如和将心理统计和测量运用于实证调查研究当中？本文将结合实际来对这个问题做出解答。

心理统计和测量都是实证研究的重要方法，对于两者笔者一直认为掌握其核心思想更加重要，因此本文不过多阐述具体的操作方法，仅结合实际谈谈如何将其运用于实证调查研究之中，观点仅供参考。

一、出于正态分布的考虑，样本量不应该太偏

正态分布也叫常态分布，是连续随机变量概率分布的一种，通过正态分布图来看，群体中的大部分个体相对集中，两端（即极端个体）分布较少。

这符合现实中的大量情况，自然界、人类社会、心理和教育中大量现象均按正态形式分布，例如能力的高低，学生成绩的好坏等都属于正态分布。因此在进行取样的过程中，调查的样本不应该太偏。

Your browse does not support frame!

1. 具体到详细的抽样方法时，主要包括：

• 简单随机抽样：当所研究的总体量有限，且个体之间的差异较小时，可以使用
• 等距抽样：当所研究的总体量很大时，将个体进行有序排列，然后按照一定的距离进行抽取，比如每隔10个抽取一个样本
• 分层抽样：当个体差异较大时使用，比如总体中有经验的用户与无经验的用户占比为3:2，则在抽取样本时样本量也应该按照3:2的比例分别抽取

采用何种抽样方法因根据实际情况决定。

2. 抽样的两点要求：等概率性和代表性。

抽样方式中，运用最多的是问卷调查。而现实中经常遇到的情况是，随便在一个qq、微信群丢一个问卷的链接，这样投放存在的问题是，问卷的有效回收率很低，由于对方不一定是你的目标用户，因此得到的问卷的数据也往往是不可靠的。有效的抽样方法应该具备两个条件：

1）每个个体被抽取的概率相等

比如总体共10个，每个个体被抽取的概率即为0.1。因此为了保证每个个体被抽取的概率相等，每次抽取结束之后应该放回，保证每个个体被抽取的概率不变。

2）样本要具备代表性

比如需要研究的儿童群体，则应该抽取相应年龄段的群体。相反即使抽取再多的老年人，样本的代表性也是很低的。

二、显著性检验揭示数据集之间是否实际上存在差异

显著性检验是判断两个或多个数据集之间是否存在差异的方法，即便在现实能够通过求数据集的彼此平均值来进行比较，但平均值并不能够说明什么问题。

假设有如下两组公司某月的销售数据：

A公司=【23，25，26，27，23，24，22，23，25，29，30】

B公司=【24，25，23，26，27，25，25，28，30，31，29】

虽然通过计算平均值得出两者间存在差异，A公司的平均值为25.18，B公司的平均值为26.64，但这种差异并不能表明具有统计学上的意义。

换句话说，要检验彼此差异是否真的存在，则应该进行显著性检验。

通过显著性检验，发现p值为0.203，大于0.05，即表明A、B彼此之间的差异是不显著的。因此虽然在平均值上存在差异，但可以认为这种差异是由偶然的随机抽样误差导致的，当样本量足够大时，很可能彼此之间就没有差异了。

具体的差异性检验的方法主要如下：

三、在具体的研究中，变量间的关系包括相关关系和因果关系