探究性问题回顾与数据收集
AP 统计学· 12 分钟阅读
1. 表述严谨的探究性问题的特征★★☆☆☆⏱ 3 min
一个模糊不清的探究性问题会让后续所有的数据收集和分析工作失去意义，哪怕你后续的计算完全正确。AP考试阅卷人会在FRQ作答中专门给识别并修正表述不当问题的步骤打分。
表述严谨的统计探究性问题
一类明确包含三个组成部分的问题：1）精确的目标总体，2）待测量的可量化结果指标，3）测量的范围和时间框架。
将模糊问题“青少年锻炼更多吗？”改写为表述严谨的探究性问题。
- 1
第一步，识别缺失的组成部分：没有明确定义总体，没有可测量的锻炼指标，没有限定范围。
- 2
补充总体：“美国某公立高中的10至12年级学生”
- 3
补充可测量结果：“每周进行中等至高强度体育活动的平均分钟数”
- 4
补充范围：“2024-2025学年期间”
- 5
最终的严谨问题：“2024-2025学年期间，美国某公立高中10至12年级学生每周进行中等至高强度体育活动的平均分钟数是多少？”
- 6
验证：该问题可以通过数据得到解答，且不同的研究人员收集到的结果具有可比性。
以下哪个是表述严谨的探究性问题？
狗是不是比猫更适合当宠物？
2025年俄亥俄州8年级学生中，家里至少养一只宠物的比例是多少？
养宠物对学生的心理健康有好处吗？
有多少人喜欢宠物？
显示答案
2025年俄亥俄州8年级学生中，家里至少养一只宠物的比例是多少？ —该选项清晰定义了总体、可测量结果和研究范围。
2. 为研究目标匹配数据收集方法★★★☆☆⏱ 3 min
没有任何一种数据收集方法适用于所有研究目标。AP考试经常要求你为给定的问题选择最合适的方法，并阐述选择理由以拿到全部分数。
以下是AP考试要求你掌握的四种核心数据收集方法，以及它们的适用场景：
简单随机样本调查
从完整抽样框中随机抽取个体，让受访者回答调查问题
+ 优点: 最大程度降低选择偏差，结果可以推广到整个总体
− 缺点: 需要一份完整、准确的所有总体成员列表
普查
收集目标总体每一位成员的数据
+ 优点: 不存在抽样变异性，能得到精确的总体数值
− 缺点: 对于大规模总体而言极其耗时且成本高昂
完全随机实验
将研究对象随机分配到实验组和对照组
+ 优点: 允许研究人员得出有效的因果结论
− 缺点: 对于涉及敏感内容的研究问题，往往不符合伦理或者不可行
观察性研究
在不施加任何处理的前提下记录研究对象的现有行为
+ 优点: 工作量低，针对敏感主题不存在伦理障碍
− 缺点: 无法证明因果关系，只能证明变量间存在关联
一名研究人员想要测试新的课后数学项目是否能提高学生的考试分数。他们应该使用哪种数据收集方法，原因是什么？
- 1
第一步，明确研究目标：检验该项目和考试分数之间是否存在因果关系。
- 2
排除不合适的方法：调查或观察性研究无法证明因果关系，普查没有必要。
- 3
选择正确的方法：完全随机实验。
- 4
理由阐述：将一半自愿参与的学生随机分配参加新的课后数学项目，另一半学生分配到标准课后自习室。比较两组学生的最终考试分数，分离出该项目的实际效果。
3. 识别问题表述不当引入的偏差★★★☆☆⏱ 3 min
哪怕是设计完美的抽样方案，也可能被带有偏差的调查问题措辞毁掉。引导性问题、双重问题和模糊表述都会引入应答偏差，让结果失去可信度。
找出以下调查问题中的偏差，并将其改写为中立表述：“你是否同意那个浪费纳税人钱的昂贵新校餐项目非常糟糕？”
- 1
识别偏差：这是一个引导性问题，使用带有强烈负面倾向的措辞（“昂贵”、“浪费纳税人钱”、“糟糕”）引导受访者反对该校餐项目。
- 2
改写以移除倾向性措辞：“你对新的校餐项目有什么看法？”
- 3
验证：改写后的问题不会引导受访者给出特定回答，可以收集到无偏差的反馈。
4. AP考试作答中合理阐述数据收集方案选择★★★★☆⏱ 3 min
大多数学生在本考点丢分，不是因为选错了方法，而是因为他们的理由阐述过于模糊。AP评分标准要求你在所选方法和研究问题的目标之间建立明确的关联。
学校管理者想要估计全校2000名学生中支持新校服政策的比例。请撰写一段满分理由，说明为什么要使用按年级分层的分层随机抽样。
- 1
1）说明所选方法：我将使用分层随机抽样，按年级分层。
- 2
2）说明核心特性：分层随机抽样可以确保我们从每个年级中选取数量具有代表性的学生，避免因随机误差导致某一年级被过度抽样。
- 3
3）关联研究目标：由于不同年级学生对校服的看法通常存在差异，该方法比简单随机抽样能更准确地估计所有学生中支持该政策的比例。
5. 常见陷阱
错误做法:
给出类似“学生喜欢披萨吗？”这类没有定义总体和测量标准的模糊问题
原因:
这类问题无法产出可复现、可量化的结果，你会丢失评分标准中所有“有效性”相关的分数
正确做法:
明确指定精确的总体、可测量结果和范围：“本校9年级学生中每周至少吃一片披萨的比例是多少？”
错误做法:
选择便利抽样（例如调查你的朋友），然后声称该样本可以代表整个总体
原因:
未被考虑的选择偏差会导致该样本完全无法推广到目标总体
正确做法:
明确指出该偏差，说明其影响，然后提出简单随机抽样或分层随机抽样作为替代方案
错误做法:
将观察性研究和实验混淆，声称观察性研究可以得出因果关系
原因:
AP评分标准会对未经过随机分配和对照就错误断言因果关系的作答扣分
正确做法:
明确说明观察性研究只能证明关联，无法证明因果关系
错误做法:
写出引导性调查问题，引导受访者给出特定回答，并且没有识别出该偏差
原因:
引导性问题带来的应答偏差是FRQ中排名前三的最容易丢分的偏差识别考点
正确做法:
将问题改写为中立表述：把“你难道不认为新的校餐政策不公平吗？”替换为“你对新的校餐政策有什么看法？”
错误做法:
在描述数据收集方案时忘记定义抽样框
原因:
遗漏抽样框的定义会直接在标准数据设计类FRQ的3分总分中扣掉1分
正确做法:
在描述随机抽样步骤之前，先说明你抽取样本所依据的完整总体成员列表（例如学校的完整学生注册名册）
6. 速查表
方法 | 最佳适用场景 | 核心优势 | 核心局限 |
|---|---|---|---|
简单随机样本 | 需要可推广的总体估计值 | 最大程度降低选择偏差 | 需要完整的抽样框 |
分层随机样本 | 比较总体的子群体 | 降低抽样变异性 | 需要提前知晓子群体的成员归属 |
完全随机实验 | 检验因果关系 | 控制混淆变量 | 并非始终符合伦理或可行 |
自愿应答调查 | 不存在有效的统计适用场景 | 分发成本低 | 存在极端的无应答偏差 |
便利样本 | 仅用于初步探索性数据收集 | 数据收集速度快 | 无法推广到目标总体 |
真题中的出现
AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。
- 2023 · Set 1 FRQ
评估调查问题的有效性
- 2022 · Set 2 FRQ
为研究设计数据收集方案
- 2021 · Set 1 MCQ
识别有偏差的抽样方法
下一步
掌握构建严谨探究性问题和选择合适数据收集方法的能力，是AP统计学所有后续单元的基础，你之后学习的所有推断、假设检验和置信区间都依赖于正确收集的数据。哪怕你后续的统计计算完全正确，设计糟糕的数据收集也会让所有结果失去意义。该考点几乎在每一场AP统计学考试的FRQ部分都会出现，通常作为多部分大题的第一小问，后续部分会从数据设计延伸到统计推断。接下来你将在本基础上学习抽样分布，这是支撑考试所有推断统计学内容的核心理论框架。