一、科学研究的一般过程
提出问题、收集数据、分析数据、解决问题
统计是分析数据的基础
二、学术论文一般结构
1.引言
2.文献回顾
3.研究设计/方法：研究问题、研究对象、研究工具、数据分析方法
4.研究结果与讨论：报告结果
3和4需要用到或基于统计
三、科研方法
量化研究：用数字描述现象，实证主义，实验环境控制变量，演绎性
包括实验法、准实验、调查、语料库、元分析
四、统计方法概述
1.statistics来源于中世纪拉丁语，意为“国家”，19世纪时统计学表示“用数字的方法说明国家的特征”，后来用到自然科学、社会科学、语言研究等领域
2.分类：描述统计、推断统计
作业必须计算，得回看数据
1. 研究问题与假设
平均数是否有差异
2. 假设检验
在研究之前用预判的方法来假设问题的回答
1. 零假设（H0）相同（即是说新的教学法所教学生的成绩跟全年级没差， 我们看到的2.5的误差是由于抽样误差导致的）
2. 研究假设（H1）不同
3，误差
1。抽样误差（随机误差）不可避免- 在随机抽到的人20人的平均分不一定就是全年级的平均分。这时候把这20人放回去再重新抽样，这个数字又会发生改变。
2. 系统误差 （规律误差）是由自变量引起的应变量变化。 系统误差和随机误差都会引起因变量的变化
显著性检验就是假设检验- 统计上规定了抽样误差的限度，一般在0.05 （阿尔法）
0.05是显著水平
如果没有车超过0,05 ， 那么就是抽样误差引起的如果超过了0.05， 那就是系统误差决定的
假设检验都是基于零假设的
假设检验计算
1. 计算0,05显著水平上的Z值
用样本平均数减去总体平均数。。。
两类错误
1. 一类错误， 零假设是真实的，却被拒绝了
二类错误，零假设是虚假的，却被接受了
单尾&双尾
双尾： 零假设陈述中无方向性-（A与B无显著差异）
单尾：零假设中有方向性（A高于B/ B高于A）
T 检验只适用于两组之间的差异检验
方差可以用于三组及以上之间的差异检验
1. 单样本T检验
： 样本平均数与总体平均数有没有显著差异
Z检验方差已知，/使用的是总体标准差
T检验方差未知 /使用的是样本标准差
T 检验结果随自由度变化而变化，所以需要用样本量减一作为自由度
可以理解为Z检验是T检验的一种方式
2. 独立样本T检验
两个无关联样本之间是否存在显著的差异？
类型：
1. Z检验
2. T检验（常见）
两总体方差相等
两总体方差不等
独立样本T检验要先算出来自由度
然后查T的临界值
配对样品T检验
配对样本T检验需要先求出自由度
1. 使用配对样品T检验时，公式分母用N-1 或者N都可以
2. 配对样品T检验还可以通过每个对子的（D）来计算
需要看书199页
T检验-
需要看书
量化研究一开始有清晰的假设，质性研究逐渐行程假设。
描述统计只针对样本进行。必须要有推断统计来推断总体的形势。
统计基本概念
一、总体、样本与抽样
1. 什么是总体，人或事物都可以
2. 样本，30个以上大样本，30个一下小样本，通常调查需要大样本，实验可以小样本
3. 抽样，要保证样本对于总体具有良好的代表性，
简单随机抽样法（抽签法适用于总体较小的情况如30人以内，随机数表法适用于总体稍大的情况如100人以内），
等距或系统抽样（尤其适用个体已经排序的情况），
分层抽样（先分层再采用上述两种方法抽样），关键在于分层，层内差异小，层间差异大
二、变量
1. 相互关系角度：自变量（操纵变量）、因变量，变量的水平
2.测量精度角度：类别变量、顺序变量、等距变量
3.数学特性角度：连续变量，频次变量
三、数据整理与描述
集中趋势：平均数、中位数、众数
离散趋势：全距、平均差、方差和标准差
连续变量一般要描述集中和离散趋势，频次变量一般描述频次
四、推断统计方法概述
1.任务是什么：参数估计，假设检验
2.分类：找差异用T和方差，找关系用相关、回归、卡方
五、作业
1. 建立SPSS数据文件并进行基本描述：平均数、标准差，制作各组次数直方图
六、重点：平均数、方差和标准差、抽样概念和方法
参数估计：通过样本的平均数和标准差来估计整体的平均数和标准差。
假设检验：估计出来的总体参数有多大把握是正确的。
一、正态分布
分布曲线：中间高两边低，轴对称，无限延伸
正态曲线下面积：比例固定，与平均数和标准差有关，2.5，13.5，34，34，13.5，2.5%
二、标准分
体现100人中的相对位置和排名
例子：听力82（平均分=85，标准差s=3）
计算公式 z=(x-xbar)/s
听力z=(82-85)/=-1排名约第16名，82-85=-3=s，向左一个标准差
参数估计
一、定义
根据样本统计量合理、科学地推断总体参数的过程。
二、类型
1. 总体参数的点估计
不足：有偏差，且无法计算估计值与参数真值的接近程度和可靠程度。
2.总体参数的区间估计：
所在范围和落在范围里的概率，即置信区间confidence interval和置信水平confidence level。
区间估计计算步骤：计算标准误-->查出置信临界值（95%置信水平对应的z值是+-1.96）-->估计总体参数所在区间（478-486）
量化研究用数字描述现象
质性研究用文字描述现象
量化研究源于实证主义
质性研究源于自然主义
量化研究通常在经过控制的实验环境下进行
质性研究通常在未经控制的自然环境下进行
量化研究具有演绎性，通常用于假设展开研究
质性研究具有归纳性，通常在研究中形成假设
量化研究常用方法：实验，准实验，调查，语料库，元分析。
质性研究常用方法：观察，访谈，日志，叙事，民族志。
描述统计：关注如何整理数据，并汇报其全貌，比如分组，绘图，集中趋势，离散趋势等。
推断统计：关注如何利用数据做决断，并确定其可靠程度，比如推断总体分布状态，差异程度，相关程度等。
书129页
假设检验
一、研究问题与假设
1. 研究问题(research question)明确指出核心概念和研究焦点，一般可以采用疑问句式。
2.假设hupothesis是对研究问题的预判性回答，分为研究假设（有差异假设）和零假设（无差异假设）。
二、误差
1.抽样误差sampling error即随机误差
2.系统误差systematic error即规律误差，由自变量引起的因变量变化。
3.实际测量中，系统误差与抽样误差总是混合在一起。看到底哪种误差大，采用假设检验。
三、假设检验
1. 假设检验标准：
抽样误差限度（即显著水平level of significance）。如果差距没有吵过这个限度，认定有抽样误差引起，如果差距超过这个限度，认定由系统误差引起。
2.假设检验对象：
假设检验是针对零假设的。通常，在0.05显著水平上，如果抽样误差在查一中占比更大，则接受零假设；如果系统误差在查一中占比更大，则拒绝零假设；
3.假设检验计算：
计算0.05水平上的z值-->计算结果与z值临界值1.96相比较：绝对值小于1.96，接受零假设。
4.假设检验注意事项
一类错误：零假设是真实，却被拒绝了
二类错误：零假设是虚假，却被接受了
因此，推断统计有犯错误的风险。
单尾与双尾问题：
双尾检验：零假设无方向性；（较多用）
单尾检验：零假设有方向性。
四、方差分析
一、T检验的问题和解决方案
1.只能比较两组之间的平均数差异，多于两组不能用，加大了一类错误的概率，置信度变为0.95的n次方，置信度降低。
2.需要新方法绛系统误差（条件误差）和抽样误差（随机误差）分离。
总差异=条件误差+随机误差（条件误差>随机误差-->差异存在）
总差异=组间差异+组内差异
组间差异=条件误差
组内差异=随机误差
组内差异>组内差异，就是发现了差异
总离差平方和=组内离差平方和+组建离差平方和
二、方差分析的原理
1.离差平方和sum of square (SS)可分解
2.自由度degree of freedom (df)可分解：总自由度可以分解为组间自由度和组内自由度
3.用平方和与自由度求均方mean os square (MS)：组间平方和与组间自由度直逼为组间均方，组内平方和与组内自由度直逼为组内均方。
4.均方之比（方差分析）为F统计量：组间均方除以组内均方
三、方差分析统计前提
1.总体服从正态分布：样本足够大（>=30）；样本量小时，通过卡方拟合度检验检测正态性；非正态分布时采用非参数检验。
2.组间变异、组内变异需要来自不同部分，需要明确、彼此相互独立
3.方差齐性：各组方差差别不大，要用方差齐性检验
四、单因素组间方差分析
1. 又叫完全随机方差分析，>=3组，每一组相互独立，只接受一种实验处理
分为 各组样本量相同（常见）和各组样本量不同两种。
五、方差分析事后检验
1.必要性：也叫平均数的逐对比较或多重比较。
2.手段众多，常用T检验（LSD，较宽松，容易发现差异）和q检验（HSD，较严格，有时与LSD法结果相矛盾）。
3.多因素分析结果中，如交互作用达到显著水平，要做简单效应检验。
六、方差分析的种类
按自变量个数：单因素、多因素
按自变量水平间的关系：组间（自变量相互独立）、组内（自变量相互关联）、混合（组间+组内）
七、方差分析的基本原理
平方和可分解
总平方和=组间平方和+组内平方和
相关分析
一、含义与分类
根据两个变量的关联变化方向，分为正相关、负相关、零相关、非线性相关
根据两个变量的属性，分为
皮尔逊相关--等距变量
肯德尔相关--定序变量
斯皮尔曼相关--等距和定序
克莱默相关--称名/分类变量
二、皮尔逊相关分析
1.适用条件：两个变量：均为连续性（等距）数据、总体正态分布、数据成对、线性关系、排除共变因素影响（即不同时受第三个因素影响）
三、相关系数
绝对值：0-1之间
>0.7 高相关
0.4-0.7 中相关
<0.4 低相关
注意：相关关系中不存在因果之别，两个变量是共变关系。
四
