IPsyO 效应量与样本量：材料题里「统计显著」为什么可能是小结果（含教学示例）

在 IPsyO 研究方法材料题里，看到结果写着 significant，最安全的读法不是「效果很强」，而是「在这项研究的数据里，结果不太像纯随机波动」。它不自动说明效应大、因果成立或可推广到所有人。2026 赛季的备考笔记也把 Research Methods 描述为贯穿全卷的能力，涉及 operational definition、confounding、validity、effect size、alternative explanations 等；同一笔记还指出，2026 年更强调「是否理解、应用、据证据判断」，干扰项常见半对半错、过度推论与因果化。因此，材料题真正要判断的是：这个结论有没有越过证据边界。本文为备考教学解读，不是官方评分说明；所有示例均为假设性教学示例，不是官方题目。

一、先分清：p 值、效应量、样本量各管什么

很多失分不是不会算，而是把三个不同问题混成一个。p 值回答「有没有统计信号」；效应量回答「信号有多大」；样本量影响「估计有多稳」。三者不能互相替代。

还要记住，p 值不是「原假设为真的概率」。p＝0.03 不表示「结论有 3% 概率是错的」，也不表示「有 97% 概率正确」。它只是在某个原假设模型下，数据有多不寻常。效应量也不是天然「大就好」：差异是否重要，要看量表、情境和后果。

二、显著但效应小：为什么不能选「效果很强」

大样本会让很小的差异也显得「不像偶然」。这是材料题里最容易被忽略的一类。下面是教学示例一，不是官方题目。

教学示例一：假设一项干预研究把学生随机分为两组，每组 n＝1000，前后测改善分数的标准差约为 10。干预组平均改善 71.5 分，对照组平均改善 70.0 分，差值为 1.5 分。为便于手算，假设两组独立、标准差相同，用近似方法：合并标准差取 10，标准化均值差 d＝1.5÷10＝0.15；差值标准误约为 10×√(1/1000＋1/1000)＝0.447；z≈1.5÷0.447≈3.35，双侧 p≈0.0008；95% 置信区间约为 1.5±1.96×0.447，即 [0.62, 2.38]。

这组数据可以支持「在这个样本中，干预组平均改善略高，且统计上可区别于零」；但不能支持「干预效果很强」。1.5 分相对 10 分的标准差只有 0.15 个标准差，是否具有现实意义还要看量表，但绝不足以单独推出强效果。材料题若把「显著」写成「效果强」「大幅提升」「足以改变教学安排」，就是越界。正确选项应保留「小幅度」「平均差异」「在该样本中」等限定。

三、大效应但样本小：为什么结论可能不稳

小样本不一定错，但点估计容易不稳定。一个很大的效应量，可能伴随很宽的置信区间；它值得继续验证，不等于已经可以推广。下面是教学示例二，不是官方题目。

教学示例二：假设两组各 n＝10，干预组比对照组平均高 8 分，两组标准差均约为 8。标准化均值差 d＝8÷8＝1.0，看起来是大效应。差值标准误约为 8×√(1/10＋1/10)≈3.58；t≈8÷3.58≈2.24，df＝18，双侧 p≈0.038；95% 置信区间约为 8±2.101×3.58，即 [0.48, 15.52]。

这里 p 小于 0.05，点估计也大，但置信区间从接近零到很大的差异都相容。材料题若写「已证明该干预普遍有效」「可推广到所有学校」，就把「一次小样本研究出现大估计」误当成了「稳定、可推广的结论」。更准确的表述是：结果提示可能存在较大效应，但样本小、估计不稳，需要更大样本和重复验证；在未说明抽样代表性的情况下，也不能推到所有学生。

四、材料题里最该警惕的四种越界

据《2026 IPsyO 心理学奥赛考情与备考笔记》（2026），论文专项题约 40 题（5 篇论文×8 题），考查 research question、hypothesis、variables、findings、interpretation、limitation 等；这类题尤其容易把「结果」和「解释」混在一起。读选项时，先圈出结论动词和范围词。

• 显著→效果强：把统计信号当成实际重要性。应追问效应量和实际单位。
• 显著→因果：如果设计不是随机实验，或存在混淆变量，就不能仅凭显著推因果。相关与因果的缺口可参考IPsyO相关与因果：从研究结果到结论之间还缺哪一步。
• 样本大→普遍适用：大样本只提高精度，不自动修复抽样偏差。谁能被推广，要看招募方式和样本构成，可参考IPsyO抽样偏差：从招募方式判断研究结论能推广到谁。
• 效应大→结论稳：小样本的大效应可能区间很宽；应看置信区间、重复验证和设计质量。

五、把两个示例放进选项里：怎样改写才准确

教学示例一里，错误选项常写成「干预显著，说明效果很强」。更准确的改写是：「在该大样本中，干预组平均改善略高，差异统计上可区别于零，但标准化效应较小，实际意义需结合量表判断。」这里保留了显著性，却没有把显著性升级为强度。

教学示例二里，错误选项常写成「大效应且显著，说明可推广」。更准确的改写是：「该小样本研究观察到较大点估计，但置信区间较宽，结论应视为初步证据，需更大样本与重复研究。」注意，这不是说小样本研究没有价值，而是说它的证据强度有限。材料题选「最准确」，不是选「听起来最积极」。

如果题目给的是图表，先确认横轴、纵轴、组别和误差线含义；图表判读的基础问题可先看读不懂图和数字，材料题就只能猜：IPsyO 里的图表判读与统计结果解读（2026）。但图表读对之后，仍要回到同一个判断：结论有没有超过数据能支持的范围。

六、结论强度三问：材料题现场可用的顺序

第一问，设计是什么？是随机实验、准实验还是相关研究？有没有混淆变量？如果题干写「导致」「证明」，先检查设计是否支持因果。没有随机分配或充分控制时，最多说「相关」「伴随」「提示」。

第二问，效应量多大？不要只看 p 值。看差异的实际单位，也看标准化效应量。大样本里的小差异可以显著；小样本里的大差异可以显著但很不稳。效应量小不等于「没差异」，但通常不支持「很强」「大幅」。

第三问，估计有多稳、能推给谁？看样本量、置信区间、抽样方式。样本小则区间宽；样本偏则推广范围窄。若题干从「本样本」跳到「所有学生」「所有学校」，要检查是否缺少代表性证据。

七、四步排除表：把「显著」放回证据链

这个表也适用于检查自己写的解释。每次看到「显著」，在旁边写两个词：效应量？样本？如果两个都答不上来，就不要选强度很高的结论。

八、备考建议：把统计词变成判断题

练习时不要只问「这个结果显不显著」，而要改写结论句。可以拿一段材料做三次改写：第一次只写「在该样本中观察到了什么」；第二次补上「效应量大致多大」；第三次补上「能否推广、能否说因果」。三次都写完，再对照选项，通常能看出哪个选项多了半句。

如果错题集中在「读得出数字但判断不了结论」，可以先用样卷按模块统计正确率，把问题分成概念不清与证据判断不稳两类。复习顺序建议是：先分清 p 值、效应量、样本量的分工；再用两个教学示例练习改写；最后把「显著」「大样本」「大效应」分别与「强度」「精度」「可推广性」拆开。这样遇到「显著但小结果」或「大效应但小样本」时，就不会把统计信号误当成强结论。

一般活动背景信息可参见赛事背景资料。

常见问题

显著（significant）是不是就说明效应很大？

不是。显著只说明在当前原假设模型下，数据不太像偶然波动；效应大小要看效应量和实际单位。大样本中很小的差异也可能显著，材料题不能把显著直接改写成效果很强。

样本量小但效应量大，能不能说结论很强？

不能直接说强。小样本的大效应可能是重要线索，但点估计容易不稳，置信区间可能很宽。更准确的表述是初步证据，需要更大样本、重复验证和检查抽样代表性。

材料题里看到 p＜0.05 应该先做什么？

先看设计和结论词。若是相关研究，不要选因果表述；再看效应量是否支持强度；最后看样本与区间是否支持推广。把显著、效应量、样本量分开判断，再选限定最准确的选项。