# 推论统计（Inferential statistics）

> IB心理学（IB Psychology） · IB Psychology 2027 First Assessment
> 来源: https://www.owlsprep.com/zh/study/ib-psychology-rm-inferential-statistics/

推论统计（Inferential statistics）：分析和解读两组/两种条件间典型差异检验的结果，包括卡方检验、相关样本与独立样本t检验、曼惠特尼检验、威尔科克森检验，以及两个变量间关系检验的结果，例如相关系数。理解效应量和统计显著性的核心概念。

## 学习目标

- 掌握推论统计（Inferential statistics）相关内容：分析和解读两组/两种条件间典型差异检验（tests of difference）的结果，包括卡方检验（chi-square test）、相关样本与独立样本t检验（related and unrelated t-test）、曼惠特尼检验（Mann-Whitney test）、威尔科克森检验（Wilcoxon test），以及两个变量间关系检验（tests of relationship）的结果，例如相关系数（correlation coefficients）。理解效应量（effect size）和统计显著性（statistical significance）的核心概念。

## 核心概念（Core concept）

推论统计用于检验研究结果是否更可能是真实效应而非随机误差导致，因此得出的结论可以推广到样本之外的更大总体。差异检验用于比较两个条件或两组被试（例如卡方检验、相关样本与独立样本t检验、曼惠特尼检验、威尔科克森检验）；关系检验用于测量两个变量的共变程度（相关系数）。每一种检验都会输出一个显著性水平，研究者还会报告效应量来体现效应的实际大小。显著性代表“结果大概率不是随机产生”，效应量代表“效应的实际幅度”——可靠的研究结论需要同时参考这两个指标。

## 核心研究（Key studies）

IB心理学考试作答必须引用已发表的权威研究作为支撑，请掌握以下内容作为答题证据：

**Kuhn et al. (2019)** — 一项随机对照试验发现，连续8周游玩暴力电子游戏对攻击性或相关测量指标没有显著影响。——这是不同实验条件间的差异检验，最终得到了不显著的结果，提示推论检验完全可以、也应当输出零结果。

**Rosenquist, Fowler & Christakis (2011)** — 研究发现社交网络中相隔最多3度关联的个体之间，抑郁症状存在显著相关。——这是关系检验（显著相关）的典型案例，但无论相关结果多么显著，本身都不能直接证明因果关系。

## 评估（AO3）

**优势 — 严谨的推断逻辑** — 显著性检验可以量化结果来自随机误差的概率，将其与效应量结合使用，能够同时避免假阳性误报和过度解读研究结论的问题。

**局限 — 不代表因果，不代表实际重要性** — 显著的关系检验仅能证明两个变量存在共变，不能证明因果关系；同时显著性结果高度依赖样本量，在样本量极大的情况下，甚至毫无实际意义的微弱效应也可能被标记为显著。

## 适用范围（Scope）

> **note**
>
> 本部分覆盖所有推论检验的类型及其可得出的结论范围；描述统计的相关内容属于RM_5，因果推断的注意事项在RM_15部分有更详细的讲解。

## 常见错误

- **错误做法:** 认为显著的相关系数就代表其中一个变量是另一个变量的原因。
  - 原因: 这是IB心理学考试中经常被扣分的典型错误概念。
  - 正确做法: 关系检验仅能量化两个变量共同变化的程度；要证明因果关系需要开展实验研究，或者排除所有可能的混淆变量。显著性仅代表结果不太可能来自随机误差，和因果关系、效应实际大小都没有直接关联。

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ib-psychology-rm-inferential-statistics/