IPsyO 统计检验选择：材料题里 t 检验、方差分析、卡方与相关怎么从题干判断（含教学示例）

看到 IPsyO 材料题里的统计检验选项，先不要从选项反推。更稳的顺序是：先圈因变量是连续得分还是分类结果，再数要比较几组，最后看各组是独立的人还是同一批人重复测量。三步走完，独立样本 t 检验、配对 t 检验、单因素方差分析、卡方独立性检验和皮尔逊相关的边界通常就清楚了。本文五个题干均为教学示例，不是 IPsyO 真题、官方样题或评分标准；具体题目以当年材料与选项为准。据《2026 IPsyO 国际心理学奥林匹克竞赛 备考全指南（已清洗笔记）》，2026 年备考笔记把研究方法与统计学列为短期优先补强的板块，并认为它对高水平选手有区分作用；这是备考判断，不是官方评分规则。

第一步：先看因变量，不要被“两组”带跑

统计检验选择的第一刀，切在因变量的测量水平上。连续因变量包括测验分数、反应时、量表总分、正确率等可以取很多数值的指标；分类因变量包括通过/未通过、参加/不参加、住校/不住校等类别。t 检验和方差分析比较的是连续因变量的均值，因此题干应出现“得分”“用时”“评分”等连续结果。卡方处理的是两个分类变量之间的关联，题干常见“是否……与是否……有关吗”。相关处理两个连续变量之间的线性关联。若题干把分类变量编码成 0 和 1，编码不会把它变成连续变量；判断仍要看概念上的测量类型。

第二步与第三步：组数、独立组还是重复测量

确定因变量后，再看比较结构和设计词。两组不同的人比较连续均值，匹配独立样本 t 检验；同一批人前后两次测量，匹配配对样本 t 检验；三组及以上独立组比较连续均值，匹配单因素方差分析。三组以上但同一批人重复测量时，不能直接套单因素方差分析，应优先识别“重复测量方差分析”一类选项。下表是教学决策表，默认数据满足相应检验的基本假设；真实题目还要看选项和题干给出的假设条件。

教学示例 1—2：两组连续得分，独立还是配对

教学示例 1（虚构课堂练习）：研究者把 40 名高中生随机分为甲、乙两组，分别使用两种记忆策略，两周后测单词回忆得分，问两组平均分是否有差异。因变量是连续得分，两组是不同的人，且题干出现“随机分配”，更匹配独立样本 t 检验。

教学示例 2（虚构课堂练习）：同一批 30 名学生在考前一周和考后一周各测一次焦虑量表总分，问两次测量均值是否不同。因变量仍是连续得分，但两次数据来自同一批人，更匹配配对样本 t 检验。这里不要因为“两次测量”像“两组”就选独立样本 t；决定因素是数据是否来自同一批人。配对设计的优势在于控制个体差异，但题干必须明确“同一批人”或“前后测”。

教学示例 3：三组以上连续得分，为什么不是反复 t

教学示例 3（虚构课堂练习）：三种反馈方式——无反馈、简单反馈、详细反馈——分别分配给三组不同学生，记录解题时间，问三组平均解题时间是否不同。因变量连续，自变量是三分类的反馈方式，三组相互独立，更匹配单因素方差分析。三组通常不应直接拆成三次两两 t 检验，因为多次比较会抬高第一类错误风险；方差分析先回答“至少有一组均值不同”，显著后再做事后比较。反过来，方差分析显著不等于三组两两都显著，材料题选项若写“证明三组彼此都不同”，需要警惕。

教学示例 4：两个分类变量用卡方，不是 t

教学示例 4（虚构课堂练习）：随机调查学生是否住校（是/否）与是否参加社团（参加/不参加），问两个分类变量是否有关联。这里没有连续因变量，比较的是交叉表中的类别分布，更匹配卡方独立性检验。把“参加”编码为 1、“不参加”编码为 0 后做 t 检验，看似有数字，实际上仍在处理分类变量，问题问的也不是两组均值差。使用卡方时要看样本量和期望频数条件；教学示例假定样本足够，真实题目若期望频数过小，应看题目是否要求合并类别或采用其他方法。

教学示例 5：两个连续变量用相关，但别写成因果

教学示例 5（虚构课堂练习）：记录 60 名学生的平均睡眠时长与工作记忆得分，问两个连续变量之间是否存在线性关联。更匹配皮尔逊相关。相关可以给出方向与强度，但不能仅凭相关得出“睡眠增加导致记忆提高”。要支持因果，需要实验操纵、时间顺序控制或更强的纵向设计。关于结果解释与因果边界，可结合IPsyO相关与因果：从研究结果到结论之间还缺哪一步理解；相关显著也不等于因果关系成立。

四类常见误选与材料题操作顺序

第一类误选是三组连续得分反复做 t 检验，忽略多重比较问题。第二类是把分类变量套进 t 检验，只看编码后的 0/1，不看概念类型。第三类是把相关结果写成因果结论，选项里出现“导致”“造成”时要格外小心。第四类是把同一批人的前后测当成两个独立组，看到“两组数据”就选独立样本 t。材料题的操作可以固定为：先圈“随机分配、自然组、前后测、同一批、分类”等设计词；再标出因变量是连续还是分类；最后拿选项逐一排除设计与检验名称不匹配的项。读已给结果时，可参考读不懂图和数字，材料题就只能猜：IPsyO 里的图表判读与统计结果解读（2026）；若题干混淆了操纵变量与测量变量，应先回到实验设计基础，分清操纵、测量与混淆。

5 题自测与错因归档

遮住答案快速判断：1）两组不同学生，连续得分比较均值——独立样本 t；2）同一批学生前后测连续得分——配对 t；3）三组不同学生，连续得分比较均值——单因素方差分析；4）两个分类变量看关联——卡方独立性检验；5）两个连续变量看线性关联——皮尔逊相关。错题不要只记“正确答案”，而要归档为“设计看错、变量类型看错、检验名称混淆”三类。下一次同类题干先复述设计和变量类型，再选检验。若需要进一步核对“显著但效果小”的解释，可阅读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），它与本文分工不同：本文解决检验选择，不展开效应量计算。

边界说明

以上五个题干与自测均为教学示例，用于练习从研究设计和变量类型反推检验名称，不是 IPsyO 真题，也不代表官方评分规则。据同一份 2026 年备考笔记，2026 年决赛模块 A 为 5 份阅读材料、每份 20 道客观题、120 分钟；这只是该年度赛制历史背景，后续规则以官方为准。实际答题时，题目给出的选项、假设条件、样本设计和当年材料共同决定答案；本文只提供通用的判断顺序，不声称任何官方指定。复习时可将统计错题按上述三类归档，便于判断下一步该补设计识别、变量类型还是检验名称。

一般活动背景信息可参见赛事背景资料。

常见问题

看到两组就选独立样本 t 检验吗？

不一定。先确认因变量是不是连续得分，再确认两组数据是否来自同一批人。两组不同的人比较连续均值，更匹配独立样本 t 检验；同一批人前后两次测量，更匹配配对样本 t 检验。

三组连续得分能不能做三次两两 t 检验？

不建议把三组拆成三次两两 t 检验，因为多次比较会抬高第一类错误风险。三组独立、因变量连续时，通常先考虑单因素方差分析，显著后再看事后比较；具体仍以题目选项和条件为准。

卡方和相关怎么区分？

看两个变量分别是什么类型。两个分类变量看类别关联，匹配卡方独立性检验；两个连续变量看线性关联，匹配皮尔逊相关。相关结果不能直接写成因果结论，分类变量编码成 0 和 1 后也不应直接套 t 检验。