心理学论文统计结果报告的格式范例
由于在阅读学生的毕业论文时，经常发现在统计结果的报告格式上不太规范，而且容易出现报告的内容不完整或多于冗余的情况。因此我把目前学术界常用的统计结果报告的格式做了一些整理，并给出示例，供大家参考。强调一点：所有的差异检验（如t 检验、方差分析）都必须在表格中具体给出各种条件的平均值、标准差、样本量；如果是卡方检验，应给出具体的频次。
苏文亮
2010-5-16
一、常用的统计学符号
总的样本容量为N ， 子样本容量为n ，平均数为M ，标准差为SD t 检验为t ，F 检验为F ，卡方检验为χ2 ，相关系数为r ，显著性为p 。
以上除希腊字母（如β，χ2）外，其它符号均为斜体。
二、常用的统计表格形式
表格应注意使用规范的三线表。如果表格中的数字很少，则建议不用表格，而用文字表述。另外，注意每个表格都要有序号和标题。
1、描述性统计
以下两个表格最常用于介绍所研究被试的基本信息，特别是在人口统计学变量上的分布情况。
如果要报告平均值和标准差，一般有两种表达方式，一种是把标准差标注在括号内，一种是通过加减号来表示。无论何种形式，都需要在表格的标题中注明其含义。参见如下两个表格形式。另外，每种条件一般都要注明样本量n 的大小（如表2所示）。
2、t 检验
对于推论统计（如t 检验、方差分析、卡方检验）的结果，有几项是必须要报告的：平均值、标准差、样本量（或自由度）、统计值、显著性水平。如果想做得更好的话，建议进一步给出效应量d 值。
以下两个表格是t 检验的结果报告表格示例。其区别在于显著性水平的不同报告方式，一种是直接给出p 值，另外一种是用星号来表示显著性水平（需在表格下方注明其含义）。
这两个表格的例子中，是多个统计结果的一种合并（比较简洁明了），适用于比较相同自变量下不同因变量的差异，或者不同自变量下相同因变量的差异。
3、方差分析
单因素方差分析（ANOV A ）的结果呈现方式与t 检验类似。
如果差异显著的，还应该进一步做事后检验（Post Hoc）。
如果是多因素（多个自变量）的方差分析，可以使用以下的表格形式：
在多因素方差分析中，如果主效应显著，要进一步做事后检验；如果交互作用显著的，还要分析简单效应，并给出交互作用的曲线图。
4、卡方检验
卡方检验常见于列联分析（Cross-Tab ）和非参数检验。
如果所分析的自变量和因变量都是分类数据或等级数据，建议使用列联分析。表格形式如下：
如果是非参数检验（比如被试人数很少的情况或其它不符合参数检验的条
件），其表格形式与方差分析类似。
5、相关分析
相关分析直接给出相关系数r （需具体说明使用何种相关分析法），并报告其显著性即可，不用表格。
如果想报告多个变量之间的相关矩阵，可以采用以下的表格形式：
当相关矩阵中的变量较多时，可以采用如下的方式（在横栏中用数字来代表变量名称）。
6、回归分析
对于多元回归分析而言，常见的在表格中的报告项目和形式如下表所示。
其中B 代表非标准化的系数（Unstandardized Coefficients），Beta （β）代表标准化的系数（Standardized Coefficients），可以从SPSS 结果中的Coefficients 表格获得。报告β的好处是可以通过其数字大小来直接比较不同自变量对于因变量
贡献（或权重）的大小。每个自变量（包括常数项）还要报告各自在方程里的t 值和显著性水平（如果p >0.05则说明该变量对因变量没有预测作用）。
R ，R 2（R Square），F 不是针对某一个自变量的，而是针对整个方程的。前两者用于判断自变量能够解释多少因变量的变异，可以从SPSS 表格中的Model Summary 里得到；F 用于考察整个回归方程是否有显著预测性，可以从ANOV A 表格中得到。
心理学论文统计结果报告的格式范例
由于在阅读学生的毕业论文时，经常发现在统计结果的报告格式上不太规范，而且容易出现报告的内容不完整或多于冗余的情况。因此我把目前学术界常用的统计结果报告的格式做了一些整理，并给出示例，供大家参考。强调一点：所有的差异检验（如t 检验、方差分析）都必须在表格中具体给出各种条件的平均值、标准差、样本量；如果是卡方检验，应给出具体的频次。
苏文亮
2010-5-16
一、常用的统计学符号
总的样本容量为N ， 子样本容量为n ，平均数为M ，标准差为SD t 检验为t ，F 检验为F ，卡方检验为χ2 ，相关系数为r ，显著性为p 。
以上除希腊字母（如β，χ2）外，其它符号均为斜体。
二、常用的统计表格形式
表格应注意使用规范的三线表。如果表格中的数字很少，则建议不用表格，而用文字表述。另外，注意每个表格都要有序号和标题。
1、描述性统计
以下两个表格最常用于介绍所研究被试的基本信息，特别是在人口统计学变量上的分布情况。
如果要报告平均值和标准差，一般有两种表达方式，一种是把标准差标注在括号内，一种是通过加减号来表示。无论何种形式，都需要在表格的标题中注明其含义。参见如下两个表格形式。另外，每种条件一般都要注明样本量n 的大小（如表2所示）。
2、t 检验
对于推论统计（如t 检验、方差分析、卡方检验）的结果，有几项是必须要报告的：平均值、标准差、样本量（或自由度）、统计值、显著性水平。如果想做得更好的话，建议进一步给出效应量d 值。
以下两个表格是t 检验的结果报告表格示例。其区别在于显著性水平的不同报告方式，一种是直接给出p 值，另外一种是用星号来表示显著性水平（需在表格下方注明其含义）。
这两个表格的例子中，是多个统计结果的一种合并（比较简洁明了），适用于比较相同自变量下不同因变量的差异，或者不同自变量下相同因变量的差异。
3、方差分析
单因素方差分析（ANOV A ）的结果呈现方式与t 检验类似。
如果差异显著的，还应该进一步做事后检验（Post Hoc）。
如果是多因素（多个自变量）的方差分析，可以使用以下的表格形式：
在多因素方差分析中，如果主效应显著，要进一步做事后检验；如果交互作用显著的，还要分析简单效应，并给出交互作用的曲线图。
4、卡方检验
卡方检验常见于列联分析（Cross-Tab ）和非参数检验。
如果所分析的自变量和因变量都是分类数据或等级数据，建议使用列联分析。表格形式如下：
如果是非参数检验（比如被试人数很少的情况或其它不符合参数检验的条
件），其表格形式与方差分析类似。
5、相关分析
相关分析直接给出相关系数r （需具体说明使用何种相关分析法），并报告其显著性即可，不用表格。
如果想报告多个变量之间的相关矩阵，可以采用以下的表格形式：
当相关矩阵中的变量较多时，可以采用如下的方式（在横栏中用数字来代表变量名称）。
6、回归分析
对于多元回归分析而言，常见的在表格中的报告项目和形式如下表所示。
其中B 代表非标准化的系数（Unstandardized Coefficients），Beta （β）代表标准化的系数（Standardized Coefficients），可以从SPSS 结果中的Coefficients 表格获得。报告β的好处是可以通过其数字大小来直接比较不同自变量对于因变量
贡献（或权重）的大小。每个自变量（包括常数项）还要报告各自在方程里的t 值和显著性水平（如果p >0.05则说明该变量对因变量没有预测作用）。
R ，R 2（R Square），F 不是针对某一个自变量的，而是针对整个方程的。前两者用于判断自变量能够解释多少因变量的变异，可以从SPSS 表格中的Model Summary 里得到；F 用于考察整个回归方程是否有显著预测性，可以从ANOV A 表格中得到。