心理统计中数据类型有哪些

1. 心理统计学：根据数据是否有连续性,可以把数据分为从高级到低级哪些数据,各有什么特点

根据数据是否有连续性，把数据分为连续数据和离散数据。连续数据是指具有连续性的数据，比如说3-4之间的连续数据有无数个，3.1, 3.2，....。离散数据：是指不连续的数据，比如说计数数据，1、2、3这些。
但是心理统计中最常用的数据时，称名数据，等级数据，比率数据，等距数据。你看看张厚璨，徐建平编的那本《现代心理与教育统计》第一章讲得非常详细。

2. 心理统计各种数据类型之间的区别和联系

三种：描述统计数据，实验统计数据，推论统计数据。
区别：数据处理方法不同，描述统计数据是处理纯数据，实验统计数据是吧数据放在实验目的下处理，推论统计把数据用于证实命题。
联系：他们相互配合相互补充以准确研究心理现象。

3. 心理统计学中的5种变量类型及特点。如何处理分类变量（ 常用哪些统计指标和统计图）

变量 其实就是分为连续变量、不连续变量、分类变量，别的都是虚的

4. 统计学的数据类型有哪些

有：定类数据、定序数据、定距数据、定比变量。

统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。

任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误，这个错误可能会影响社会政策，医疗实践以及桥梁或是核能发电计划结构的可靠性。

统计在现代化管理和社会生活中的地位日益重要。随着社会、经济和科学技术的发展，统计在现代化国家管理和企业管理中的地位，在社会生活中的地位，越来越重要了。人们的日常生活和一切社会生活都离不开统计。

英国统计学家哈斯利特说：“统计方法的应用是这样普遍，在我们的生活和习惯中，统计的影响是这样巨大，以致统计的重要性无论怎样强调也不过分”。甚至有的科学家还把我们的时代叫做“统计时代”。显然，20世纪统计科学的发展及其未来，已经被赋予了划时代的意义。

5. 统计数据的类型有哪些

1、统计数据表达形式有统计表格和统计地图两种。

按表示方法分为：

①分区统计。即用图形的面积或同样图形的个数，代表所在区划单元内全部同类现象的总和；如2008美国社区调查一年数据样本文件总体

②分级统计。即以统计图形式按行政区划或经济区划分级，以不同深浅的颜色或疏密不等的晕线、晕点表示现象相对指标的差异；

③定位统计。以统计图表形式表示某一点上的特种现象和变化规律。

2、按统计指标统计数据分为 宏观经济指标统计和行业经济指标统计。

常见的宏观经济指标有：GDP,CPI,PPI，PMI及流通中的现金。

行业经济指标如煤炭行业，石油行业的景气状况分析等。

(5)心理统计中数据类型有哪些扩展阅读

统计数据是采用某种计量尺度对事物进行计量的结果，采用不同的计量尺度会得到不同类型的统计数据。从上述四种计量尺度计量的结果来看，可以将统计数据分为以下四种类型：

1、定类数据——表现为类别，但不区分顺序，是由定类尺度计量形成的。

2、定序数据——表现为类别，但有顺序，是由定序尺度计量形成的。

3、定距数据——表现为数值，可进行加、减运算，是由定距尺度计量形成的。

4、定比数据——表现为数值，可进行加、减、乘、除运算，是由定比尺度计量形成的。

6. 统计数据可分为哪几种类型 不同类型的统计数据各有什么特点

答：统计数据按不同的分类规则可分为不同的类型，这里主要按三种分类规则分类。
（1）按照所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。分类数据是指只能归于某一类别的非数字型数据，比如性别中的男女就是分类数据。顺序数据是只能归于某一有序类别的非数字型数据，比如产品的等级。数值型数据是按数字尺度测量的观察值，它是自然或度量衡单位对事物进行测量的结果。
（2）按照统计数据的收集方法，可以将其分为观测数据（observational data）和实验数据（experimental data）。观测数据是通过调查或观测而收集到的数据，它是在没有对事物进行人为控制的条件下得到的，有关社会经济现象的统计数据几乎都是观测数据。在实验中控制实验对象而收集到的数据则称为实验数据。
（3）按照被描述的对象与时间的关系，可以将统计数据分为截面数据和时间序列数据。在相同或近似相同的时间点上收集到的数据称为截面数据（cross-sectional data）。在不同时间上收集到的数据，称为时间序列数据（time series data）。

7. 心理学研究中比较常见的数据类型是什么

心理学研究中比较常见的数据类型分别是：
集中趋势分析、离中趋势分析、相关分析。

集中趋势分析主要靠平均数、中位数、众数等统计指标来表示数据的集中趋势。
离中趋势分析主要靠全距、四分差、方差(平方差)、标准差等统计指标来研究数据的离中趋势。
相关分析主要探讨数据之间是否具有统计学上的关联性。

8. 心理统计学的类型

从内容上看它，心理统计学可分为描述统计和推论统计两大部分。其中描述统计又分为集中趋势分析和离中趋势分析和相关分析三大部分。推理统计又可按样本容量分为Z检验，T检验，P检验三大类方法。按参与计算的数据个数分，又有单总体检验，平均数差异检验（两总体差异的研究）和多因素分析三种计算。按数据处理方法又可分为参数分析和非参数分析。描述统计——集中趋势分析、离中趋势分析、相关分析。推论统计——参数分析、非参数分析。 描述统计又分为集中趋势分析和离中趋势分析和相关分析三大部分。 集中趋势分析主要靠平均数、中位数、众数等统计指标来表示数据的集中趋势。例如被试的平均成绩多少；是正偏分布还是负偏分布。
离中趋势分析主要靠全距、四分差、方差(平方差)、标准差等统计指标来研究数据的离中趋势。例如，人们想知道两个教学班的语文成绩中，哪个班级内的成绩分布更分散，就可以用两个班级的四分差或百分点来比较。
相关分析探讨数据之间是否具有统计学上的关联性。这种关系既包括两个数据之间的单一相关关系——如年龄与个人领域空间之间的关系，也包括多个数据之间的多重相关关系——如年龄、抑郁症发生率、个人领域空间之间的关系；既包括A大B就大(小)，A小B就小(大)的直线相关关系，也可以是复杂相关关系（A=Y－B*X）；既可以是A、B变量同时增大这种正相关关系，也可以是A变量增大时B变量减小这种负相关，还包括两变量共同变化的紧密程度——即相关系数。实际上，相关关系唯一不研究的数据关系，就是数据协同变化的内在根据——即因果关系。获得相关系数有什么用呢？简而言之，有了相关系数，就可以根据回归方程，进行A变量到B变量的估算，这就是所谓的回归分析，因此，相关分析是一种完整的统计研究方法，它贯穿于提出假设，数据研究，数据分析，数据研究的始终。
例如，人们想知道对监狱情景进行什么改造，可以降低囚徒的暴力倾向。人们就需要将不同的囚舍颜色基调、囚舍绿化程度、囚室人口密度、防风时间、探视时间进行排列组合，然后让每个囚室一种实验处理，然后用因素分析法找出与囚徒暴力倾向的相关系数最高的因素。假定这一因素为囚室人口密度，人们又要将被试随机分入不同人口密度的十几个囚室中生活，继而得到人口密度和暴力倾向两组变量（即人们讨论过的 A、B两列变量）。然后，人们将人口密度排入X轴，将暴力倾向分排入Y轴，获得了一个很有价值的图表，当某典狱长想知道，某囚舍扩建到N人/间囚室，暴力倾向能降低多少。人们可以当前人口密度和改建后人口密度带入相应的回归方程，算出扩建前的预期暴力倾向和扩建后的预期暴力倾向，两数据之差即典狱长想知道的结果。 推论统计是统计学乃至于心理统计学中较为年轻的一部分内容。它以统计结果为依据，来证明或推翻某个命题。具体来说，就是通过分析样本与样本分布的差异，来估算样本与总体、同一样本的前后测成绩差异，样本与样本的成绩差距、总体与总体的成绩差距是否具有显着性差异。例如，人们想研究教育背景是否会影响人的智力测验成绩。可以找一100名24岁大学毕业生和100名24岁初中毕业生。采集他们的比－西智力测验成绩。用推论统计方法进行数据处理，最后会得出类似这样儿的结论：“研究发现，大学毕业生组的成绩显着高于初中毕业生组的成绩，二者在.01水平上具有显着性差异，说明大学毕业生的比－西智力测验成绩优于中学毕业生组。”。
推论统计的理论假设是概率论。概率论研究发现，当样本总体的样本容量达到特定值时候，则[样本总体分布]的形状为Z分布（样本容量三十以上）、T分布（样本容量为三十到八）或P分布（样本容量为十以下）的。这时，人们从样本总体中随机抽出一个样本，这个样本落在这个样本总体的中心区域的可能性较大，落在边缘区域可能性较小，出了某一区域的可能性很小。这一规律在所有定样本容量的数据分布中都存在。因此，人们可把两组数据放到一个坐标系上，然后根据两组数据的统计参数来比较两个分布是否有显着性差异，并估算出猜错的可能性。
推论统计中最常用到的指标为Z分数（大样本研究）、T分数（小样本研究）、P分数（二项分布研究），检验方式主要有Z检验、T检验、）。除此以外，推理统计中另有非参数分析方法，可以根据数据的秩来计算统计结果。
推论统计结果的可靠性除了受到实验方法和数据处理方法的影响，还受到样本容量影响，根据过大或过小的样本计算出的结论都可能是不可靠的，为此，心理统计学中又有w2法和D值法来检验样本是否大到足以影响推论的地步。

9. 心理统计学问题：年龄属于什么类型的数据是顺序数据还是等距数据年龄有绝对零点还是相对零点

摘要 年龄首先它是等距数据，这很好理解，不管是什么年龄段，相差一岁的距离都是相等的，比如1岁和2岁的差距，与35岁和36岁的差距是一样的，都代表相差整整一年，顺序数据和这个就不一样，比如一次考试的排名，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。顺序数据的数值只代表排序，不代表具体的分数差异，因此不可加减，而等距数据可以加减