和的样本平均数的抽样分布
也接近于正态分布。当总体标准差为已
知时,平均数抽样分布的标准差与样本
容量n的平方根成反比,即样本容量越
大,平均数抽样分布的标准差越小,当
样本容量n确定时,平均数抽样分布标
准差与总体标准差成正比,即总体数值
离差程度越大,平均数抽样分布的标准
差越大。抽样分布是统计推断的理论依
据。某种统计量在抽样分布上的标准差
称为该种统计量的标准误。标准误越
小,表明样本统计量与总体参数的值越
接近,样本对总体越有代表性,用样本
统计量推断总体参数的可靠度越大,所
以标准误是统计推断可靠性的指标。
样本平均数与总体平均数离差统
计量的形态:
分布与正态分布的相似之处:分布
基线上的值从--+;从平均数等于0
处,左侧值为正;曲线以平均数处为最
高向两侧逐渐下降,尾部无限伸延,永
不与基线相接,呈单峰对称形。区别之
处在于:分布形态随自由度的变化呈一
簇分布形态,分布的峰镲尖峭,尾长而
翘得高,在基线上分布的范围广,自由
度越小,分布范围越广。当自由度逐渐
3
增大时,分布逐渐接近正态分布。当自由度趋于无限大时,分布与正态分布重合。
第节总体平均数的估计根据样本信息对总体参数的有两种不同
形式:总体参数估计和假设检验。
总体参数估计的基本原理:根据样本统计量对相应总体参数所作的估计
叫总体参数估计,分为点估计(无偏性、有效性、一致性)和区间估计。当用某一样本统计量的值来估计相应总体参
数的值叫点估计。以样本统计量的抽样分布(概率分布)为理论依据,按一定概率要求,由样本统计量的值估计总体参数值的所在范围。
区间估计:
第节假设检验的基本原理利
用样本信息,根据一定概率,对总体参数或分布的某一假设作出气绝或保留
的决断,称为假设检验。
零假设是关于当前样本所属的总
体与假设总体无区别的假设。
备择假设是与零假设相反的假设,是研究者根据样本信息期待证实的假设,是根据样本信息否定了零假设时,应当采取的假设。统计推理采用的是反证法。
小概率事件:样本统计量的值(随机事件)在其抽样分布上出现的概率小于或等于事先规定的水平。显著性水平:统计学中把拒绝零假设的概率。显著性水平越高,越不容易拒绝零假设,推断的可能性就越大。统计决断的两类错误及其控制:第一类错误:假设真实而被拒绝,第二类错误:假设属伪而被保留。第一类错误的控制通过选择适当的显著性水平加以主动控制。后果非常严重的用较高的显著性水平,0.01 0.005,当拒绝一个属真的假设其后果不是严重的,选用较低的显著性水平0.05 0.1。控制第二类错误的概率的方法:利用已知的实际总体参数值与假设参数值之间大小关系,合理安排拒绝区域的位置。2、使样本容量增大。总体平均数的显著性检验
右侧检验
第章平均数差异的显著性检验
本章是根据两个样本平均数之差检验
两个相应总体平均数之差的显著性。根
据两个样本统计量的差异检验两个相
应总体参数差异的显著性,统计学上称
为差异显著性检验。
相关样本平均数差异的显著性检
验:两个样本内个体之间存在着一一对
应关系,这两个样本称为相关样本,分
为两种情况:配对组和对照组。小样本
大样本:用Z检验,公式同上。
独立样本平均数差异的显著性检
验:大样本:
独立小样本:
独立小样本方差不齐性时差异显
著性检验:
方差齐性检验:对两个总体的方差
是否有显著性差异所进行的检验。
两个独立样本的方差齐性检验:
两个相关样本的方差齐性检验:
第八章方差分
析
基本原理:方差分析的目的:平均
数差异的显著性检验,是对两个平均数
的比较,在比较多组平均数的时候,常
用方差分析综合性地确定几个平均数
差异的显著性。方差分析的功能就在于
对多组平均数差异的显著性进行检验
方差分析中的几个概念:实验中的
自变量称为因素。只有一个自变量的实
验称为单因素实验。有两个或两个以上
自变量的实验称为多因素实验。某一个
因素的不同情况称为因素的水平,包括
量差或质别两类情况,按各个水平条件
进行的重复实验称为各种处理。假如要
研究两种教材及三种教学法对学生学
习成绩的影响,该实验是双因素的实
验。一个因素是教材,它有两种水平,
另一个因素是教学方法,它有三种水
平。这个实验称为2*3的实验设计,共
有6种处理,若一个实验为2*2*2设计,
则表示该实验有三个因素,每个因素有
两种水平,共有8种处理。用方差分
析法检验某一因素对因变量的作用,称
为单因素方差分析。
完全随机设计的方差分析:为了检
验某一个因素多种不同水平间差异的
显著性,将从同一个总体中随机抽取的
被试,再随机地分入各实验组,施以各
种不同实验处理之后,用方差分析法对
这多个独立样本平均数差异的显著性
进行检验,称为完全随机设计的方差分
析。
相等的情况:组间平方和:
组内平方和:总平方
和:
组间自由度:
组内自由度:
总自由度:
不相等组间平方和:
组内平方和:总
平方和:
用进行组间与组内方差的F
检验
对多组平均数每对之间的差异进
行多重比较的方法,检验法最为常用。
各组n相等:
各组n不相等:
第节随机区组的设计的方差分析
在检验某一因素多种不同水平(即
不同实验处理)之间差异的显著性时,
为了减少被试间个别差异对结果的影
响,把从同一个总体中抽取的被试按条
件相同的原则分成各个组(称区组),
使每个区组内的被试尽量保持同质。在
对各区组施以多种实验处理之后,用方
差分析法对这多个相关样本平均数差
异所进行的显著性检验,称之为随机区
组设计的方差分析。
每一区组内被试的人数分配有以
下三种方式:
一个被试作为一个区组,所有的被
试都要分别接受各种实验处理。
每一区组内的被试的人数是实验
处理数的整数倍数。
区组内不是以个别被试为基本单
元,而是以一个团体为一个基本单元。
完全随机区组设计的方差分析
计算平方和:组内平方和解成区组
平方和及误差平方和
总平方和可分解成组间平方和、区
组平方和及误差平方和:
组间平方和:
区组平方和:
计算方差:组间方差:
区组方差:
误差方差:计算F
值:
区组差异显著性检验:
计算检验统计量的F值:
第节多组方差的齐性检验
哈特莱提出的最大F值检验法进
行齐性检验。
提出假
设::至少
有两个总体方差不相等
当各组n不相等时可用容量最大
一组n计算自由度。
第章总体比率的推断
总体平均数、方差的统计推断都是
对由测量而获得的、正态连续变量的数
据所进行的统计推断。对点计数据的统
计推断应采用总体比率的推断方法或
检验。
比率的抽样分布是二项分布。二项
概率分布是进行总体比率统计推断的
理论依据。总体比率标准误的估计量为
第节总体比率的区间估计
第节总体比率的假设检验一
个样本总体比率假设检验:
总体比率=为样本比率
两个独立样本比率差异的显著性
检验:
两个相关样本比率差异的显著性
检验:
第章检验
及其分布检验的特点:对样本的
频数分布所来自的总体分布是否服从
某种理念分布或某种假设分布所作的
假设检验,即根据样本的频数分布来推
断总体的分布。它与测量数据的假设检
验的不同在于:1、测量数据的假设检
验,其数据属于连续变量,而检验的数
据属于点计而来的间断变量。2、测量
数据所来自的总体要求呈正态分布,而
检验的数据所来自的总体分布是未知
的。3、测量数据的假设检验是对总体
参数或几个总体参数之差所进行的假
设检验;检验在多数情况下不是对总体
参数的检验,而是对总体分布的假设检
验。检验属于自由分布的非参数检验。
比率和比率之差的假设检验,是对
二项分布数据的假设检验。处理的是一
个因素分成两个类别,或是两个因素,
第个因素都分为两个类别的资料,它
最多只能同时比较两组比率的差异。而
检验可以同时处理一个因素分为多种
类别,或多种因素各有多种类别的资
料。所以,凡是可以应用比率进行检
验的资料,都可以应用检验。
检验统计量:
特点:1、具有可加性。2、值永
远是正值。3、值大小随实际频数与理
论频数差的大小而变化。单向表的检
验
一个自由度的检验:
各组的情况:
某组的情况:双向表的
检验:把实得的点计数据按两种分
类标准编制成的表就是双向表。在双向
表检验中,如果要判断两种分类特征,
即两个因素之间是否有依从关系,这种
检验称为独立性检验。在双向表检验
中,如果是判断几次重复实验的结果是
否相同,这种检验称为同质性检验。
第节四格表的检验:1、
当,或时,进行亚茨连续性校正:
第节相关样本四格表的检验:
若或时,
第十一章相关分析
第节相关的意义
正相关:两个变量的变化方向一一
致。负相关:两个变量的变化方向相
反。零相关:两上个变量值变化方向无
一定规律。从密切程度来看,无论两个
变量的变化方向是否一致,凡密切程度
高的称为强相关,一笛膜的为中度相
关,弱的为弱相关或低度相关。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。r
第节积差相关:当两个变量都是连
续变量,而且两者之间呈线性关系时,
表示这两个变量之间相关。使用条件
是:1、两个变量都是由测量获得的连
续性数据。2、两个变量的总体都呈正
态分布,或接近正态分布,至少是单峰
对称。3、必须是成对数据,而且每对
数据之间相互独立。4、两个变量之间
呈线性关系。5、要排除共变因素的影
响。6、样本容量。
积差相关系数:两个变量标准分数
乘积
之和除以n所得之商。
相关系数的等距转换及其合并:相
关系数不可以直接相加求和,因为它不
具有等距的单位。1、将各相关系数r
转换成Zr 2、求Zr的平均数
相关系数显著性检验的步骤及方
法:
一、条件下,
1、r的抽样分布接近于正态分
布
2、条件下将r转换成
Z r
、两个相对独立的样本相关系数差
异的显著性检验
第节等级相关:指以等级次序或以
等级次序表示的变量之间的相关。主要
包括斯皮尔曼二列相关及肯德尔和谐
系数。
斯皮尔曼等级相关:当两个变量值
以次序或以等级次序表示时,两个相应
总体并不一定呈正态分布,样本容量也
不一定大于30,表示这两变量之间的相
关称为等级相关。虽然X变量可视为正
态连续变量,但Y变量是按某种标准评
定的
等级,故
赋预等级。2、计算两个变量每对
所赋予的等级数之差D,及差数的平方
之和,即
检验方法:
肯德尔和谐系数:当多个(两个以
上)变量值以等级次序排列或以等级次
序表示,描述这向个变量之间的一致性
程度(即相关)的量。它常用来表示几
个评定者对同一组学生学习成绩等级
评定的一致性程度,或同一个评定者对
同一组学生的学习成绩用等级先后评
定多次之间的一致性程度。
无相同等级的情况:
3
2、有相同等
级:
相关系数的显著性检验:
第节质与量的相关:指一个变量为质,另一个变量为量,这两个变量之间的相关。主要包括二列相关、点二列相关、多系列相关。1、二列相关:当两个变量都是正态连续变量,其中一个变量被人为地划分成二分变量。使用条件:1、两个变量都是连续变量,且总体呈正态分布,或接近正态分布,至少是单峰对称分布。2、两个变量之间是线性关系。3、二分变量是人为划分的,其分界点应尽量靠近中值。4、样本容量应当大于80。
二列相关系数的计
算:检验:点二列相关:当两个变量其中一个是正态连续变量,另一个是真正的二分名义变量,有时一个变量虽然并非真正的二分变量,而是双峰分布的变量。
点二列相关系
数:检验:
3、多系列相关:当两个变量都是正态连续变量,其中一个变量按不同质被人为地分成多种类别(两类以上)的正态名义变量。表示正态连续变量与多类正态名义变量之间的相关。
第节品质相关:两个变量都是按质划分成几种类别,数据一般是点计数据。根据两个变量的性质及所分类别的多少,分为四分相关,Φ相关及列联相关。
四分相关:当两个变量都是正态连续变量,且两者呈直线关系,但两者都被人为地划分成二分变量。
Φ相关:当两个变量都是二分变量,无论是真正的二分变量还是人为的二分变量,这两个变量之间的关系,可以用Φ相关来表示,比四分相关要广泛。
检验:
列联相关:当两个变量均被人为地
分成两个以上类别,或其中一个变量被
分成两个以上类别。先求
出显著性
检验:
第十二章回归分析
相关表示两个变量之间的双向相
互关系。回归表示一个变量随另一个变
量作不同程度变化的单向关系。由一
个变量值估计、预测另一个变量值的准
确性,随这两个变量之间的相关程度而
变化。在存在相关的情况下,相关越高,
由一个变量值预测另一个变量值越准
确,误差越小。
第节一元线性回归指只有一个自
变量的线性回归。
最小二乘方法求回归系数:在配制
回归线时,回归系数(b)的确定原则
是使散布图上各点距回归线上相应点
的纵向距离平方和为最小,这种求b的
方法称为最小二乘方法。
求回归系数:由y估计
x:由x估计y:
求截距:由x估计
y:由y估计x:
一元线性回归方程检验的方法:1、
对回归方程进行方差分析。2、对两个
变量的相关系数进行与总体零相关的
显著性检验。3、对回归系数进行显著
性检验。
检验步骤:1、提出假设:H0:β
=0 H1:β≠0
计算检验统计量:由x估计y
确定检验形式:
统计决断:
测定系数:x和y
两个变量相关系数和平方等于回
归平方和在总平方和中所占的比率。
第节一元线性回归议程的应用:
回归方程主要是用来由自变量的值估
计预测因变量的值。这里的估计预测包
含两个方面,一方面是用样本的回归方
程推算因变量的回归值;另一方面是
根据样本的回归值估计预测因变量的
真值y。多元线性回归是指有两个或两
个以上自变量的线性回归。
第十三章非参数检验
假设检验的方法有两种:参数检验
(Z、t、F)根据样本的信息对相应的
总体参数(、σ、p)的假设检验。这
种检验是以样本所属的总体呈正态分
布,两个总体或几个总体方差齐性为假
定条件。它适应于等距变量和比率变量
的资料。非参数检验不仅适用于非正态
总体名义变量和次序变量的资料,而且
也适用于等距变量和比率变量的资料。
它不需要对两个总体方差作齐性的假
定,计算简单,适用于小样本资料。应
用范围较参数检验广泛,但其灵敏性和
精确度不如参数检验。
第节符号检验是通过对两个相
关样本的每对数据之差的符号进行检
验,以比较这两个样本差异的显著性。
1、小样本的情况:n<25时,可用查表
法进行符号检验。
检验步骤:
提出假设:H0:P(X1>X2)=P(X1 H1:P(X1>X2)≠P(X1 求差数,并记符号,较小的记为r, 实际的r值越大于r的临界值,差异越 不显著。 大样本的情况:当n>25时,二项 分布接近于正态分布。检验步骤: 提出假设: H0:P(X1>X2)=P(X1 H1:P(X1>X2)≠P(X1 当r>时,则r-0.5,当r<时, r+0.5,r表示n+与 n-中数值较小的一 个。 符号检验的优点是无须对所要检 验的两个总体分布形态以及方差的齐 性作任何假定,并且计算简单迅速,但 是它只考虑符号的正负,不考虑差数数 值的大小,因而失去了一部分样本所提 供的信息。对于同一组数据,除小样本 外,一般不采用符号检验。 第节符号秩次检验 为了克服符号检验的缺点,当比较 两个相关样本的差异时,,将两个样本 每对数据差的绝对值从小到大排列,并 赋予每一个差数以秩次(等级),然后 再给差数记上正负号。威尔科克逊 小样本:n<25时,可用查表法。 提出假设: H0:P(X1>X2)=P(X1 H1:P(X1>X2)≠P(X1 2、计算每对数值的差数,但先不 记符号3、编秩次,差数为0不记,从 小到大顺序4、记号:按差数的正负, 给秩次记上+、-号5、求秩次和,较小 的一个用T表示。 二、大样本:n>25,二项分布接近 于正态。 1、提出假设: H0:P(X1>X2)=P(X1 H1:P(X1>X2)≠P(X1 2、计算每对数值的差数,但先不 记符号3、编秩次,差数为0不记,从 小到大顺序4、记号:按差数的正负, 给秩次记上+、-号5、求秩次和,较小 的一个用T表示。 第三节秩和检验 当比较两个独立样本的差异时,可 以采用曼-惠特尼U检验法 小样本:当两个独立的样本容量 n1与n2都小于10,并且n1≤n2时,可将 两个样本的数据合在一起按数据从小 到大的顺序给每一个数据编秩次。计算 样本容量较小一组的秩次和,并用T表 示。 大样本:当两个独立的样本容量 n1与n2都大于10,T分布接近于正态。 提出假设: H0:相同H1:不相同 将二者数字合在一起编秩次。3、 求秩和 中位数检验:次序变量数据常以中 位数作为集中量,以中分位距作为差异 量。对两个或几个独立样本中位数的比 较,可以采用非参数检验法。中位数的 检验将各组样本数据合在一起找出共 同的中位数,然后分别计算每个样本 在共同中位数上下的频数,再进行rc 表X2 检验。 两个样本中位数的检验 提出假设: H0:相等H1:不相等2、求共 同的中位数3、统计中位数上下的频数 计算X2值:df=1,N<30可采用四格 表缩减校正公式 统计决断 二、多组中位数的检验:用3*2表的X2 缩减公式检验 1、提出假设: H0:相等H1:不相等 求共同的中位数3、统计中位数上 下的频数4、计算X2值: 第节单向秩次方差分析 对于几个独立样本差异的显著性, 可以用克鲁斯尔和沃利斯所提出的单 向秩次方差分析进行检验。这种方法又 称H检验法。它相当于对多组平均数所 进行的参数的方差分析。它是用秩次进 行的非参数的方差分析。 样本容量较小或组数较小的情况: 当各组容量n≤5,或者样本组数K≤3, 可用下式作为检验统计量。 N表示各组频数总和,n (n1= n2= n3= )表示每个小组频数总 和.R表示每个组的秩次和 (R1= R2= R3= ) 提出假设: H0:相等H1:不相等 2、编秩次,求其和,分别计算各 组的秩次和, 样本容量较大或组数较多的情况 当样本容量n>5或样本组数K>3时,可 进行X2检验 与X 2值比较。(df=K-1) 第节双向秩次方差分析:单向秩 次方差分析是处理几个独立样本的资 料,双向秩次方差,是处理几个相关样 本的资料。 样本容量较小及实验次数较少的 情况当样本容量n≤9,K=3;n≤4,K=4 时,用公式: 1、提出假设:H0:相等H1:不 相等 2、编秩次,求其和,分别计算各 组的秩次和, 样本容量较大或实验次数较多的 情况 当K=3,n<9;K=4,n>4,或K>4 时,X2r的抽样分布接近于df=K-1的 X2的分布。于是可以用X2近似处理: X 2(df=K-1) 第十四章抽样设计:推断的可靠 性与以下几种因素有关:①数据的质 量,即所获得数据能否准确映所观察或 测试的某种属性的实际情况;②运用统 计方法及数据处理的准确性;③样本对 总体的代表性。可见,抽样设计既是教 育科研定量分析中的首要环节,又是关 系到统计推断可靠性的重要因素。而样 本对总体的代表性,既涉及到抽样的方 式,又涉及到样本的容量。 第节抽样的方法: 单纯随机抽样:如果总体中每个个 体被抽到的机会是均等的,(即抽样的 随机性),并且在抽取一个个体之后总 体内成份不变(抽样的独立性)。这种 抽样方法称为单纯随机抽样。 抽签法:先将总体中每一个个体都 编上号码,再将每个号码写在签上,将 签充分混合后,从中抽取n个(样本容 量)签,与被抽到的签号相应的个体就 进入样本。随机数目表法随机数骰子 法,计算器随机数法。 机械抽样:把总体中的所有个体按 一定顺序编号,然后依固定的间隔取样 (间隔的大小视所需样本容量与总体 中个体数目比率而定)。机械抽样比单 纯随机抽样能够保证抽到的个体在总 体中的分布比较均匀,而单纯随机抽样 比机械抽样的随机性强。 分层抽样:按与研究内容有关的因 素或指标,先将总体划分成几部分(即 几个层),然后从各部分(即几个层) 中进行单纯随机抽样或机械随机抽样。 原则是各层内部的差异要小,层与层之 间的差异差异要大。1、按各层的人数 比率分配:当总体σ未知时,从各层 所抽的人数比率都应当等于样本容量n 与总体 N之比:2、最优配置法:在从各 层抽取对象时,既考虑各层人数比率, 又考虑各层标准差大小。 3 在标准差大的层里所抽的人数比 率大,标准差小的层里抽到的人数比率小。 整群抽样:从总体中抽出来的研究对象,不是以个体作为单位,而是以整群为单位的抽样方法。 第节总体平均数统计推断时样本容量的确定:统计推断的可靠度及准确性的提高与样本容量的增大不呈直线 关系。推断的可靠度及准确性不是随样本容量的增大按比率增设。样本容量增到一定程度,可靠度及准确性增高的速度开始放慢。 由样本平均数估计总体平均数时 样本容量的确定 当总体σ已知时,样本平均数离差的统计量呈正态分布其统计量为 样本容量计算公式为: 总体σ未知的情况:当总体标准差未知,样本平均数与总体平均数离差统计量呈t分布 df=n-1 样本平均数与总体平均数差异显 著性检验时样本容量的确定 总体σ已知的情况:(单侧) (双侧) 第节总体比率统计推断及相关系数显著性检验时样本容量的确定: 当总体比率接近0.5,随n的增大,样本比率的抽样分布趋向正态,这时总体比率可近似下式进行估计: 第章因素分析 因素分析是一种多元统计分析方法。由英国心理学家斯皮尔曼率先提出。目的在于用最少的因素来最大限度地概括、解释原观测变量间的关系及结构,以提示事物间的内在本质联系。根据因素分析的不同目的,可分为探索性及验证性因素分析。探索性因素分析对于所抽取的因素个数、内容、性质、结构事先没有预定的假设,而是根据因素分析的结果,建立新的理论构架。验证性因素分析是依据一定的理论对于所 抽取的因素内容、性质、结构事先提出明确的预期假设,分析的目的是对某种理论经构架的验证。 因素分析的根本任务就在于求由 因素负荷构成的因素负荷矩阵A。初始 因素负荷矩阵的求法:对角因素分析、 群因素分析、开心因素分析、主因素法、 主成分析等,最普遍的是主因素法。求 因素负荷A涉及到因素负荷的求解、变 量共同度的估计及公共因素个数的确 定。变量共同度最常用的的估计方法: 最大相关估计法、复相关系数平方估计 法。公共因素个数的确定:1、根据几 个公共因素所对应的特征值的累积百 分比来确定。2、以特征值是否大于或 等于1为标准,小于1者不选。3、碎 石检验。 旋转变换及因素:旋转的方式有两 种:正交旋转及斜交旋转,正交旋转就 是在因素轴旋转之后,因素轴之间仍保 持互相正交(垂真),它们间的夹角为 90度,。正旋转的方法有:四次方最大 法,方差最大法,等量最大法。最广泛 的是方差最大法。 因素斜交是普遍的,因此对因素进 行斜交旋转符合自然规律。在斜交旋转 中因素间的夹角可以是任意的,即因素 之间可以是相关的。一个完全的斜交解 必须包括模型矩阵和结构矩阵。在斜交 旋转中目前使用最为广泛的是普洛克 斯斜交旋转法。 因素计分:因素分析可划分为两类 问题,一类问题是研究如何以假设的公 共因素的线性组合来表示观测变量,在 于将多变量Z综合成少数指标F。另一 类问题是研究如何以已知的观测变量 的线性组合来表示假设的公共因素。这 种由变量的观测值来估计被试个体在 公共因素上得分的方法称为因素计分。 其估计方法一般用多元线性回归。 3