? ? ? ?
数据的更好方式。
对于线形图，决定在一幅图内放置几条曲线，应以可辨性作为原则，通常每图最多不超过5条曲线。
尽量采用清楚、简单的几何图形来表示数据，最好选择空心的或实心的圆圈、三角形、正方形或菱形。
标注因变量的纵坐标轴的长度应大约是标注自变量的横坐标轴的长度的四分之三到三分之二。
采用黑白二色作图。除非该插图需要彩印，否则不要用彩色作图。虽然彩色插图在计算机屏幕上非常清楚，而打印的黑白稿则可能不清楚。
（6）标目和标值
标目是用来说明坐标轴的含义的，应该与被标注的坐标轴平行，居中排印在坐标轴和标值的外侧，文字方向与坐标轴方向相垂直。例如：
反应时（ms）10.501年龄（岁）21反应0.5时（ms）01年龄（岁）2
正确的标目 错误的标目
标值是坐标轴定量表述的尺度。标值应防止标注得过分密集，以至于数码前后连接，辨识不清。标值排印在坐标轴外侧，紧靠标值短线的地方。为了清晰，标值的数字应尽量不超过3位数。因此，要认真选取标目中的单位，如用3kg代替3000g，用5μg代替0.005mg等。
坐标轴上的标值范围是根据图形的数据确定的，但坐标轴上标值的间距则是任选的，不同的选择将使同一条曲线有不同的形状。因此，标值的确定应考虑以下几点： ? 选择适当的标值，以便所描绘的曲线能涵盖整个的数据。 ? 选择适当的标值间距，以便所描绘的曲线能正确地反映数据。因为两坐标轴的标值间距
不适当将会扭曲数据的显示。
? 如果在坐标轴上的测量单位不是从0 开始，那么用“//”符号在坐标轴上分段。
（7）插图的大小和比例
在规划一幅图时，应考虑到以下几点：
? 除特殊要求外，图的大小必须要限定在期刊的版心之内。
? 同类型或同等重要的图的大小应该尽可能地保持一致，单位刻度相同。 ? 为方便比较，可以把类似的图（如两个图的纵坐标轴相同）合并起来。 ? 图例是对图中文字的说明，放置于图形区内（见图1和图2）。如果确实放不下，那么
在计算图的宽度时应考虑到图例所占的空间。
绘制插图时，除非特殊需要，不要为了追求效果而增加一些无意义的细节，如把二维的条形图画成三维的柱形图。尽管这种特殊效果能够增加吸引力，并为某些人所偏爱，但它们会歪曲数据，转移读者的注意力。 对于同一篇论文中的多幅插图来说，应尽量使插图的各要素相互统一，尤其是使用相同
34
变量的标目、标值、图例等应相互一致。
3.2.4 插图的核查清单
? 这个插图有必要吗？与表格和正文是否重叠？ ? 有图序和图题吗？图题的表述是否简洁？
? 这个插图简洁吗？还有没有可以删去的无关的细节？ ? 坐标轴的标值是否合适？
? 插图中的一般文字是否为6号宋体？
? 类似的插图或者重要性相仿的插图是以同样的坐标系画的吗？ ? 所有的术语拼写是否正确？
? 插图中的符号及缩写都在图注中有所说明吗？这些符号、缩写与标题是否一致？在
其他插图或正文中是否保持一致？
? 所有的插图在正文的相应位置处是否被提及？
35
3.3 数据统计[2]
3.3.1 统计数据的解释
常见的统计数据不需要进行解释，这对于期刊文章中所使用的绝大多数统计方法来说都是适用的。不过，在下面两种情况下请一定加以解释：⑴不常用的统计方法的结果，尤其是那些虽然在期刊中出现过但是还没有列入统计教材中的方法；⑵有争议的统计数据（如，当显著程度没有达到假设所认可的水平时却认为它们是显著的）。另外，当统计本身就是文章的重点时，也要提供支持性解释。
3.3.2 统计信息的充分描述
进行推论统计时，要提供充分的信息来帮助读者确证所进行的分析。 ? 对于参数检验（例如，单组、多组或者平均数的多因素检验），一组充分的统计信
息应包括单元（cell）平均数、单元样本的大小以及变异性（例如单元标准差或者方差）的测量。另外，单元平均数、均方差以及自由度也可以构成一组充分的统计数据。
? 对于随机区组设计、重复测量设计、多变量方差分析，充分的统计信息包括单元平
均数、单元样本大小以及单元内方差-协方差矩阵。
? 对于相关分析（例如多元回归分析、因素分析以及结构方程模型），充分的统计信
息包括样本的大小、方差-协方差矩阵（或相关矩阵）以及其他一些与使用的程序具体相关的信息（例如变量的平均数、信度、假设的结构模型和其他参数）。
2
? 对于非参数分析（例如列联表的χ分析、计数数据的分析），应提供各种原始数据
的总体描述（例如每一类别的被试数目、等级的总数、每个单元的样本大小）。 ? 小样本分析（包括个案研究），可以通过表格或者插图来提供完整的数据描述。
3.3.3 统计力
在假设检验中要特别考虑统计力，即正确拒绝研究假设的概率，因此要给出具体的α水平、效应值和样本大小。基于这种考虑，应当提供足够的证据来说明统计力可以检测出实验影响的效果。同样，当检验基于某种统计模型（如正态分布、方差同质性和回归同质性）以及模型拟合中的各种假设时，如果接受虚无假设（即当你认为不存在差异时），也应该意识到样本大小在其中所起的作用。
3.3.4 统计显著性
在推论统计检验中，表示显著性的概率有2种。一种是先验概率(a priori probability)，是指错误拒绝一个虚无假设时可接受的水平，即α水平，是假设检验中第一类错误的概率。通常使用的α水平为0.05或0.01。在报告具体的结果之前，按惯例需要申明为统计检验而选择的α水平。如果没有对α水平作一个总的说明，那么在报告每一个结果时都要具体说明α水平。
另一种是通过计算实得的后验概率（posteriori likelihood），是指假定虚无假设为真时，获得一个与实际统计值同样极端或更极端的结果的可能性。比如，假定虚无假设为真，计算出的概率为0.008。现在，许多统计包都提供了这些实际值。除了设置特定的α水平以确定是拒绝还是接受虚无假设外，你还可以报告这一明确信息。例如：
设定α水平为0.05，年龄的效应具有统计显著性，F(1, 123) = 7.27，p = 0.008。 或
年龄的效应在统计上不显著，F(1,123)=2.45, p = 0.12。
36
第二个例子只有在论文前面对α水平做了总体说明之后才能使用。如果不希望报告实际概率，也可以报告与之接近的通常使用的概率值。例如：
年龄的效应在统计上不显著，F(1,123)=2.45, p >0.10。
3.3.5 效应大小和相关的强弱
因为上述两种概率值依赖于样本大小，因此这两种概率值都不能反映出效应的重要性或关系的强度。可以采用不依赖于样本大小的一些测量指标来估计效应的重要性或关系的强
22222
度。通常这些测量指标包括r, η, ω, R, φ, Cramer的V, Kendall的W, Cohen的d和κ, Goodman和Kruskal的λ和γ,以及多变量Roy的Θ和Pillai-Bartlett的V。
尽管在大多数情况下，当报告了统计检验（如t和F）和样本大小（或自由度）时，有关效应大小的量值已经可以获得，但还是建议作者提供效应大小的有关信息。比如，给出基
22
于ν1和ν2自由度下的F比率，由关联效应（η, 即r的概括）解释的方差部分可以由ν1F/(ν1F +ν2)决定。
3.3.6 正文中的统计数据
报告推论统计数据（如t检验，F检验, χ2检验）时要提供充分的信息，以让读者能明白作者的分析。当然，充分的信息是以所选择的统计检验和分析为基础的。下面给出了一个呈现样例：
对于即时再认，句型结构的主效应不显著，F（2，116）= 2.80，MSE = 0.025；但句型结构与句子主题和策略之间都有显著的交互作用，分别为F（2，116）=3.71，p < 0.05；F（2，116）3.25，p < 0.05。
与研究假设一样，对于自主运动幻想来说，催眠感受性强的被试（M = 8.18，SD = 7.11）比其他被试（M = 5.25，SD = 4.24）更多地报告，在运动时能明显地感知到固定的灯光，t（60）= 1.99， p=0.05。感受性强的被试组（M = 21.40，SD = 10.34）报告的极端情况的出现频率、注意力集中水平显著高于感受性弱的被试组（M = 46.23， SD = 11.08），（t75）= 2.19， p < 0.05。
用文字叙述的方式进一步强调一些特殊的数据，这样做似乎有一定的意义，但是如果已经以图表的形式报告了描述统计值，那就不需要在正文中再重复了。
对于卡方检验，要在圆括号中注明自由度和样本量，即提供卡方分析的必要数据。例如： χ2（4，N = 90）= 10.51， p = 0.03 列举系列统计结果时，要确保这些统计数据之间的关系以及他们各自的标志清晰、明确。可以用“分别”、“依次”之类的词阐明其中的关系。例如：
测验1到4的平均数（标准差）分别是2.43（0.50），2.59（1.21），2.68（0.39），2.86（0.12）。
测验1到4的平均数依次为2.43，2.59，2.68，2.86（标准差分别是0.50，1.21，0.39，0.12）。
3.3.7 统计符号
叙述中用到统计术语时，不要用该术语的符号代替术语本身。如，要写成平均数是…，而不是M是…。
总体与样本统计的符号 总体（即理论上的而非实际观测得来的数据）统计量，确切地说是参数，通常用小写希腊字母呈现。也有一些样本（即实际观测得来的数据）统计量用希
2
腊字母呈现（如χ），但大多数样本统计用斜体拉丁字母呈现（如，SD）。
被试量符号 使用大写斜体字母N标明样本总体的被试人数（如，N =135）；使用小写
37
斜体字母n 标明部分样本的被试人数（如，n=30）。
百分比符号（%） 仅在数字后使用百分比符号。在没有给出数字时，使用“百分比”一词。如：
发现18%的老鼠…… 确定老鼠的百分比……
提示：为了节省空间，在表头和图例中应使用“%”符号。
统计符号通常使用斜体字。如：N，MX，df，p，SSb，SE，MSE，t，F，但希腊字母、下标和上标等标识符（即非变量）以及非变量的缩写（如，sin、log）要用正体排版。向量符号要用黑体字排版。有关字体请参阅3.7（字母的大写与斜体）。 表1给出了一些常见统计术语的缩写。
在论文写作中，要注意区分容易混淆的字母和符号，如数字1和字母l，数字0和字母o，乘号×和字母X，希腊字母Β（β的大写）和英文字母B等。
表1 统计符号列表和释义
印刷体 ANCOVA ANOVA
英文释义 中文释义
协方差分析
方差分析（单变量） 用于柯斯二氏检验 敏感性测量或辨别力
用于Kolmogorov-Smirnov检验 自由度 频次 期望频次 费舍F比率
Hartley’s方差齐性检验
用于克-瓦氏检验；也可代表“假设”
检验中的虚无假设 对立假设或备择假设 Tukey’s真实显著性差异
离散系数 非决定系数 库理20号公式
似然比（与一些卡方值一同使用）
费舍最小显著性差异 平均数（算术平均数）
多元方差分析或多因变量方差分析 中数
最大似然估计（与诸如LISREL
38
Analysis of covariance
Analysis of variance (univariance) Cohen’s measure of effect size d
(d prime)measure of sensitivity d’
Used in Kolmogorov-Smirnov test D
degree of freedom df
Frequency f
Expected frequency fe
Fisher’s F ratio F
Hartley’s test of variance Fmax
homogeneity
Used in Kruskal-Wallis test;also used H
to mean hypothesis
Null hypothesis under test H0
Alternative hypothesis H1
Tukey’s honestly significant HSD
difference (also referred to as the Tukey a procedure)
Coefficient of alienation k
Coefficient of nondetermination k2
Kuder-Richardson formula K-R 20
Likelihood ratio (used with some LR
Chi-square)
Fisher’s least significant difference LSD
Mean (arithmetic average) M
MANOVA Multivariate analysis of variance
Median Mdn
Maximum likelihood estimate (used mle
《心理学论文写作规范》超完整篇
