心理统计学》重要知识点
心理统计学知识点完整版资料整理
心理统计学知识点完整版资料整理1.数据的概念：在心理统计学中，数据是指信息的收集和组织形式。
数据可以是数字，也可以是文字或符号。
数据的收集可以通过实验、调查、观察等方式进行。
2.数据的分布：在心理统计学中，数据的分布是指通过统计方法和图表来展示数据的特征和规律。
常用的数据分布包括正态分布、偏态分布、均匀分布等。
3.描述性统计：描述性统计是用来描述和总结数据的方法。
常见的描述性统计包括均值、中位数、众数、标准差、变异系数等。
4.推论统计：推论统计是根据样本数据来对总体进行推断的方法。
推论统计主要包括参数估计和假设检验两个方面。
5.参数估计：参数估计是用样本数据来估计总体参数的值。
常见的参数估计方法包括点估计和区间估计。
6.假设检验：假设检验是用来判断总体参数是否满足一些假设的方法。
其中包括设置原假设和备择假设、选择显著性水平、计算统计量、确定拒绝域等步骤。
7.相关分析：相关分析用来研究两个或多个变量之间的关系。
其中最常用的是皮尔逊相关系数，可以用来衡量变量之间的线性相关程度。
8.回归分析：回归分析用来研究一个或多个自变量和因变量之间的关系。
通过回归分析可以得到回归方程，进而预测因变量的值。
9.方差分析：方差分析是一种用来研究多个样本之间差异的方法。
方差分析可以判断不同组之间的均值是否存在显著差异。
10.非参数统计：非参数统计是一种不依赖于总体参数的方法。
非参数统计主要包括秩次统计和分布自由度较小的统计方法。
11.实验设计：实验设计在心理统计学中扮演着重要的角色。
良好的实验设计可以保证实验的可靠性和有效性，并排除干扰因素。
12.抽样方法：抽样方法是指如何从总体中选取样本的方法。
常见的抽样方法包括随机抽样、系统抽样、整群抽样等。
以上是心理统计学的一些主要知识点的简要整理。
了解这些知识点可以帮助我们更好地理解和应用统计方法来分析心理学中的数据。
当然，心理统计学的内容还非常广泛，还有更多的知识点值得深入学习和研究。
大一心理统计学知识点总结
大一心理统计学知识点总结心理统计学作为一门重要的学科，为心理学研究提供了有力的工具和方法。
在大一的学习过程中，我们接触到了一些基本的心理统计学知识点，这些知识点对我们理解和分析心理学实验数据具有重要的意义。
本文将对这些知识点进行总结和归纳。
一、数据的基本概念在心理统计学中，数据是研究的基础。
我们首先要了解数据的基本概念。
数据可以分为定量数据和定性数据。
定量数据是以数字或者数字形式表示的数据，例如身高、年龄等；而定性数据则是以描述性的文字形式表示的数据，例如性别、性格等。
在心理研究中，我们常常需要收集和分析这两种类型的数据。
二、描述统计学描述统计学是心理统计学中的一大分支，它帮助我们对数据进行整理、概括和描述。
常用的描述统计学方法有集中趋势和离散程度的度量。
集中趋势包括均值、中位数和众数，它们反映了数据的平均水平；而离散程度包括极差、方差和标准差，它们描述了数据的变异程度。
通过描述统计学的分析，我们可以更好地了解和概括数据的特征。
三、概率与抽样分布概率与抽样分布是进行统计推断的基础。
概率是描述随机事件发生可能性的数值，它帮助我们对事件发生的概率进行估计。
抽样分布是从总体中抽取样本后得到的分布，它帮助我们对样本统计量的分布进行推断。
通过理解概率与抽样分布的知识，我们可以进行样本数据的统计推断，从而对总体的性质进行估计和推测。
四、假设检验与参数估计假设检验是心理统计学中非常重要的方法之一，它用于判断总体特性的假设是否可被接受。
我们首先提出原假设和备择假设，然后通过收集样本数据，计算样本统计量，从而得到一个用于决策的统计量，最后来判断是否接受或拒绝原假设。
参数估计是对总体参数的估计，通过采用样本统计量，根据抽样分布推断总体参数的范围。
假设检验与参数估计相互联系，共同用于对总体特性进行推断和研究。
五、相关与回归分析相关分析与回归分析是心理统计学中用于分析变量关联关系的方法。
相关分析用于研究两个变量之间的线性关系，通过相关系数来衡量两个变量的相关程度。
大一心理统计学知识点
大一心理统计学知识点心理统计学是心理学的一个重要分支，它研究了与心理学相关的统计方法和技术。
在大一的学习中，我们需要了解一些基本的心理统计学知识点，以帮助我们更好地理解心理学研究中所用到的数据和分析方法。
本文将介绍一些大一心理统计学的重要知识点。
一、数据类型在心理统计学中，数据可以分为两种类型：定性数据和定量数据。
定性数据是指在不进行数值化处理的情况下，仅仅根据属性进行分类的数据。
例如，性别、民族和学历等信息都属于定性数据。
定量数据则是用具体的数值表示的数据，可以进行数值计算和比较。
例如，身高、体重和考试成绩等数据都属于定量数据。
二、测量尺度根据数据的性质和可操作性，心理统计学中通常使用四种测量尺度：名义尺度、顺序尺度、间隔尺度和比率尺度。
名义尺度仅仅对数据进行分类，没有数值上的意义。
顺序尺度除了可以分类，还可以表示数据的大小顺序。
间隔尺度不仅可以分类和顺序排列，还可以比较数据之间的差距。
比率尺度是最完备的测量尺度，除了具备间隔尺度的特点外，还可以进行比率运算。
三、描述统计描述统计是对收集到的数据进行总结和描绘的方法。
常用的描述统计方法包括中心趋势和离散程度的度量。
中心趋势是用来反映一组数据的平均水平的指标，常用的有均值、中位数和众数。
离散程度则是用来反映一组数据的分散程度和差异性的指标，常用的有极差、方差和标准差。
四、正态分布正态分布是心理统计学中最重要的一种分布，也被称为高斯分布或钟形曲线。
它具有对称、单峰和连续的特点。
在心理学研究中，许多变量都呈现出正态分布的特性，因此，对正态分布的了解是非常重要的。
正态分布可以通过计算均值和标准差来描述，均值决定了曲线的中心位置，标准差决定了曲线的宽窄程度。
五、假设检验假设检验是统计推断的一种方法，用于检验对总体或群体特征作出的假设是否成立。
在心理学研究中，我们常常需要根据样本数据对总体特征进行推断和判断。
常见的假设检验方法有单样本t检验、独立样本t检验和相关样本t检验等。
《心理统计学》总复习要点[]
![《心理统计学》总复习要点[]](https://img.taocdn.com/s3/m/9b7d2a3652d380eb62946d3e.png)
《心理统计学》总复习要点第一章、第二章基本概念及次数分布表第一节基本概念一、基本概念1．连续变量与离散变量(不连续变量)变量分为连续变量与离散变量(不连续变量)。
连续变量则可以在量表上的任何两点加以细分，可以取得无限多个大小不同的数值。
不连续变量又称离散变量或间断变量，则在量表上的任何两点中只能取得有限个数值。
是一种只能取特殊值而不能取任何值的变量，它代表一个点，而不是一段距离。
2．总体、样本、个体总体是指具有某一种特征的一类事物的全体，构成总体的每一个基本元素称为个体，在总体中按一定规则抽取的一部分个体，称为总体的一个样本。
二、测量水平心理测量的工具一般可以分为四种水平，它们是由测量工具——量尺的水平决定的，量尺也称为尺度。
（一）量尺(Ratio Measurement)用这样的量尺测量出的数据，可以进行加、减、乘和除运算。
这种测量水平的数据特征是有相等单位和绝对零点。
用这种量尺测量得到的数据变量为比率（或等比）变量。
（二）等距量尺(Interval Measurement)只有相等单位，没有绝对零点，这种测量工具称为等距量尺。
等距量尺测出的数据可以进行加和减的运算，而不能进行乘和除的运算。
但是，等距数据的差值可以进行乘、除运算，因为等距数据的差值有一个绝对零点，两个数值相等，差值即为零。
用这种量尺测量得到的数据变量为等距变量。
（三）顺序量尺(Ordinal Measurement)顺序量尺又叫等级量尺，它的特点是：既无绝对零点，又无相等单位。
用这种量尺对研究对象进行测量，只能给对象排个顺序。
顺序量尺的测量结果原则上不能进行加、减、乘、除四则运算。
如有必要的话，只能进行不等式运算。
用这种量尺测量得到的数据变量为顺序变量。
（四）分类量尺(Nominal Measurement)分类测量不包含任何类间数量关系的假定，仅仅是把测量对象分为相同或相异，但在性质上没有哪一类较大，哪一类较小之分。
即无大小之分，也无等级之分。
心理统计学重点知识
心理统计学一．描述统计（一）统计图表 1、统计图次数分布图——①直方图：用以矩阵的面积表示连续性随即变量次数分布的图形。
②次数多边形图：一种表示连续性随机变量次数分布的线形图，属于次数分布图。
③累加次数分布图：分为累加直方图和累加曲线图；其中累加曲线的形状大约有三种：一种是曲线的上枝长于下枝（正偏态），另一种是下枝长于上枝（负偏态），第三种是上枝，下枝长度相当（正态分布）。
其他统计图：条形图：用于离散型数据资料； 圆形图：用于间断性资料；线形图：更多用于连续性资料，凡预表示两个变量之间的函数关系，或描述某种现象在时间上的发展趋势，或一种现象随另一种现象变化的情况，用这种方法比较好。
散点图： 2、统计表①简单次数分布表 ②分组次数分布表③相对次数分布表：将次数分布表中各组的实际次数转化为相对次数，即用频数比率表示。
④累加次数分布表⑤双列次数分布表：对有联系的两列变量用同一个表来表示其次数分布。
（二）集中量数 1、算术平均数M1nii XX N==∑优点：反应灵敏；计算严密；计算简单；简明易解；适合于进一步用代数方法演算；较少受抽样变动的影响；缺点：受极端数据的影响；若出现模糊不清的数据时，无法计算平均数； 计算和运用平均数的原则： 同质性原则；平均数与个体数值相结合的原则； 平均数与标准差、方差相结合原则； 性质：①在一组数据中每个变量与平均数之差的总和等于零②在一组数据中，每一个数都加上一个常数C ，所得的平均数为原来的平均数加常数C ③在一组数据中，每一个数都乘以一个常数C ，所得的平均数为原来的平均数乘以常数C 2、中数：Md 按顺序排列在一起的一组数据中居于中间位置的数，即这组数据中，一般数据比它大，一般数据比它小。
注意计算方法；3、众数：Mo 是指在次数分布中出现次数最多的那个数值；三者的关系：正偏态分布中，M>Md>Mo 负偏态分布中，M<Md<MoMo=3Md-2M （自己推导一下）（三）差异量数差异量数就是对一组数据的变异性，即离中趋势特点进行度量和描述的统计量，也称为离散量数。
统计心理学主要知识点归纳
统计心理学主要知识点归纳统计心理学是一门综合应用统计方法于心理学研究中的学科，通过收集、整理和分析大量的数据，旨在揭示心理学现象的规律和关联性。
本文将对统计心理学的主要知识点进行归纳和总结。
一、概率与统计基础概率与统计是统计心理学的基石。
研究者需要了解概率理论和统计学基本概念，如随机变量、概率分布、假设检验等。
概率理论提供了对事件发生概率的量化描述，统计学则提供了对数据的分析和解释的方法。
二、标准化和测量在统计心理学中，测量是一个核心概念。
研究者需要了解不同测量尺度（如名义尺度、顺序尺度、间隔尺度、比例尺度）的特点及其应用。
此外，标准化也是一项重要技术，它可以将原始分数转化为具有标准分布特征的分数，以便进行比较和分析。
三、相关性分析相关性分析用于研究变量之间的关联程度。
研究者经常使用皮尔逊相关系数或斯皮尔曼等级相关系数来度量变量之间的相关性。
这项分析可以帮助研究者确定变量之间的关系，并进一步推断其之间可能存在的因果关系。
四、假设检验假设检验是统计心理学中最常用的方法之一。
它用于检验研究者对事物的某种假设是否成立。
在进行假设检验时，研究者需要明确研究假设、选择适当的统计检验方法，并进行显著性检验以确定结果的可靠性。
五、方差分析方差分析用于比较两个或更多组之间的均值差异，常用于处理实验数据。
研究者需要选择适当的方差分析方法，并进行后续的事后比较分析以确定组间差异是否显著。
六、回归分析回归分析是研究变量之间关系及其影响程度的重要方法。
通过回归分析，研究者可以确定自变量对因变量的解释程度，并进行预测。
常见的回归方法包括线性回归、多元回归和逐步回归等。
七、因子分析因子分析是一种用于研究多个变量之间共同性的方法。
通过因子分析，研究者可以探索变量之间的内在结构，并将其归纳为几个共同的因子，以简化变量的复杂性。
八、统计软件的应用在统计心理学研究中，统计软件的应用非常广泛。
研究者可以使用SPSS、R、Python等工具进行数据分析和处理。
统计心理学主要知识点总结
统计心理学主要知识点总结统计心理学是心理学的一个重要分支领域，它通过运用统计学的方法和技术，研究人类心理现象及其规律。
本文将对统计心理学的主要知识点进行总结，旨在帮助读者更好地理解和应用统计心理学的理论和方法。
一、概述统计心理学是一门应用性较强的学科，它利用统计学的概念和方法，对心理学中的数据进行分析和解释。
统计心理学的主要任务是帮助心理学研究者进行数据处理和统计推断，从而揭示心理现象背后的规律和原因。
二、描述性统计描述性统计是统计心理学的基础，用于对心理学数据进行描述和概括。
描述性统计主要包括以下几个方面：1. 集中趋势：用于描述数据的集中程度，常用的指标包括均值、中位数和众数。
2. 离散程度：用于描述数据的离散程度，主要有标准差、方差和极差等指标。
3. 分布形态：用于描述数据的分布形态，例如正态分布、偏态分布和峰态分布。
三、概率与统计推断概率与统计推断是统计心理学的核心内容，它涉及到从样本数据中推断总体特征和进行假设检验等内容。
1. 概率原理：概率是描述事件发生可能性的数值，统计心理学利用概率理论解释和推断心理学现象。
2. 抽样与总体推断：从总体中随机选择样本，并利用样本数据推断总体特征。
3. 假设检验：用于检验研究假设的有效性，常见的方法包括t检验、方差分析和卡方检验等。
四、相关与回归分析相关与回归分析是统计心理学中用于研究变量间关系的重要方法。
1. 相关分析：用于衡量两个变量之间的相关程度，常用的指标有皮尔逊相关系数和斯皮尔曼相关系数。
2. 线性回归分析：用于建立一个或多个自变量与一个因变量之间的关系模型，通过回归方程进行预测和解释。
五、实验设计与数据分析实验设计与数据分析是统计心理学研究中关键的一环，它包括实验设计和数据分析方法的选择。
1. 随机分组与控制：在实验中使用随机分组和控制变量的方法，以降低其他因素对实验结果的影响。
2. 方差分析：用于比较两个或多个组之间的差异，并确定差异是否显著。
现代心理与教育统计学知识点
现代心理与教育统计学知识点心理统计学第一章概述描述统计定义：研究如何把心理与教育科学实验或调查得来的大量数据科学的科学的加以整理概括和表述作用：使杂乱无章的数字更好的显示出事物的某些特征，有助于说明问题的实质。
具体内容：1数据分组：采用图与表的形式。
2计算数据的特征值：集中量数（平均数中数）离散量数（方差）3计算量事物间的相关关系：积差相关（2列 3列多列）推断统计定义：主要研究如何利用局部数据（样本数据）所提供的信息，依据数理统计提供的理论和方法，推论总体情形。
作用：用样本推论总体。
具体内容：1如何对假设进行检验。
2如何对总体参数特征值进行估计。
3各种非参数的统计方法。
心理与教育统计基础概念数据类型一从数据来源来划分1计数数据：计算个数或次数而获得的数据。
（都是离散数据） 2测量数据：借助一定测量工具或测量标准而获得的数据。
（连续数据）二根据数据所反映的测量水平 1称名数据（分类）定义：指用数字代表事物或数字对事物进行分类的数据。
特点：数字只是事物的符号，而没有任何数量意义。
统计方法：百分数次数众数列联相关卡方检验等。
（非参检验）2顺序数据（分类排序）定义：指代事物类别，能够表明不同食物的大小等级或事物具有的某种特征的程度的数据。
（年级）特点：没有相等单位没有绝对零点。
不表示事物特征的真正数量。
统计方法：中位数百分位数等级相关肯德尔和谐系数以及常规的非参数检验方法。
3等距数据（分类排序加减（相等单位））（真正应用最广泛的数据）定义：不仅能够指代物体的类别等级，而且具有相等的单位的数据。
（成绩温度）特点：真正的数量，能进行加减运算，没有绝对零点，不能进行乘除计算。
统计方法：平均数标准差积差相关 Z检验t检验 F检验等。
4比率数据（分类排序加减法乘除法（绝对零点））定义：表明量的大小，也具有相等单位，同时具有绝对零点。
（身高反应时）特点：真正的数字，有绝对零点，可以进行加减乘除运算。
在统计中处理的数据大多是顺序数据和等距数据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《心理统计学》重要知识点第二章 统计图表简单次数分布表的编制：Excel 数据透视表列联表（交叉表）：两个类别变量或等级变量的交叉次数分布，Excel 数据透视表直方图（histogram ）：直观描述连续变量分组次数分布情况，可用Excel 图表向导的柱形图来绘制 散点图（Scatter plot ）：主要用于直观描述两个连续性变量的关系状况和变化趋向。
条形图（Bar chart ）：用于直观描述称名数据、类别数据、等级数据的次数分布情况。
简单条形图：用于描述一个样组的类别（或等级）数据变量次数分布。
复式条形图：用于描述和比较两个或多个样组的类别(或等级)数据的次数分布。
圆形图（circle graph ）、饼图（pie graph ）：用于直观描述类别数据或等级数据的分布情况。
线形图（line graph ）：用于直观描述不同时期的发展成就的变化趋势；第三章 集中量数● 集中趋势和离中趋势是数据分布的两个基本特征。
● 集中趋势：就是数据分布中大量数据向某个数据点集中的趋势。
● 集中量数：描述数据分布集中趋势的统计量数。
● 离中趋势：是指数据分布中数据分散的程度。
● 差异量数：描述数据分布离中趋势（离散程度）的统计量数 ● 常用的集中量数有：算术平均数、众数（M O ）、中位数（M d ） 1．算术平均数（简称平均数，M 、X 、Y ）：nx X i∑= Excel 统计函数AVERAGE算术平均数的重要特性：（1）一组数据的离均差（离差）总和为0，即0)(=-∑x x i（2）如果变量X 的平均数为X ，将变量X 按照公式bx a y +=转换为Y 变量后，那么，变量Y 2．中位数（median ，M d ）：在一组有序排列的数据中，处于中间位置的数值。
中位数上下的数据出现次数各占50%。
3．众数（mode ，M O ）：一组数据中出现次数最多的数据。
4．算术平均数、中数、众数之间的关系。
5．加权平均数：iii n n n w w w x w w w w x w x w x M ∑∑=++++++=2122116．调和平均数（harmonic mean ，M H ）：一组数值倒数的平均数的倒数。
∑=+⋅⋅⋅++=inH xnn x x x M 1)111(121 Excel 统计函数HARMEAN （1）用于描述同一个体(或一组个体)不同时间段的平均学习速度、平均工作效率。
（2）用于描述不同能力水平个体的平均学习速度、平均工作效率。
7．几何平均数（geometric mean ，Mg ）是指n 个观察值连乘积的n 次方根.（1）一组数据中少部分偏大(或偏小)，数据分布呈偏态时，几何平均数比算术平均数更能反映数据的集中趋势。
n n g x x x M ⨯⨯= 21 Excel 统计函数GEOMEAN（2）用于计算平均学习进步速度、平均发展速度（平均发展倍数），即环比的几何平均数。
1111342312---=⨯⨯⨯=n n n n n g x x x x x x x x x x M （n x x x 、、、 21为各个时间段的成果数据） 平均增长率：1-g M第四章 差异量数● 差异量数：描述一组数据离散程度（离中趋势）的统计量数。
差异量数较大，说明数据分布得比较分散，数据之间的差异较大；差异量数较小，说明数据分布的比较集中，数据间的差异较小。
● 差异量数还能反映平均数对一组数据的代表性。
差异量数越小，平均数的代表性越好；差异量数越大，平均数的代表性越差。
● 常用的差异量数是标准差、方差、差异系数标准差s ：n X X s i 2)(∑-=Excel 统计函数STDEVP （给定样本总体的标准偏差）标准差s n-1：1)(21--=∑-n X X s i n Excel 统计函数STDEV （给定样本的标准偏差）方差2s ：nX X s i 22)(∑-=Excel 统计函数VARP （给定样本总体的方差）方差21-n s：1)(221--=∑-n X X s i n Excel 统计函数VAR （给定样本的方差） 差异系数（又称变异系数、离散系数、相对标准差）：XSCV =（1）用于比较不同观测工具测量结果（数据单位不同）的离散程度，例如，身高离散程度大，还是体重离散程度大？（2）用于比较用同一观测工具测得的、均数差异较大的不同样本数据的离散程度。
例如：7岁组儿童和13组岁儿童的体重离散程度，哪个较大？● 标准差的重要特性：如果变量X 的标准差为X S ，将变量X 按照公式bx a y +=转换为Y 变量后，那么，变量Y 的标准差X Y bS S =● 相对位置量数：反映个体（数据）在团体中相对位置的统计量数。
主要有标准分数及其线性转换分数（Z 分数、T 分数）、百分等级(PR)、正态化标准分数等。
1．标准分数的计算与应用：S X X Z i -=或：σμ-=i X Z ， 5010+=Z T ，500100+=Z CEEBZ 分数的特点：Z 分数的平均数为0，即0=Z μ，标准差为1，即1Z =σ T 分数的平均数50T =μ，标准差为10T =σCEEB 分数的平均数=___________？，标准差=__________？（1）可用于比较个体各方面水平高低（横向比较，个体内差异评价）。
（2）对被试多方面的测量结果进行综合，如对高考各科成绩的综合，各分测验分数的综合。
（3）可用于对个体或样组某方面水平进行前后比较（纵向比较），判断其水平是提高了，退步了，还是没有变化。
2．原始分数X 的百分等级的含义与计算根据简单次数分布表计算：1005.0⨯+=NF f PR bX 根据分组次数分布表计算：100⨯+∙-=NF f i L X PR b bX第五章 相关关系● 相关关系的描述方法（1）相关散点图：适用于直观描述两个连续性数值变量（等距数据、比率数据）之间的关系。
可用Excel 图表向导中的“XY 散点图”绘制。
（2）双向次数分布表（交叉表、列联表）：适用于描述两个等级变量(或称名变量、类别变量)之间的关系。
可用Excel 数据透视表编制列联表）。
（3）相关系数（相关关系的特征值）。
● 相关系数：描述两个变量相关关系的统计量数，在-1.00~1.00之间取值，绝对值越大，越接近1，说明两个变量之间的关系程度越密切；绝对值越小，越接近0，说明两个变量的关系程度越低。
● 常用的相关系数： 1．积差相关：yx i i s ns y y x x r ∑--=))(( Excel 统计函数CORREL适用条件：（1）X 、Y 两个变量都是连续性变量（等距数据或比率数据）；（2）X 、Y 两个变量总体上为正态分布或接近正态分布。
2．斯皮尔曼等级相关：是一对（两列）名次变量的积差相关。
对数据变量的分布形态没有要求。
（1）等级积差相关法（名次积差相关法）。
YX R R Y Y X X R S NS R R R R r ))((--∑=Excel 统计函数CORREL公式中的R X 和R Y 是分别代表两变量中每个数据在变量中的名次。
（2）等级差数法（名次差数法）。
如果每个等级(即名次)变量中没有相同的等级名次，可用下面公式计算：等级差数法简化公式：)1(6122-∑-=N N D r R 如果等级(即名次)变量中有相同的等级名次，需用下面校正公式计算： 等级差数法校正公式：))((222222y x D y x r RC ∑∑∙∑-∑+∑=，2x ∑、2y ∑计算方法参见教材125页3．肯德尔W 系数（肯德尔和谐系数）：描述多个名次变量一致性程度的统计量数。
适用于描述和分析不同评价者（如主考、阅卷者）对同一组个体（考生或答卷）评价结果（名次）的一致性程度，在心理测量与教育评价中称为评分信度。
例如，5位阅卷老师对10篇论文评分排名的一致性。
如果评价者给出的不是个体的水平名次，而是分数(或等第、符号），可先将其转换成名次，然后再计算W 系数。
)(121)(3222N N K N R R W i i --=∑∑ 校正公式：∑∑∑---=T N N K N R R W i i )(121)(3222∑∑-=12)1(2n n T 公式中：n 为每个名次变量中相同名次的数目。
4．点二列相关（point-biserial correlation ）：用于描述一列续性变量和一列真正二分变量(或非正态二分变量)之间的相关。
真正二变量：指按某种性质或标准将个体划分为两种结果的变量，如对、错，男、女等。
pq s X X r tqp pb ∙-=Excel 统计函数CORREL5．二列相关(biserial correlation)：用于描述由一个正态连续变量人为划分成的二分变量与另外一个正态连续变量之间的相关。
或者说，用于描述一正态二分变量与一正态连续变量之间的相关。
人为二分变量？是指由连续变量转换而来的二分变量，例如，将测验或考试分数区分为及格和不及格，80分以上和80分以下；按中考(或高考)成绩，将考生区分为录取、未录取。
正态二分变量？如果二分变量是根据正态连续变量转换而来，那么，可称之为正态二分变量。
y 为将正态分布面积画分为p 、q 两部分的纵线的高度。
y 的计算方法：利用Excel 统计函数计算标准正态分布区间点函数NORMSINV(p 值) →区间点Z 值 正态分布函数NORMDIST(区间点Z 值,0,1,0) →Z 值的概率密度y 6．Φ相关（Φ系数）：))()()((||d b c a d c b a bc ad r ++++-=Φ用于描述两个真正二分变量的相关程度，也用于描述一个人为二分变量和真正二分变量的相关。
注意：Φ相关计算公式是由皮尔逊积差相关计算公式转换来的。
因此，如果两列二分变量转换为0、1（或1、2）的数值变量时，可以用Excel 统计函数CORREL 计算Φ系数。
第六章 概率分布1．正态分布的特征（见教材）2．Excel 软件中正态分布函数和正态分布区间点函数的应用◆标准正态分布函数NORMSDIST 的应用：（1）P(Z ＜1.96)=？ =NORMSDIST(1.96)=0.9750 （2）P(Z ＞1.96)=？ =1-NORMSDIST(1.96)=0.0250（3）P(-1.5＜X ＜2.5)=？ =NORMSDIST(2.5)-NORMSDIST(-1.5)=0.9270 ◆正态分布函数NORMDIST 的应用例如：已知某次测验的分数呈正态分布，平均分为75分，标准差为10分，试计算： （1）低于80分的考生占多大比例，P(X ＜80分)=？ （2）80分以上的考生占多大比例，P(X ≥80分)=？（3）80分以上，低于90分的考生占多大比例，P(80≤X ＜90)=？ P(X ＜80分)：“=NORMDIST (79.5,75,10,1)”=0.6736 P(X ≥80分)：“=1-NORMDIST (79.5,75,10,1)”=0.3264P(80≤X ＜90)：“=NORMDIST (89.5,75,10,1)-NORMDIST (79.5,75,10,1)”=0.2528 ◆标准正态分布区间点函数NORMSINV 的应用根据给定的向上累积概率P(Z<a)，标准正态分布的临界值a=? a=NORMSINV(p 值) 例如：P(Z<a)=0.90 =NORMSINV(0.90)= 1.28，a= 1.28，P(Z ＞1.28)=0.10 ◆正态分布区间点函数NORMINV 的应用根据正态变量X 的平均数、标准差和向上累积概率P(X<a)，计算临界值a=?例：已知某次大规模招聘考试分数呈正态分布，平均分为55分，标准差为12分。