描述性统计与推断性统计（Descriptive vs inferential statistics）
IB心理学（IB Psychology）· Research methodology· 11 分钟阅读
1. 核心概念（Core concept）
统计学承担两类核心功能。描述性统计（descriptive statistics）用于汇总手头的现有数据——例如均值（mean）、全距（range）、相关系数（correlation coefficient）——让我们可以直观观察单个样本（sample）中的数据模式。推断性统计（inferential statistics）则进一步判断该模式是否可以推广到样本之外，还是仅为随机偶然结果，它会报告统计显著性（statistical significance），通常还会给出效应量（effect size，即效应的实际大小，而非仅判断效应是否存在）。正确解读一项研究需要同时兼顾两类统计结果：数值本身代表的含义，以及我们对结果可推广性的置信程度。
2. 关键研究（Key studies）
IB心理学考试作答必须引用已命名的研究作为支撑，你可以学习以下研究作为实证依据：
Giletta et al. (2021)
该元分析（meta-analysis）发现，在不同国家、不同年龄的青少年群体中，同伴影响（peer influence）对青少年行为存在一个较小但统计显著且稳定的效应。——该研究同时展示了两类统计结果：描述性的效应量（数值较小）以及推断性的统计显著性结果，也解释了解读研究结论时同时参考两类统计的必要性。
3. 评估（AO3）
优势——分离信号与噪声 — 推断性检验（inferential tests）可以避免研究者将随机波动误判为真实效应，而效应量（effect size）可以防止研究者过度夸大一个实际非常微小的真实效应。
局限——显著性被广泛误读 — 统计显著的结果并不自动代表效应很大或者具备实际重要性，而不显著的结果也不能证明完全不存在效应，两类误读在学术研究中都非常普遍。
4. 适用范围（Scope）
5. 常见陷阱
错误做法:
认为“统计显著（statistically significant）”就代表效应很大或者具备实际重要性。
原因:
这是IB心理学考试中经常会被扣分的典型错误概念。
正确做法:
显著性仅代表结果由随机偶然产生的概率很低；在样本量很大的情况下，非常微小的效应也可以达到统计显著水平。解读时需要同时报告效应量和显著性水平，才能判断结果的实际重要性。
深入阅读
- 描述性统计（Descriptive statistics）the descriptive-statistics detail is RM_5.
- 推断性统计（Inferential statistics）the inferential-tests detail is RM_6.