心理統計中數據類型有哪些

1. 心理統計學：根據數據是否有連續性,可以把數據分為從高級到低級哪些數據,各有什麼特點

根據數據是否有連續性，把數據分為連續數據和離散數據。連續數據是指具有連續性的數據，比如說3-4之間的連續數據有無數個，3.1, 3.2，....。離散數據：是指不連續的數據，比如說計數數據，1、2、3這些。
但是心理統計中最常用的數據時，稱名數據，等級數據，比率數據，等距數據。你看看張厚璨，徐建平編的那本《現代心理與教育統計》第一章講得非常詳細。

2. 心理統計各種數據類型之間的區別和聯系

三種：描述統計數據，實驗統計數據，推論統計數據。
區別：數據處理方法不同，描述統計數據是處理純數據，實驗統計數據是吧數據放在實驗目的下處理，推論統計把數據用於證實命題。
聯系：他們相互配合相互補充以准確研究心理現象。

3. 心理統計學中的5種變數類型及特點。如何處理分類變數（ 常用哪些統計指標和統計圖）

變數 其實就是分為連續變數、不連續變數、分類變數，別的都是虛的

4. 統計學的數據類型有哪些

有：定類數據、定序數據、定距數據、定比變數。

統計學是通過搜索、整理、分析、描述數據等手段，以達到推斷所測對象的本質，甚至預測對象未來的一門綜合性科學。統計學用到了大量的數學及其它學科的專業知識，其應用范圍幾乎覆蓋了社會科學和自然科學的各個領域。

任何統計方法是有效的只有當這個系統或是所討論的母體滿足方法論的基本假設。誤用統計學可能會導致描述面或是推論面嚴重的錯誤，這個錯誤可能會影響社會政策，醫療實踐以及橋梁或是核能發電計劃結構的可靠性。

統計在現代化管理和社會生活中的地位日益重要。隨著社會、經濟和科學技術的發展，統計在現代化國家管理和企業管理中的地位，在社會生活中的地位，越來越重要了。人們的日常生活和一切社會生活都離不開統計。

英國統計學家哈斯利特說：「統計方法的應用是這樣普遍，在我們的生活和習慣中，統計的影響是這樣巨大，以致統計的重要性無論怎樣強調也不過分」。甚至有的科學家還把我們的時代叫做「統計時代」。顯然，20世紀統計科學的發展及其未來，已經被賦予了劃時代的意義。

5. 統計數據的類型有哪些

1、統計數據表達形式有統計表格和統計地圖兩種。

按表示方法分為：

①分區統計。即用圖形的面積或同樣圖形的個數，代表所在區劃單元內全部同類現象的總和；如2008美國社區調查一年數據樣本文件總體

②分級統計。即以統計圖形式按行政區劃或經濟區劃分級，以不同深淺的顏色或疏密不等的暈線、暈點表示現象相對指標的差異；

③定位統計。以統計圖表形式表示某一點上的特種現象和變化規律。

2、按統計指標統計數據分為 宏觀經濟指標統計和行業經濟指標統計。

常見的宏觀經濟指標有：GDP,CPI,PPI，PMI及流通中的現金。

行業經濟指標如煤炭行業，石油行業的景氣狀況分析等。

(5)心理統計中數據類型有哪些擴展閱讀

統計數據是採用某種計量尺度對事物進行計量的結果，採用不同的計量尺度會得到不同類型的統計數據。從上述四種計量尺度計量的結果來看，可以將統計數據分為以下四種類型：

1、定類數據——表現為類別，但不區分順序，是由定類尺度計量形成的。

2、定序數據——表現為類別，但有順序，是由定序尺度計量形成的。

3、定距數據——表現為數值，可進行加、減運算，是由定距尺度計量形成的。

4、定比數據——表現為數值，可進行加、減、乘、除運算，是由定比尺度計量形成的。

6. 統計數據可分為哪幾種類型 不同類型的統計數據各有什麼特點

答：統計數據按不同的分類規則可分為不同的類型，這里主要按三種分類規則分類。
（1）按照所採用的計量尺度不同，可以將統計數據分為分類數據、順序數據和數值型數據。分類數據是指只能歸於某一類別的非數字型數據，比如性別中的男女就是分類數據。順序數據是只能歸於某一有序類別的非數字型數據，比如產品的等級。數值型數據是按數字尺度測量的觀察值，它是自然或度量衡單位對事物進行測量的結果。
（2）按照統計數據的收集方法，可以將其分為觀測數據（observational data）和實驗數據（experimental data）。觀測數據是通過調查或觀測而收集到的數據，它是在沒有對事物進行人為控制的條件下得到的，有關社會經濟現象的統計數據幾乎都是觀測數據。在實驗中控制實驗對象而收集到的數據則稱為實驗數據。
（3）按照被描述的對象與時間的關系，可以將統計數據分為截面數據和時間序列數據。在相同或近似相同的時間點上收集到的數據稱為截面數據（cross-sectional data）。在不同時間上收集到的數據，稱為時間序列數據（time series data）。

7. 心理學研究中比較常見的數據類型是什麼

心理學研究中比較常見的數據類型分別是：
集中趨勢分析、離中趨勢分析、相關分析。

集中趨勢分析主要靠平均數、中位數、眾數等統計指標來表示數據的集中趨勢。
離中趨勢分析主要靠全距、四分差、方差(平方差)、標准差等統計指標來研究數據的離中趨勢。
相關分析主要探討數據之間是否具有統計學上的關聯性。

8. 心理統計學的類型

從內容上看它，心理統計學可分為描述統計和推論統計兩大部分。其中描述統計又分為集中趨勢分析和離中趨勢分析和相關分析三大部分。推理統計又可按樣本容量分為Z檢驗，T檢驗，P檢驗三大類方法。按參與計算的數據個數分，又有單總體檢驗，平均數差異檢驗（兩總體差異的研究）和多因素分析三種計算。按數據處理方法又可分為參數分析和非參數分析。描述統計——集中趨勢分析、離中趨勢分析、相關分析。推論統計——參數分析、非參數分析。 描述統計又分為集中趨勢分析和離中趨勢分析和相關分析三大部分。 集中趨勢分析主要靠平均數、中位數、眾數等統計指標來表示數據的集中趨勢。例如被試的平均成績多少；是正偏分布還是負偏分布。
離中趨勢分析主要靠全距、四分差、方差(平方差)、標准差等統計指標來研究數據的離中趨勢。例如，人們想知道兩個教學班的語文成績中，哪個班級內的成績分布更分散，就可以用兩個班級的四分差或百分點來比較。
相關分析探討數據之間是否具有統計學上的關聯性。這種關系既包括兩個數據之間的單一相關關系——如年齡與個人領域空間之間的關系，也包括多個數據之間的多重相關關系——如年齡、抑鬱症發生率、個人領域空間之間的關系；既包括A大B就大(小)，A小B就小(大)的直線相關關系，也可以是復雜相關關系（A=Y－B*X）；既可以是A、B變數同時增大這種正相關關系，也可以是A變數增大時B變數減小這種負相關，還包括兩變數共同變化的緊密程度——即相關系數。實際上，相關關系唯一不研究的數據關系，就是數據協同變化的內在根據——即因果關系。獲得相關系數有什麼用呢？簡而言之，有了相關系數，就可以根據回歸方程，進行A變數到B變數的估算，這就是所謂的回歸分析，因此，相關分析是一種完整的統計研究方法，它貫穿於提出假設，數據研究，數據分析，數據研究的始終。
例如，人們想知道對監獄情景進行什麼改造，可以降低囚徒的暴力傾向。人們就需要將不同的囚舍顏色基調、囚舍綠化程度、囚室人口密度、防風時間、探視時間進行排列組合，然後讓每個囚室一種實驗處理，然後用因素分析法找出與囚徒暴力傾向的相關系數最高的因素。假定這一因素為囚室人口密度，人們又要將被試隨機分入不同人口密度的十幾個囚室中生活，繼而得到人口密度和暴力傾向兩組變數（即人們討論過的 A、B兩列變數）。然後，人們將人口密度排入X軸，將暴力傾向分排入Y軸，獲得了一個很有價值的圖表，當某典獄長想知道，某囚舍擴建到N人/間囚室，暴力傾向能降低多少。人們可以當前人口密度和改建後人口密度帶入相應的回歸方程，算出擴建前的預期暴力傾向和擴建後的預期暴力傾向，兩數據之差即典獄長想知道的結果。 推論統計是統計學乃至於心理統計學中較為年輕的一部分內容。它以統計結果為依據，來證明或推翻某個命題。具體來說，就是通過分析樣本與樣本分布的差異，來估算樣本與總體、同一樣本的前後測成績差異，樣本與樣本的成績差距、總體與總體的成績差距是否具有顯著性差異。例如，人們想研究教育背景是否會影響人的智力測驗成績。可以找一100名24歲大學畢業生和100名24歲初中畢業生。採集他們的比－西智力測驗成績。用推論統計方法進行數據處理，最後會得出類似這樣兒的結論：「研究發現，大學畢業生組的成績顯著高於初中畢業生組的成績，二者在.01水平上具有顯著性差異，說明大學畢業生的比－西智力測驗成績優於中學畢業生組。」。
推論統計的理論假設是概率論。概率論研究發現，當樣本總體的樣本容量達到特定值時候，則[樣本總體分布]的形狀為Z分布（樣本容量三十以上）、T分布（樣本容量為三十到八）或P分布（樣本容量為十以下）的。這時，人們從樣本總體中隨機抽出一個樣本，這個樣本落在這個樣本總體的中心區域的可能性較大，落在邊緣區域可能性較小，出了某一區域的可能性很小。這一規律在所有定樣本容量的數據分布中都存在。因此，人們可把兩組數據放到一個坐標繫上，然後根據兩組數據的統計參數來比較兩個分布是否有顯著性差異，並估算出猜錯的可能性。
推論統計中最常用到的指標為Z分數（大樣本研究）、T分數（小樣本研究）、P分數（二項分布研究），檢驗方式主要有Z檢驗、T檢驗、）。除此以外，推理統計中另有非參數分析方法，可以根據數據的秩來計算統計結果。
推論統計結果的可靠性除了受到實驗方法和數據處理方法的影響，還受到樣本容量影響，根據過大或過小的樣本計算出的結論都可能是不可靠的，為此，心理統計學中又有w2法和D值法來檢驗樣本是否大到足以影響推論的地步。

9. 心理統計學問題：年齡屬於什麼類型的數據是順序數據還是等距數據年齡有絕對零點還是相對零點

摘要 年齡首先它是等距數據，這很好理解，不管是什麼年齡段，相差一歲的距離都是相等的，比如1歲和2歲的差距，與35歲和36歲的差距是一樣的，都代表相差整整一年，順序數據和這個就不一樣，比如一次考試的排名，第一名和第二名的差距很可能就跟第九名和第十名的差距不同。順序數據的數值只代表排序，不代表具體的分數差異，因此不可加減，而等距數據可以加減