符号说明：★重点 ☆引导语 —派生概念 ——或（） 派生分析语句
第Ⅰ部分 简介与描述性统计 ★首先提出了
1 平均数（集中趋势）
2 对变异性的测量（描述了数据是怎样分布在平均数附近的）
第一章 统计学入门 1.1统计
1.2总体与样本 ☆统计的作用：
1 整理和总结信息，使研究者看出在研究中发生了什么，并和其他研究者交流结果。 2 统计帮助研究者回答了引出研究的普遍问题，它根据获得的结果来确定结论是什么。
☆研究开始于一个 关于总体的 普遍问题。 ——为回答这个问题，研究者研究了一个样本 ——将结果从样本推广到整个总体。
统计 是指，整理、总结并解释信息的一系列数学过程。 总体 在一个特定研究中所有感兴趣个体的集合。（是研究者希望研究的整个组。） —参数 用来描述总体的特性。
通常是一个数字值。参数可以从单个测量中得到，或从对总体的一组测量中推导。 样本 从一个总体中选择出来的个体的集合，通常在研究中被期望代表总体。 —统计量 用来描述样本的特性。
通常是一个数字值。统计量可以从单个测量中得到，或从对样本的一组测量中推导出来。
（通常，每个总体参数都与一个样本统计量相对应。）
数据 从个体中得到的测量或观察（其中测量、观察均为名词。） 它通常被称为一个分数或原始分数。
☆统计分为两类： 1 描述性统计
是用于总结、组织并简化数据的统计过程。
它是一种技术，把原始数据组织总结成更易处理的形式。
（通常被组织成表或图，或用计算平均数的方法总结一组数据。） 2 推论性统计
是先研究样本，然后将结果推广到 样本来自的总体 的技术。 （通常使用样本统计量 作为推论总体参数的基础。） ★（它通常回答这个问题：到底是1还是2？其中1是样本中的结果差异只是取样误差。2 是样板间的教学差异是由于样本性质（如书中例子中：教学方法）造成的。
☆样本只提供了关于总体的有限信息。即使样本可以代表它们来自的总体，但我们不期望一个样本可以给出关于整个总体的精确描述。
☆通常，在样本统计量 和 总体参数间 存在一些差异，叫取样误差。 取样误差 存在于样本统计量 和总体参数 间的差异或误差的数量。 ——每个样本都包含具有不同性质的不同个体。由于样本由不同人组成，样本统计量也从一个样本变化到另一个。并且没有一个样本统计量 和 总体参数 完全一致。 取样误差的基本理念：
样本统计量通常与其相应的总体参数不同，并且根据样本的不同而变化。
1.3数据结构、研究方法与统计
变量 是一种 针对不同个体具有不同值的 特性或条件。
常量 是一种 不会变化，且对每个个体都相同的 特性或条件。 相关法 观察两个变量并确定它们之间是否存在关系。
（2X2表格数据中，对于每个个体，研究者都有两个测量，且所有的测量都是个数。这种表示个数的数据的变量之间的关系，可以用卡方检验。）
☆对两组或多组测量来说，会存在其中一个变量被用来定义组别。 （例如早餐成绩问题，变量1吃不吃早餐被用来定义组，变量2学习成绩被用来得到每个组的数据）
★并且，如果测量过程产生数字值，那么统计评估会包括计算每组的平均数，并比较它们。 如果测量过程仅仅将个体归入非数字的类别中，那么统计评估常包括计算每个组的比例。 （例如，产生数字值的儿童早餐与成绩问题，学习成绩被用来计算平均值。而城乡居民的政策接受研究中，数字值被用来计算比例。）
实验法 操纵一个变量并观察或测量另一个变量。并且为了建立两个变量间的因果关系，实验需要控制所有其他变量，使它们不会影响结论。 ★实验法的两个特性：
1 操纵：研究者操纵一个变量，将它的值从一个水平变化到另一水平。然后观察或测量第二个变量，来确定这种操纵是否导致了变化的产生。
2 控制：研究者必须控制研究情况，使其他无用的变量不能影响需要研究的变量关系。 ★通常研究者需要考虑的两种变量： 1 被试变量
一些特性会 随个体的不同 而变化，如年龄性别和智力。只要实验是比较两组个体的差异，就必须保证两组的被试变量完全相同。 2 环境变量
★通常使用三种技术控制其他变量： 1 随机分派
目的是，使每个被试有相同的机会被分派到每个处理条件中， 以使被试的特性在两组中均匀分布。 2 匹配
通过匹配来保证参与组或环境的同质性。（如测量所有被试IQ后，将被试匹配地分派到两组中，使两组有基本相等的IQ） 3 将变量控制成常量
例如，只使用10岁儿童做被试。
☆实验法的术语
自变量 被研究者操纵的变量。（在行为研究中，自变量通常由被试参与的两个或多个处理条件组成。） 自变量由 在观察因变量之前就操纵好的前条件组成。 因变量 即被观察的变量，用于评估处理 效应。（或：被观察并用来评估可能存在操纵效应的变量）在心理学研究中，因变量通常是经过测量后从每个被试中得到的数据。 ★注意，在实验法，事实上只测量了一个变量。（因为是操纵一个观察另一个）
它和相关法有本质区别——后者两个变量均被测量，数据由每个个体的两个不同分数组成。
☆控制条件与实验条件
通常，实验将 没有接受任何处理的被试的分数，与接受处理的被试分数进行比较。 这是通过 证明处理条件造成的分数与不处理造成的分数的不同，而说明存在处理效应。 这种研究中，出现了： 1 控制条件
指个体不接受实验处理。——或者不接受处理，或者接受中性或安慰剂性处理。 控制条件的目的是提供与实验条件相比较的基准。 2实验条件
指个体接受实验处理。
★注意：自变量通常由至少两个值组成。（因为至少应有两个值才能称为变量） 有的实验，自变量是简单的数值。
由实验组和控制组组成的实验，自变量应该是处理与非处理。
☆非实验和准实验法
准自变量 是指在非实验中那些决定了组别的变量。 ——在非实验中仅仅对两个组进行比较，但这两组却不是通过操纵自变量所得到——通常是由被试变量或时间变量（如处理前与处理后）决定。
p17的两个例子，均是无法操纵变量1（可视为准自变量，准在它为改变因变量而生，却无法被操纵），这种变量1叫做准自变量。 ——分割线开始——
★★★对于例子2的“研究者无法操纵时间”，这里有两个问题： 1 为什么它这样说，“无法操纵时间，但是用它来划分两组数据” 这里面其实强调了两个因果关系，即：
a）如果这是一个实验，那么自变量一定为研究者所操纵。
b）如果一个变量是一个实验里的自变量，那么“分组”这个过程一定是由操纵自变量造成的。（因为自变量通常由被试参与的处理条件组成，而处理条件决定了分组。） 所以才有这种暗含因果关系的用词——“但是用它”。 2 为什么这是个非实验？
因为这个实验的分组是源于时间变量——治疗前治疗后是两个时间点，而它并没有得到研究者的操纵。
如果是对时间操纵后才导致这种分组，才能说时间是实验的自变量，而这个实验才能是实验。 ★★★注：切莫纠结于，为什么说它没有操纵时间？这种思维是在假定了时间是此实验的自变量导致的，而时间仅仅是导致分组的原因，只能称为准自变量。 ——分割线结束——
1.4 变量与测量
☆有些变量仅仅是假设出来的概念（即构念）从而无法直接观察，对它们的研究需要测量。 构念 是内部属性或特性，它不能被直接观察到，但可以描述并解释行为。
操作定义 是一个测量过程。它测量了外部行为，并 使用测量结果作为定义 和对假设的构念的测量。
——操作定义有两个部分1 描述了一系列测量构念的操作；2 用测量结果定义了构念。
☆根据变量值的类型，分为两种变量： 1 离散变量
由不同的、不可分割的类别组成。在两个相邻类别之间不存在其他值。 它们通常限于整数。 2 连续变量
在任意两个观察到的值之间都存在无限多个可能的值。一个连续变量可以被分割成无限个小数部分。
——连续变量的两个因素
1）两个不同个体很少会得到完全一样的测量。若有，可以合理怀疑测量过程过于粗糙，或变量可能不是真的连续的。
2）测量连续变量时，每个测量类别实际上都是一个区间，需要用边界来定义。 一个数值其实是一个区间，而非量表上一个点。 ☆在量表上对其设定边界，有以下概念：
实限 指一条连续数据线上数值组成的区间的界限。将两个相邻数值分开的实限恰好位于两个数值的中点。
——每个数值都有两个实限：上实限和下实限。
☆收集数据需要测量观察。
而测量包括将事物分类（定性测量）和使用数字描述事物大小（定量测量）。 介绍四种测量量表： 1 称名量表
由一系列具有不同名称的类别组成。
称名量表的测量将观察的对象分类并贴标签，但不对观察做任何定量的区分。
（称名量表的类别不是量化值，但它可以用数字代表，并依然不能代表任何量化差异。如房间100和房间109这条信息无法得出任何量化结论。）
2 顺序量表
由一组 按顺序排列的类别 组成。顺序量表的测量将观察对象按大小排序。 例如，类别可以是大中小，但不能是1cm2cm3cm。
——类别组成了序列这个事实意味着在类别间存在方向性。可以用顺序量表的测量，来确定两个个体是否不同并确定差异的方向，但无法确定两个个体间的差异大小。
☆等距量表和等比量表
它们都由一系列排序的类别组成，并且这些类别组成了一系列相同大小的区间。 ——大小相同的区间，代表可以利用此量表来确定两个测量间的差异的大小和方向。
