心理学研究机构的人员组成和专业分布
――对美国排名前五位的心理学研究机构的人员组成和专业分布的初步分析
【作者】张侃 中国科学院心理研究所，北京，100101
【正 文】
组织结构，尤其是组织的人员结构与组织的社会功能以及组织的绩效密切相关，为了提高
组织的效率和社会地位，每个行业和领域都十分重视对组织的人员结构的研究。目前科学
界公认，科学的心理学起始于冯特的心理学实验室。我国的心理学则主要源于近代西方心
理学，从1900年在北京大学首开心理学课程，至今已有100多年，从1921年成立全国性的
心理学会也已经有81年了。现在社会上对心理学的需求很高。但是，由于多方面的原因，
我国的心理学仍然处于不够发达的状态。其中组织结构是一个应该引起重视的因素。对美
国最知名和最有影响的心理学研究和教学机构的人员结构的分析，必将有利于我们思考和
构建我国的心理学研究和教学机构。为了这一目的，本文作者于2001年夏季通过网络检索
、索取材料等途径，对美国心理学系所的排名的情况进行了一次比较系统的调查。在调查
的过程中得到了彭凯平（加州大学伯克利校区）、王恩列（普度大学）、王朋（依利诺大
学）、庄建成（明尼苏达大学）、宋照礼（明尼苏达大学）、Pat Gurin（密西根大学）
等人的帮助。现将分析的结果报告如下：
1 美国心理学机构的排名
美国合众国新闻(U.S.NEWS)每年对全美高校的学科进行一次上一年的排名统计调查，并在
年初公布。数据来源于两个方面：一是各研究生授予单位(GRADUATE PROGRAMS)负责人和
该领域内科学家的评价；二是各种统计指标，如教授的水平、研究情况、学生在入学时和
毕业时的水平等。2000年秋季对1,000个研究生授予单位和12,000个学术单位进行了调查
。其中对心理学调查的结果，榜上有名者（获得总分达50/100）共有176个单位。其中排
在前五名的美国的心理学研究和教学机构分别是：斯坦福大学心理系、密西根大学心理系
，明尼苏达大学儿童发展研究所、依利诺大学心理系和耶鲁大学心理系。
《美国新闻》除了按整体实力对美国的所有心理学系所进行了评价和排序之外，还就某些
专业进行了评价和排序。2000年按专业做的排序有四个特定的领域，它们是：认知心理学
、发展心理学、实验心理学、工业与组织心理学。
认知心理学专业排名前五位的是：斯坦福大学心理系、卡内基梅隆大学心理系、伊利诺大
学心理系、密西根大学心理系、加州伯克利大学心理系；
发展心理学专业排名前五名的是：明尼苏达大学儿童发展研究所、密西根大学心理系、斯
坦福大学心理系、加州伯克利大学心理系、佛吉利亚大学心理系；
实验心理学专业排名前五名的是：斯坦福大学心理系、密西根大学心理系、加州伯克利大
学心理系、伊利诺大学心理系、加州洛山矶大学心理系和耶鲁大学心理系；
工业与组织管理心理学专业排名前五名的是：密西根州立大学心理系、明尼苏达大学心理
系、宾州大学心理系、俄荷欧洲保龄格林大学心理系、马利兰大学心理系。
2 心理学的专业分布
众所周知，源于心理学研究对象的特点使得心理学的研究领域非常宽泛，加之目前心理学
研究方法的多样性使得心理学分成了众多的专业。但是，从整体上来看，还是有一定的规
律可循的。为了有利于研究和教学工作的开展，多年来，在美国形成了在心理学系、所内
按研究的特定专业分布若干个分部(DIVISIONS)的结构。全美国最好的心理系、所也是这
样组织的。对这五个研究机构的人员机构进行初步的细分，将有利于我们从中得到一定的
启示。按照本文作者从这五个心理学研究机构所获得的各个单位的自我介绍的材料、他们
的专业，下面是全美2000年排名前五位的心理学系、所的专业分布：
1.斯坦福大学心理系：认知心理学、发展心理学、人格心理学、社会心理学
2.密西根大学心理系：生物心理学、临床心理学、认知和知觉心理学、发展心理学、组织
心理学、人格心理学、社会心理学
3.明尼苏达大学儿童发展研究所：全部从事发展心理学研究
4.依利诺大学心理系：生物心理学、临床和社区心理学、认知心理学、发展心理学、知觉
和人的操作心理学、人格―社会―组织心理学、数学心理学
5.耶鲁大学心理系；行为神经科学、临床心理学、认知心理学、发展心理学、社会和人格
心理学
从以上美国排名前五位的心理学系所的专业分布来看，一方面各自有自己的特色，另一方
面也有明显的相似之处。认知心理学、发展心理学、社会心理学是每个单位都设立的专业
，显然是当今心理学的主干学科。
3 按专业领域的人员的分布
通过寻要资料和网上查询，我们获得了上述在美国整体实力排名前五名的心理学系所中三
个的人员分布的情况。它们是：斯坦福大学心理系、密西根大学心理系、伊利诺大学心理
系。表1列出了这三个单位按专业领域的人员的分布情况，其中括号外的数字是人员的绝
对数，括号内的数字是该单位这一领域人员数站该单位全体人员的百分数。
表1 美国三所知名大学心理学人员按专业的分布情况
单位 各个专业的人数(和百分数)
认知 发展 人格 社会 总人数
斯坦福 16(42%) 6(19%) 7(22%) 9(28%) 38
密西根 29(25%) 23(20%) 31(27%) 31(27%) 111
依利诺 25(36%)
9(13%)31(27%) 31(27%) 96
平均 23(34%) 13(17%) 23(25%) 24(27%)
*生物心理学被统计在认知心理学专业内：临床心理学专业和数学心理学专业的人员没有
统计在内。
4 按学衔的人员分布
按照国际学术界通用的做法，从事科研和教学的人员是按学衔组织的。学衔表达了一个人
的学术地位和工作职责。某一研究机构中具有某类学衔的人员的比例和分布通常用作评价
这一机构的指标之一。通过寻求，我们获得了在美国排名前五位的心理学研究机构中四个
的研究人员的学衔的分布，见表2。
表2 美国四个优秀的心理学研究机构的人员的学衔分布
机构 人数（百分比）
正教授 副教授 助理教授 荣誉教授
斯坦福 20(67%) 3(10%) 7(23%) 6
密西根 68(56%) 26(21%)28(23%) 13
明尼苏达10(77%) 3(21%) 1(8%) 4
耶鲁 28(65%) 3(7%) 12(30%)
平均 32(66%) 9(15%) 12(21%)
*助理教授为获得博士学位后被聘用的终身（固定）教授的候选人。经过四至五年后，合
格者可以获得副教授和固定聘用的职位。荣誉教授为退休教授中在学术界有影响的心理学
家。
通过以上初步的分析，我们可以看出，美国领先的心理学研究机构都分有认知心理学（含
生物心理学），发展心理学，人格心理学，社会和组织心理学。尽管各个心理学研究机构
内部的专业设置各有自己的特点和侧重点，比如依利诺大学心理系设有数学心理学，而其
他的系所则没有将数学心理学列为专门的分部。又比如，因为工程心理学是依利诺大学心
理系的强项，所以他们设有研究人的知觉和操作的专门分部（实际是认知和实验心理学的
范畴）。但是，可以明显地年出心理学的主要专业是以上四门。在这四个专业领域中人员
数量的分布大致反映的学科的结构和社会的需求。具体是，认知心理学占34%的人员，发
展心理学占17%的人员，人格心理学占25%的人员，社会和组织心理学占27%的人员。从人
员的学衔来看，心理学的研究人员的主体是正教授，占66%；其次是助理教授，占12%；而
副教授只占9%。可见，副教授岗位在这些机构中是一种过渡性的岗位。另外，各个研究机
构都将荣誉（退休）教授作为其宝贵的人力资源正式列入人员名录中。
2009年4月30日星期四
2009年4月28日星期二
【心理学周边】约会时什么细节让你开心？
2009年3月23日至3月25日，日本的综合门户网站goo做了一项网络调查，具体内容是“在约会时他（她）的什么行为会让你开心？”。受调查者1043人，52.2% 为男性，47.8%为女性。年龄构成方面，20岁以下7.8%，20-30岁17.1%，30-40岁28.2%，40-50岁24.8%，50-60岁11.4%，60岁以上10.7%。
这个调查可以证明男人和女人确实来自两个不同的星球。因为调查的结果，男人在约会时高兴的细节和女人在约会时高兴的细节完全不重样。调查结果在这里。
以下是调查结果：
好，男人以及想打动男人的女人先看过来。约会时她的什么举动会让你开心？
01、她牵我的手 100%
01、她挽着我的手臂 100%
03、她告诉我她想吃什么东西 98.9%
04、她告诉我她想去什么地方 92.6%
05、当我付账、为她拉椅子的时候她向我表示感谢 88.4%
06、她说她喜欢我 73.7%
06、她不会经常去看手机 73.7%
08、感觉不舒服、走路累了她会告诉我 71.6%
09、她穿的衣服和平时穿的不一样 69.5%
09、她始终和我有话讲 69.5% (后面还有女性调查)
11、约会结束时她对我表示感谢 66.3%
12、她说“我们应该去个没有其他人的地方” 63.2%
13、她提议说下次再约会 58.9%
14、她告诉我我的头发乱了或者拉链没拉好 50.5%
15、她把她的手机静音了 44.2%
16、她不谈及她的前男友 42.1%
17、我付账时她有所表示 40%
18、如果约会之前她通宵了她会提前告诉我 37.9%
19、她付了喝茶的帐 27.4%
20、她为我准备了湿纸巾 20%
好，女人以及想泡女人的男人接着看过来。约会时他的什么举动会让你开心？
01、他帮我拎东西 100%
02、他和我走路步调一致 85.9%
03、他送我回家 74.4%
03、一起步行时他走在我的外侧 74.4%
05、他准备了意想不到的小礼物 54.3%
06、吃饭时他在适当的时候叫服务生 38.7%
07、我买衣服时他会给我建议 38.2%
08、我口渴时他给我买饮料 37.2%
08、他推荐了一个好地方一起看风景 37.2%
10、坐地铁时他帮我留意换乘站 34.2%
11、约会前他会留意约会地点附近有哪些好店和不安全的地方 29.9%
12、在下行的自动扶梯上他站在我前面；在上行的自动扶梯上他站在我后面 27.6%
13、约会前他会看看有什么新的店铺开张 24.6%
14、约会前他会建议我穿什么衣服 23.1%
14、他比我早到约会的地方 23.1%
16、他为我开关车门 16.6%
17、他告诉我我们要去的地方的情况 15.6%
18、他穿的衣服和我很亲 10.1%
19、约会时他偷偷发个短信给我 9.5%
20、当我在室外的凳子上坐下前，他为我在凳子上铺一块手帕 5.0%
偶的个人结论是这样的：
各位男童鞋在约会前记得多做做功课，约会时记得多呵护女童鞋，多准备点惊喜。
各位女童鞋在约会时记得多表示感谢，记得多抢着付钱，记得多牵牵男童鞋的手。
重点是，即使有个男童鞋完美的完成了上面的20条，各位女童鞋也要记得看看这位男童鞋是不是眼睛露淫光，嘴边流口水。如果是的话，那他也许只是看了这篇文章来学着泡妞的小朋友。这个时候，你就要以迅雷不及掩耳盗铃之势大吼：煎蛋上那篇《约会时什么细节让你开心》里最让女孩子心动的事情第一条是什么？如果他条件反射告诉你：“他帮我拎东西。”那……那至少证明你们两个都混煎蛋，自己把握吧。
这个调查可以证明男人和女人确实来自两个不同的星球。因为调查的结果，男人在约会时高兴的细节和女人在约会时高兴的细节完全不重样。调查结果在这里。
以下是调查结果：
好，男人以及想打动男人的女人先看过来。约会时她的什么举动会让你开心？
01、她牵我的手 100%
01、她挽着我的手臂 100%
03、她告诉我她想吃什么东西 98.9%
04、她告诉我她想去什么地方 92.6%
05、当我付账、为她拉椅子的时候她向我表示感谢 88.4%
06、她说她喜欢我 73.7%
06、她不会经常去看手机 73.7%
08、感觉不舒服、走路累了她会告诉我 71.6%
09、她穿的衣服和平时穿的不一样 69.5%
09、她始终和我有话讲 69.5% (后面还有女性调查)
11、约会结束时她对我表示感谢 66.3%
12、她说“我们应该去个没有其他人的地方” 63.2%
13、她提议说下次再约会 58.9%
14、她告诉我我的头发乱了或者拉链没拉好 50.5%
15、她把她的手机静音了 44.2%
16、她不谈及她的前男友 42.1%
17、我付账时她有所表示 40%
18、如果约会之前她通宵了她会提前告诉我 37.9%
19、她付了喝茶的帐 27.4%
20、她为我准备了湿纸巾 20%
好，女人以及想泡女人的男人接着看过来。约会时他的什么举动会让你开心？
01、他帮我拎东西 100%
02、他和我走路步调一致 85.9%
03、他送我回家 74.4%
03、一起步行时他走在我的外侧 74.4%
05、他准备了意想不到的小礼物 54.3%
06、吃饭时他在适当的时候叫服务生 38.7%
07、我买衣服时他会给我建议 38.2%
08、我口渴时他给我买饮料 37.2%
08、他推荐了一个好地方一起看风景 37.2%
10、坐地铁时他帮我留意换乘站 34.2%
11、约会前他会留意约会地点附近有哪些好店和不安全的地方 29.9%
12、在下行的自动扶梯上他站在我前面；在上行的自动扶梯上他站在我后面 27.6%
13、约会前他会看看有什么新的店铺开张 24.6%
14、约会前他会建议我穿什么衣服 23.1%
14、他比我早到约会的地方 23.1%
16、他为我开关车门 16.6%
17、他告诉我我们要去的地方的情况 15.6%
18、他穿的衣服和我很亲 10.1%
19、约会时他偷偷发个短信给我 9.5%
20、当我在室外的凳子上坐下前，他为我在凳子上铺一块手帕 5.0%
偶的个人结论是这样的：
各位男童鞋在约会前记得多做做功课，约会时记得多呵护女童鞋，多准备点惊喜。
各位女童鞋在约会时记得多表示感谢，记得多抢着付钱，记得多牵牵男童鞋的手。
重点是，即使有个男童鞋完美的完成了上面的20条，各位女童鞋也要记得看看这位男童鞋是不是眼睛露淫光，嘴边流口水。如果是的话，那他也许只是看了这篇文章来学着泡妞的小朋友。这个时候，你就要以迅雷不及掩耳盗铃之势大吼：煎蛋上那篇《约会时什么细节让你开心》里最让女孩子心动的事情第一条是什么？如果他条件反射告诉你：“他帮我拎东西。”那……那至少证明你们两个都混煎蛋，自己把握吧。
2009年4月24日星期五
【心理学周边】投资大师罗杰斯对女儿的忠告
文/[美] 吉姆·罗杰斯 ■译/洪 兰
永远不要问别人赚多少钱，也不要告诉别人你有多少钱。
永远不要问别人这个东西多少钱买的，也不要告诉别人你的东西是多少钱买的。
渐渐长大后，你得处理男孩子的问题。要记住的基本原则是：他们需要你远大于你需要他们。
狂热追求时，男孩会告诉你上百万个故事，但你不要理会那些故事。
听到无稽的诺言、奉承的话语时，要保持清醒。不要追随一个男孩子到其他学校、城市，或其他场所。
任何“必试”“必读”的东西能免则免，尤其是流行的东西。记住，有一半人口的智商在中位数之下。
直到至少年满28岁，对自己和世界有更多认识前，不要结婚。
小心所有的政客。在学生时代，他最出众的是在课后休息时间；毕业后，他就很少能做出卓越的事情了。
那些看起来可以做你父亲或祖父的男人，其实并不会把你当女儿或孙女看待。
在单身酒吧你得不到任何东西，只有调酒师会比你学到更多经验、赚到更多小费。
下班后，不要每天晚上跟你的死党出去喝酒。老板们不会这样做，这正是为什么他是老板的原因。
几乎没有什么理由要你跟老板单独出去喝一杯，更不要说出去与他一起用晚餐。工作和生活要泾渭分明。
避免办公室恋情，这对双方的个人和职业发展都是灾难。
参加公务午餐时，不要喝酒。
准时还钱，尽可能一有钱就还掉借款。好信用很重要，坏信用如鬼魅，会经年纠缠着你。
购物之前，一定要先填饱肚子，才不会买过头了。
永远买高质量的东西，它们经久耐用，更能保持价值。
长时间驾车或在公共场合出现前，一定要先上洗手间。
学会打字和缝纫。
精通算术和数字，这样你会比其他人更有优势，更能注意到其他人忽视的异常之处。
照顾好自己！没有健康的身体和充沛的精力，你要想成功那就太难了。
摘自《投资大师罗杰斯给宝贝女儿的12封信》
永远不要问别人赚多少钱，也不要告诉别人你有多少钱。
永远不要问别人这个东西多少钱买的，也不要告诉别人你的东西是多少钱买的。
渐渐长大后，你得处理男孩子的问题。要记住的基本原则是：他们需要你远大于你需要他们。
狂热追求时，男孩会告诉你上百万个故事，但你不要理会那些故事。
听到无稽的诺言、奉承的话语时，要保持清醒。不要追随一个男孩子到其他学校、城市，或其他场所。
任何“必试”“必读”的东西能免则免，尤其是流行的东西。记住，有一半人口的智商在中位数之下。
直到至少年满28岁，对自己和世界有更多认识前，不要结婚。
小心所有的政客。在学生时代，他最出众的是在课后休息时间；毕业后，他就很少能做出卓越的事情了。
那些看起来可以做你父亲或祖父的男人，其实并不会把你当女儿或孙女看待。
在单身酒吧你得不到任何东西，只有调酒师会比你学到更多经验、赚到更多小费。
下班后，不要每天晚上跟你的死党出去喝酒。老板们不会这样做，这正是为什么他是老板的原因。
几乎没有什么理由要你跟老板单独出去喝一杯，更不要说出去与他一起用晚餐。工作和生活要泾渭分明。
避免办公室恋情，这对双方的个人和职业发展都是灾难。
参加公务午餐时，不要喝酒。
准时还钱，尽可能一有钱就还掉借款。好信用很重要，坏信用如鬼魅，会经年纠缠着你。
购物之前，一定要先填饱肚子，才不会买过头了。
永远买高质量的东西，它们经久耐用，更能保持价值。
长时间驾车或在公共场合出现前，一定要先上洗手间。
学会打字和缝纫。
精通算术和数字，这样你会比其他人更有优势，更能注意到其他人忽视的异常之处。
照顾好自己！没有健康的身体和充沛的精力，你要想成功那就太难了。
摘自《投资大师罗杰斯给宝贝女儿的12封信》
2009年4月23日星期四
2009年4月22日星期三
【心理统计】SPSS单词汇总
Absolute deviation, 绝对离差
Absolute number, 绝对数
Absolute residuals, 绝对残差
Acceleration array, 加速度立体阵
Acceleration in an arbitrary direction, 任意方向上的加速度
Acceleration normal, 法向加速度
Acceleration space dimension, 加速度空间的维数
Acceleration tangential, 切向加速度
Acceleration vector, 加速度向量
Acceptable hypothesis, 可接受假设
Accumulation, 累积
Accuracy, 准确度
Actual frequency, 实际频数
Adaptive estimator, 自适应估计量
Addition, 相加
Addition theorem, 加法定理
Additivity, 可加性
Adjusted rate, 调整率
Adjusted value, 校正值
Admissible error, 容许误差
Aggregation, 聚集性
Alternative hypothesis, 备择假设
Among groups, 组间
Amounts, 总量
Analysis of correlation, 相关分析
Analysis of covariance, 协方差分析
Analysis of regression, 回归分析
Analysis of time series, 时间序列分析
Analysis of variance, 方差分析
Angular transformation, 角转换
ANOVA （analysis of variance）, 方差分析
ANOVA Models, 方差分析模型
Arcing, 弧/弧旋
Arcsine transformation, 反正弦变换
Area under the curve, 曲线面积
AREG , 评估从一个时间点到下一个时间点回归相关时的误差
ARIMA, 季节和非季节性单变量模型的极大似然估计
Arithmetic grid paper, 算术格纸
Arithmetic mean, 算术平均数
Arrhenius relation, 艾恩尼斯关系
Assessing fit, 拟合的评估
Associative laws, 结合律
Asymmetric distribution, 非对称分布
Asymptotic bias, 渐近偏倚
Asymptotic efficiency, 渐近效率
Asymptotic variance, 渐近方差
Attributable risk, 归因危险度
Attribute data, 属性资料
Attribution, 属性
Autocorrelation, 自相关
Autocorrelation of residuals, 残差的自相关
Average, 平均数
Average confidence interval length, 平均置信区间长度
Average growth rate, 平均增长率
Bar chart, 条形图
Bar graph, 条形图
Base period, 基期
Bayes' theorem , Bayes定理
Bell-shaped curve, 钟形曲线
Bernoulli distribution, 伯努力分布
Best-trim estimator, 最好切尾估计量
Bias, 偏性
Binary logistic regression, 二元逻辑斯蒂回归
Binomial distribution, 二项分布
Bisquare, 双平方
Bivariate Correlate, 二变量相关
Bivariate normal distribution, 双变量正态分布
Bivariate normal population, 双变量正态总体
Biweight interval, 双权区间
Biweight M-estimator, 双权M估计量
Block, 区组/配伍组
BMDP(Biomedical computer programs), BMDP统计软件包
Boxplots, 箱线图/箱尾图
Breakdown bound, 崩溃界/崩溃点
Canonical correlation, 典型相关
Caption, 纵标目
Case-control study, 病例对照研究
Categorical variable, 分类变量
Catenary, 悬链线
Cauchy distribution, 柯西分布
Cause-and-effect relationship, 因果关系
Cell, 单元
Censoring, 终检
Center of symmetry, 对称中心
Centering and scaling, 中心化和定标
Central tendency, 集中趋势
Central value, 中心值
CHAID -χ2 Automatic Interaction Detector, 卡方自动交互检测
Chance, 机遇
Chance error, 随机误差
Chance variable, 随机变量
Characteristic equation, 特征方程
Characteristic root, 特征根
Characteristic vector, 特征向量
Chebshev criterion of fit, 拟合的切比雪夫准则
Chernoff faces, 切尔诺夫脸谱图
Chi-square test, 卡方检验/χ2检验
Choleskey decomposition, 乔洛斯基分解
Circle chart, 圆图
Class interval, 组距
Class mid-value, 组中值
Class upper limit, 组上限
Classified variable, 分类变量
Cluster analysis, 聚类分析
Cluster sampling, 整群抽样
Code, 代码
Coded data, 编码数据
Coding, 编码
Coefficient of contingency, 列联系数
Coefficient of determination, 决定系数
Coefficient of multiple correlation, 多重相关系数
Coefficient of partial correlation, 偏相关系数
Coefficient of production-moment correlation, 积差相关系数
Coefficient of rank correlation, 等级相关系数
Coefficient of regression, 回归系数
Coefficient of skewness, 偏度系数
Coefficient of variation, 变异系数
Cohort study, 队列研究
Column, 列
Column effect, 列效应
Column factor, 列因素
Combination pool, 合并
Combinative table, 组合表
Common factor, 共性因子
Common regression coefficient, 公共回归系数
Common value, 共同值
Common variance, 公共方差
Common variation, 公共变异
Communality variance, 共性方差
Comparability, 可比性
Comparison of bathes, 批比较
Comparison value, 比较值
Compartment model, 分部模型
Compassion, 伸缩
Complement of an event, 补事件
Complete association, 完全正相关
Complete dissociation, 完全不相关
Complete statistics, 完备统计量
Completely randomized design, 完全随机化设计
Composite event, 联合事件
Composite events, 复合事件
Concavity, 凹性
Conditional expectation, 条件期望
Conditional likelihood, 条件似然
Conditional probability, 条件概率
Conditionally linear, 依条件线性
Confidence interval, 置信区间
Confidence limit, 置信限
Confidence lower limit, 置信下限
Confidence upper limit, 置信上限
Confirmatory Factor Analysis , 验证性因子分析
Confirmatory research, 证实性实验研究
Confounding factor, 混杂因素
Conjoint, 联合分析
Consistency, 相合性
Consistency check, 一致性检验
Consistent asymptotically normal estimate, 相合渐近正态估计
Consistent estimate, 相合估计
Constrained nonlinear regression, 受约束非线性回归
Constraint, 约束
Contaminated distribution, 污染分布
Contaminated Gausssian, 污染高斯分布
Contaminated normal distribution, 污染正态分布
Contamination, 污染
Contamination model, 污染模型
Contingency table, 列联表
Contour, 边界线
Contribution rate, 贡献率
Control, 对照
Controlled experiments, 对照实验
Conventional depth, 常规深度
Convolution, 卷积
Corrected factor, 校正因子
Corrected mean, 校正均值
Correction coefficient, 校正系数
Correctness, 正确性
Correlation coefficient, 相关系数
Correlation index, 相关指数
Correspondence, 对应
Counting, 计数
Counts, 计数/频数
Covariance, 协方差
Covariant, 共变
Cox Regression, Cox回归
Criteria for fitting, 拟合准则
Criteria of least squares, 最小二乘准则
Critical ratio, 临界比
Critical region, 拒绝域
Critical value, 临界值
Cross-over design, 交叉设计
Cross-section analysis, 横断面分析
Cross-section survey, 横断面调查
Crosstabs , 交叉表
Cross-tabulation table, 复合表
Cube root, 立方根
Cumulative distribution function, 分布函数
Cumulative probability, 累计概率
Curvature, 曲率/弯曲
Curvature, 曲率
Curve fit , 曲线拟和
Curve fitting, 曲线拟合
Curvilinear regression, 曲线回归
Curvilinear relation, 曲线关系
Cut-and-try method, 尝试法
Cycle, 周期
Cyclist, 周期性
D test, D检验
Data acquisition, 资料收集
Data bank, 数据库
Data capacity, 数据容量
Data deficiencies, 数据缺乏
Data handling, 数据处理
Data manipulation, 数据处理
Data processing, 数据处理
Data reduction, 数据缩减
Data set, 数据集
Data sources, 数据来源
Data transformation, 数据变换
Data validity, 数据有效性
Data-in, 数据输入
Data-out, 数据输出
Dead time, 停滞期
Degree of freedom, 自由度
Degree of precision, 精密度
Degree of reliability, 可靠性程度
Degression, 递减
Density function, 密度函数
Density of data points, 数据点的密度
Dependent variable, 应变量/依变量/因变量
Dependent variable, 因变量
Depth, 深度
Derivative matrix, 导数矩阵
Derivative-free methods, 无导数方法
Design, 设计
Determinacy, 确定性
Determinant, 行列式
Determinant, 决定因素
Deviation, 离差
Deviation from average, 离均差
Diagnostic plot, 诊断图
Dichotomous variable, 二分变量
Differential equation, 微分方程
Direct standardization, 直接标准化法
Discrete variable, 离散型变量
DISCRIMINANT, 判断
Discriminant analysis, 判别分析
Discriminant coefficient, 判别系数
Discriminant function, 判别值
Dispersion, 散布/分散度
Disproportional, 不成比例的
Disproportionate sub-class numbers, 不成比例次级组含量
Distribution free, 分布无关性/免分布
Distribution shape, 分布形状
Distribution-free method, 任意分布法
Distributive laws, 分配律
Disturbance, 随机扰动项
Dose response curve, 剂量反应曲线
Double blind method, 双盲法
Double blind trial, 双盲试验
Double exponential distribution, 双指数分布
Double logarithmic, 双对数
Downward rank, 降秩
Dual-space plot, 对偶空间图
DUD, 无导数方法
Duncan's new multiple range method, 新复极差法/Duncan新法
Effect, 实验效应
Eigenvalue, 特征值
Eigenvector, 特征向量
Ellipse, 椭圆
Empirical distribution, 经验分布
Empirical probability, 经验概率单位
Enumeration data, 计数资料
Equal sun-class number, 相等次级组含量
Equally likely, 等可能
Equivariance, 同变性
Error, 误差/错误
Error of estimate, 估计误差
Error type I, 第一类错误
Error type II, 第二类错误
Estimand, 被估量
Estimated error mean squares, 估计误差均方
Estimated error sum of squares, 估计误差平方和
Euclidean distance, 欧式距离
Event, 事件
Event, 事件
Exceptional data point, 异常数据点
Expectation plane, 期望平面
Expectation surface, 期望曲面
Expected values, 期望值
Experiment, 实验
Experimental sampling, 试验抽样
Experimental unit, 试验单位
Explanatory variable, 说明变量
Exploratory data analysis, 探索性数据分析
Explore Summarize, 探索-摘要
Exponential curve, 指数曲线
Exponential growth, 指数式增长
EXSMOOTH, 指数平滑方法
Extended fit, 扩充拟合
Extra parameter, 附加参数
Extrapolation, 外推法
Extreme observation, 末端观测值
Extremes, 极端值/极值
F distribution, F分布
F test, F检验
Factor, 因素/因子
Factor analysis, 因子分析
Factor Analysis, 因子分析
Factor score, 因子得分
Factorial, 阶乘
Factorial design, 析因试验设计
False negative, 假阴性
False negative error, 假阴性错误
Family of distributions, 分布族
Family of estimators, 估计量族
Fanning, 扇面
Fatality rate, 病死率
Field investigation, 现场调查
Field survey, 现场调查
Finite population, 有限总体
Finite-sample, 有限样本
First derivative, 一阶导数
First principal component, 第一主成分
First quartile, 第一四分位数
Fisher information, 费雪信息量
Fitted value, 拟合值
Fitting a curve, 曲线拟合
Fixed base, 定基
Fluctuation, 随机起伏
Forecast, 预测
Four fold table, 四格表
Fourth, 四分点
Fraction blow, 左侧比率
Fractional error, 相对误差
Frequency, 频率
Frequency polygon, 频数多边图
Frontier point, 界限点
Function relationship, 泛函关系
Gamma distribution, 伽玛分布
Gauss increment, 高斯增量
Gaussian distribution, 高斯分布/正态分布
Gauss-Newton increment, 高斯-牛顿增量
General census, 全面普查
GENLOG (Generalized liner models), 广义线性模型
Geometric mean, 几何平均数
Gini's mean difference, 基尼均差
GLM (General liner models), 通用线性模型
Goodness of fit, 拟和优度/配合度
Gradient of determinant, 行列式的梯度
Graeco-Latin square, 希腊拉丁方
Grand mean, 总均值
Gross errors, 重大错误
Gross-error sensitivity, 大错敏感度
Group averages, 分组平均
Grouped data, 分组资料
Guessed mean, 假定平均数
Half-life, 半衰期
Hampel M-estimators, 汉佩尔M估计量
Happenstance, 偶然事件
Harmonic mean, 调和均数
Hazard function, 风险均数
Hazard rate, 风险率
Heading, 标目
Heavy-tailed distribution, 重尾分布
Hessian array, 海森立体阵
Heterogeneity, 不同质
Heterogeneity of variance, 方差不齐
Hierarchical classification, 组内分组
Hierarchical clustering method, 系统聚类法
High-leverage point, 高杠杆率点
HILOGLINEAR, 多维列联表的层次对数线性模型
Hinge, 折叶点
Histogram, 直方图
Historical cohort study, 历史性队列研究
Holes, 空洞
HOMALS, 多重响应分析
Homogeneity of variance, 方差齐性
Homogeneity test, 齐性检验
Huber M-estimators, 休伯M估计量
Hyperbola, 双曲线
Hypothesis testing, 假设检验
Hypothetical universe, 假设总体
Impossible event, 不可能事件
Independence, 独立性
Independent variable, 自变量
Index, 指标/指数
Indirect standardization, 间接标准化法
Individual, 个体
Inference band, 推断带
Infinite population, 无限总体
Infinitely great, 无穷大
Infinitely small, 无穷小
Influence curve, 影响曲线
Information capacity, 信息容量
Initial condition, 初始条件
Initial estimate, 初始估计值
Initial level, 最初水平
Interaction, 交互作用
Interaction terms, 交互作用项
Intercept, 截距
Interpolation, 内插法
Interquartile range, 四分位距
Interval estimation, 区间估计
Intervals of equal probability, 等概率区间
Intrinsic curvature, 固有曲率
Invariance, 不变性
Inverse matrix, 逆矩阵
Inverse probability, 逆概率
Inverse sine transformation, 反正弦变换
Iteration, 迭代
Jacobian determinant, 雅可比行列式
Joint distribution function, 分布函数
Joint probability, 联合概率
Joint probability distribution, 联合概率分布
K means method, 逐步聚类法
Kaplan-Meier, 评估事件的时间长度
Kaplan-Merier chart, Kaplan-Merier图
Kendall's rank correlation, Kendall等级相关
Kinetic, 动力学
Kolmogorov-Smirnove test, 柯尔莫哥洛夫-斯米尔诺夫检验
Kruskal and Wallis test, Kruskal及Wallis检验/多样本的秩和检验/H检验
Kurtosis, 峰度
Lack of fit, 失拟
Ladder of powers, 幂阶梯
Lag, 滞后
Large sample, 大样本
Large sample test, 大样本检验
Latin square, 拉丁方
Latin square design, 拉丁方设计
Leakage, 泄漏
Least favorable configuration, 最不利构形
Least favorable distribution, 最不利分布
Least significant difference, 最小显著差法
Least square method, 最小二乘法
Least-absolute-residuals estimates, 最小绝对残差估计
Least-absolute-residuals fit, 最小绝对残差拟合
Least-absolute-residuals line, 最小绝对残差线
Legend, 图例
L-estimator, L估计量
L-estimator of location, 位置L估计量
L-estimator of scale, 尺度L估计量
Level, 水平
Life expectance, 预期期望寿命
Life table, 寿命表
Life table method, 生命表法
Light-tailed distribution, 轻尾分布
Likelihood function, 似然函数
Likelihood ratio, 似然比
line graph, 线图
Linear correlation, 直线相关
Linear equation, 线性方程
Linear programming, 线性规划
Linear regression, 直线回归
Linear Regression, 线性回归
Linear trend, 线性趋势
Loading, 载荷
Location and scale equivariance, 位置尺度同变性
Location equivariance, 位置同变性
Location invariance, 位置不变性
Location scale family, 位置尺度族
Log rank test, 时序检验
Logarithmic curve, 对数曲线
Logarithmic normal distribution, 对数正态分布
Logarithmic scale, 对数尺度
Logarithmic transformation, 对数变换
Logic check, 逻辑检查
Logistic distribution, 逻辑斯特分布
Logit transformation, Logit转换
LOGLINEAR, 多维列联表通用模型
Lognormal distribution, 对数正态分布
Lost function, 损失函数
Low correlation, 低度相关
Lower limit, 下限
Lowest-attained variance, 最小可达方差
LSD, 最小显著差法的简称
Lurking variable, 潜在变量
Main effect, 主效应
Major heading, 主辞标目
Marginal density function, 边缘密度函数
Marginal probability, 边缘概率
Marginal probability distribution, 边缘概率分布
Matched data, 配对资料
Matched distribution, 匹配过分布
Matching of distribution, 分布的匹配
Matching of transformation, 变换的匹配
Mathematical expectation, 数学期望
Mathematical model, 数学模型
Maximum L-estimator, 极大极小L 估计量
Maximum likelihood method, 最大似然法
Mean, 均数
Mean squares between groups, 组间均方
Mean squares within group, 组内均方
Means (Compare means), 均值-均值比较
Median, 中位数
Median effective dose, 半数效量
Median lethal dose, 半数致死量
Median polish, 中位数平滑
Median test, 中位数检验
Minimal sufficient statistic, 最小充分统计量
Minimum distance estimation, 最小距离估计
Minimum effective dose, 最小有效量
Minimum lethal dose, 最小致死量
Minimum variance estimator, 最小方差估计量
MINITAB, 统计软件包
Minor heading, 宾词标目
Missing data, 缺失值
Model specification, 模型的确定
Modeling Statistics , 模型统计
Models for outliers, 离群值模型
Modifying the model, 模型的修正
Modulus of continuity, 连续性模
Morbidity, 发病率
Most favorable configuration, 最有利构形
Multidimensional Scaling (ASCAL), 多维尺度/多维标度
Multinomial Logistic Regression , 多项逻辑斯蒂回归
Multiple comparison, 多重比较
Multiple correlation , 复相关
Multiple covariance, 多元协方差
Multiple linear regression, 多元线性回归
Multiple response , 多重选项
Multiple solutions, 多解
Multiplication theorem, 乘法定理
Multiresponse, 多元响应
Multi-stage sampling, 多阶段抽样
Multivariate T distribution, 多元T分布
Mutual exclusive, 互不相容
Mutual independence, 互相独立
Natural boundary, 自然边界
Natural dead, 自然死亡
Natural zero, 自然零
Negative correlation, 负相关
Negative linear correlation, 负线性相关
Negatively skewed, 负偏
Newman-Keuls method, q检验
NK method, q检验
No statistical significance, 无统计意义
Nominal variable, 名义变量
Nonconstancy of variability, 变异的非定常性
Nonlinear regression, 非线性相关
Nonparametric statistics, 非参数统计
Nonparametric test, 非参数检验
Nonparametric tests, 非参数检验
Normal deviate, 正态离差
Normal distribution, 正态分布
Normal equation, 正规方程组
Normal ranges, 正常范围
Normal value, 正常值
Nuisance parameter, 多余参数/讨厌参数
Null hypothesis, 无效假设
Numerical variable, 数值变量
Objective function, 目标函数
Observation unit, 观察单位
Observed value, 观察值
One sided test, 单侧检验
One-way analysis of variance, 单因素方差分析
Oneway ANOVA , 单因素方差分析
Open sequential trial, 开放型序贯设计
Optrim, 优切尾
Optrim efficiency, 优切尾效率
Order statistics, 顺序统计量
Ordered categories, 有序分类
Ordinal logistic regression , 序数逻辑斯蒂回归
Ordinal variable, 有序变量
Orthogonal basis, 正交基
Orthogonal design, 正交试验设计
Orthogonality conditions, 正交条件
ORTHOPLAN, 正交设计
Outlier cutoffs, 离群值截断点
Outliers, 极端值
OVERALS , 多组变量的非线性正规相关
Overshoot, 迭代过度
Paired design, 配对设计
Paired sample, 配对样本
Pairwise slopes, 成对斜率
Parabola, 抛物线
Parallel tests, 平行试验
Parameter, 参数
Parametric statistics, 参数统计
Parametric test, 参数检验
Partial correlation, 偏相关
Partial regression, 偏回归
Partial sorting, 偏排序
Partials residuals, 偏残差
Pattern, 模式
Pearson curves, 皮尔逊曲线
Peeling, 退层
Percent bar graph, 百分条形图
Percentage, 百分比
Percentile, 百分位数
Percentile curves, 百分位曲线
Periodicity, 周期性
Permutation, 排列
P-estimator, P估计量
Pie graph, 饼图
Pitman estimator, 皮特曼估计量
Pivot, 枢轴量
Planar, 平坦
Planar assumption, 平面的假设
PLANCARDS, 生成试验的计划卡
Point estimation, 点估计
Poisson distribution, 泊松分布
Polishing, 平滑
Polled standard deviation, 合并标准差
Polled variance, 合并方差
Polygon, 多边图
Polynomial, 多项式
Polynomial curve, 多项式曲线
Population, 总体
Population attributable risk, 人群归因危险度
Positive correlation, 正相关
Positively skewed, 正偏
Posterior distribution, 后验分布
Power of a test, 检验效能
Precision, 精密度
Predicted value, 预测值
Preliminary analysis, 预备性分析
Principal component analysis, 主成分分析
Prior distribution, 先验分布
Prior probability, 先验概率
Probabilistic model, 概率模型
probability, 概率
Probability density, 概率密度
Product moment, 乘积矩/协方差
Profile trace, 截面迹图
Proportion, 比/构成比
Proportion allocation in stratified random sampling, 按比例分层随机抽样
Proportionate, 成比例
Proportionate sub-class numbers, 成比例次级组含量
Prospective study, 前瞻性调查
Proximities, 亲近性
Pseudo F test, 近似F检验
Pseudo model, 近似模型
Pseudosigma, 伪标准差
Purposive sampling, 有目的抽样
QR decomposition, QR分解
Quadratic approximation, 二次近似
Qualitative classification, 属性分类
Qualitative method, 定性方法
Quantile-quantile plot, 分位数-分位数图/Q-Q图
Quantitative analysis, 定量分析
Quartile, 四分位数
Quick Cluster, 快速聚类
Radix sort, 基数排序
Random allocation, 随机化分组
Random blocks design, 随机区组设计
Random event, 随机事件
Randomization, 随机化
Range, 极差/全距
Rank correlation, 等级相关
Rank sum test, 秩和检验
Rank test, 秩检验
Ranked data, 等级资料
Rate, 比率
Ratio, 比例
Raw data, 原始资料
Raw residual, 原始残差
Rayleigh's test, 雷氏检验
Rayleigh's Z, 雷氏Z值
Reciprocal, 倒数
Reciprocal transformation, 倒数变换
Recording, 记录
Redescending estimators, 回降估计量
Reducing dimensions, 降维
Re-expression, 重新表达
Reference set, 标准组
Region of acceptance, 接受域
Regression coefficient, 回归系数
Regression sum of square, 回归平方和
Rejection point, 拒绝点
Relative dispersion, 相对离散度
Relative number, 相对数
Reliability, 可靠性
Reparametrization, 重新设置参数
Replication, 重复
Report Summaries, 报告摘要
Residual sum of square, 剩余平方和
Resistance, 耐抗性
Resistant line, 耐抗线
Resistant technique, 耐抗技术
R-estimator of location, 位置R估计量
R-estimator of scale, 尺度R估计量
Retrospective study, 回顾性调查
Ridge trace, 岭迹
Ridit analysis, Ridit分析
Rotation, 旋转
Rounding, 舍入
Row, 行
Row effects, 行效应
Row factor, 行因素
RXC table, RXC表
Sample, 样本
Sample regression coefficient, 样本回归系数
Sample size, 样本量
Sample standard deviation, 样本标准差
Sampling error, 抽样误差
SAS(Statistical analysis system ), SAS统计软件包
Scale, 尺度/量表
Scatter diagram, 散点图
Schematic plot, 示意图/简图
Score test, 计分检验
Screening, 筛检
SEASON, 季节分析
Second derivative, 二阶导数
Second principal component, 第二主成分
SEM (Structural equation modeling), 结构化方程模型
Semi-logarithmic graph, 半对数图
Semi-logarithmic paper, 半对数格纸
Sensitivity curve, 敏感度曲线
Sequential analysis, 贯序分析
Sequential data set, 顺序数据集
Sequential design, 贯序设计
Sequential method, 贯序法
Sequential test, 贯序检验法
Serial tests, 系列试验
Short-cut method, 简捷法
Sigmoid curve, S形曲线
Sign function, 正负号函数
Sign test, 符号检验
Signed rank, 符号秩
Significance test, 显著性检验
Significant figure, 有效数字
Simple cluster sampling, 简单整群抽样
Simple correlation, 简单相关
Simple random sampling, 简单随机抽样
Simple regression, 简单回归
simple table, 简单表
Sine estimator, 正弦估计量
Single-valued estimate, 单值估计
Singular matrix, 奇异矩阵
Skewed distribution, 偏斜分布
Skewness, 偏度
Slash distribution, 斜线分布
Slope, 斜率
Smirnov test, 斯米尔诺夫检验
Source of variation, 变异来源
Spearman rank correlation, 斯皮尔曼等级相关
Specific factor, 特殊因子
Specific factor variance, 特殊因子方差
Spectra , 频谱
Spherical distribution, 球型正态分布
Spread, 展布
SPSS(Statistical package for the social science), SPSS统计软件包
Spurious correlation, 假性相关
Square root transformation, 平方根变换
Stabilizing variance, 稳定方差
Standard deviation, 标准差
Standard error, 标准误
Standard error of difference, 差别的标准误
Standard error of estimate, 标准估计误差
Standard error of rate, 率的标准误
Standard normal distribution, 标准正态分布
Standardization, 标准化
Starting value, 起始值
Statistic, 统计量
Statistical control, 统计控制
Statistical graph, 统计图
Statistical inference, 统计推断
Statistical table, 统计表
Steepest descent, 最速下降法
Stem and leaf display, 茎叶图
Step factor, 步长因子
Stepwise regression, 逐步回归
Storage, 存
Strata, 层（复数）
Stratified sampling, 分层抽样
Stratified sampling, 分层抽样
Strength, 强度
Stringency, 严密性
Structural relationship, 结构关系
Studentized residual, 学生化残差/t化残差
Sub-class numbers, 次级组含量
Subdividing, 分割
Sufficient statistic, 充分统计量
Sum of products, 积和
Sum of squares, 离差平方和
Sum of squares about regression, 回归平方和
Sum of squares between groups, 组间平方和
Sum of squares of partial regression, 偏回归平方和
Sure event, 必然事件
Survey, 调查
Survival, 生存分析
Survival rate, 生存率
Suspended root gram, 悬吊根图
Symmetry, 对称
Systematic error, 系统误差
Systematic sampling, 系统抽样
Tags, 标签
Tail area, 尾部面积
Tail length, 尾长
Tail weight, 尾重
Tangent line, 切线
Target distribution, 目标分布
Taylor series, 泰勒级数
Tendency of dispersion, 离散趋势
Testing of hypotheses, 假设检验
Theoretical frequency, 理论频数
Time series, 时间序列
Tolerance interval, 容忍区间
Tolerance lower limit, 容忍下限
Tolerance upper limit, 容忍上限
Torsion, 扰率
Total sum of square, 总平方和
Total variation, 总变异
Transformation, 转换
Treatment, 处理
Trend, 趋势
Trend of percentage, 百分比趋势
Trial, 试验
Trial and error method, 试错法
Tuning constant, 细调常数
Two sided test, 双向检验
Two-stage least squares, 二阶最小平方
Two-stage sampling, 二阶段抽样
Two-tailed test, 双侧检验
Two-way analysis of variance, 双因素方差分析
Two-way table, 双向表
Type I error, 一类错误/α错误
Type II error, 二类错误/β错误
UMVU, 方差一致最小无偏估计简称
Unbiased estimate, 无偏估计
Unconstrained nonlinear regression , 无约束非线性回归
Unequal subclass number, 不等次级组含量
Ungrouped data, 不分组资料
Uniform coordinate, 均匀坐标
Uniform distribution, 均匀分布
Uniformly minimum variance unbiased estimate, 方差一致最小无偏估计
Unit, 单元
Unordered categories, 无序分类
Upper limit, 上限
Upward rank, 升秩
Vague concept, 模糊概念
Validity, 有效性
VARCOMP (Variance component estimation), 方差元素估计
Variability, 变异性
Variable, 变量
Variance, 方差
Variation, 变异
Varimax orthogonal rotation, 方差最大正交旋转
Volume of distribution, 容积
W test, W检验
Weibull distribution, 威布尔分布
Weight, 权数
Weighted Chi-square test, 加权卡方检验/Cochran检验
Weighted linear regression method, 加权直线回归
Weighted mean, 加权平均数
Weighted mean square, 加权平均方差
Weighted sum of square, 加权平方和
Weighting coefficient, 权重系数
Weighting method, 加权法
W-estimation, W估计量
W-estimation of location, 位置W估计量
Width, 宽度
Wilcoxon paired test, 威斯康星配对法/配对符号秩和检验
Wild point, 野点/狂点
Wild value, 野值/狂值
Winsorized mean, 缩尾均值
Withdraw, 失访
Youden's index, 尤登指数
Z test, Z检验
Zero correlation, 零相关
Z-transformation, Z变换
Absolute number, 绝对数
Absolute residuals, 绝对残差
Acceleration array, 加速度立体阵
Acceleration in an arbitrary direction, 任意方向上的加速度
Acceleration normal, 法向加速度
Acceleration space dimension, 加速度空间的维数
Acceleration tangential, 切向加速度
Acceleration vector, 加速度向量
Acceptable hypothesis, 可接受假设
Accumulation, 累积
Accuracy, 准确度
Actual frequency, 实际频数
Adaptive estimator, 自适应估计量
Addition, 相加
Addition theorem, 加法定理
Additivity, 可加性
Adjusted rate, 调整率
Adjusted value, 校正值
Admissible error, 容许误差
Aggregation, 聚集性
Alternative hypothesis, 备择假设
Among groups, 组间
Amounts, 总量
Analysis of correlation, 相关分析
Analysis of covariance, 协方差分析
Analysis of regression, 回归分析
Analysis of time series, 时间序列分析
Analysis of variance, 方差分析
Angular transformation, 角转换
ANOVA （analysis of variance）, 方差分析
ANOVA Models, 方差分析模型
Arcing, 弧/弧旋
Arcsine transformation, 反正弦变换
Area under the curve, 曲线面积
AREG , 评估从一个时间点到下一个时间点回归相关时的误差
ARIMA, 季节和非季节性单变量模型的极大似然估计
Arithmetic grid paper, 算术格纸
Arithmetic mean, 算术平均数
Arrhenius relation, 艾恩尼斯关系
Assessing fit, 拟合的评估
Associative laws, 结合律
Asymmetric distribution, 非对称分布
Asymptotic bias, 渐近偏倚
Asymptotic efficiency, 渐近效率
Asymptotic variance, 渐近方差
Attributable risk, 归因危险度
Attribute data, 属性资料
Attribution, 属性
Autocorrelation, 自相关
Autocorrelation of residuals, 残差的自相关
Average, 平均数
Average confidence interval length, 平均置信区间长度
Average growth rate, 平均增长率
Bar chart, 条形图
Bar graph, 条形图
Base period, 基期
Bayes' theorem , Bayes定理
Bell-shaped curve, 钟形曲线
Bernoulli distribution, 伯努力分布
Best-trim estimator, 最好切尾估计量
Bias, 偏性
Binary logistic regression, 二元逻辑斯蒂回归
Binomial distribution, 二项分布
Bisquare, 双平方
Bivariate Correlate, 二变量相关
Bivariate normal distribution, 双变量正态分布
Bivariate normal population, 双变量正态总体
Biweight interval, 双权区间
Biweight M-estimator, 双权M估计量
Block, 区组/配伍组
BMDP(Biomedical computer programs), BMDP统计软件包
Boxplots, 箱线图/箱尾图
Breakdown bound, 崩溃界/崩溃点
Canonical correlation, 典型相关
Caption, 纵标目
Case-control study, 病例对照研究
Categorical variable, 分类变量
Catenary, 悬链线
Cauchy distribution, 柯西分布
Cause-and-effect relationship, 因果关系
Cell, 单元
Censoring, 终检
Center of symmetry, 对称中心
Centering and scaling, 中心化和定标
Central tendency, 集中趋势
Central value, 中心值
CHAID -χ2 Automatic Interaction Detector, 卡方自动交互检测
Chance, 机遇
Chance error, 随机误差
Chance variable, 随机变量
Characteristic equation, 特征方程
Characteristic root, 特征根
Characteristic vector, 特征向量
Chebshev criterion of fit, 拟合的切比雪夫准则
Chernoff faces, 切尔诺夫脸谱图
Chi-square test, 卡方检验/χ2检验
Choleskey decomposition, 乔洛斯基分解
Circle chart, 圆图
Class interval, 组距
Class mid-value, 组中值
Class upper limit, 组上限
Classified variable, 分类变量
Cluster analysis, 聚类分析
Cluster sampling, 整群抽样
Code, 代码
Coded data, 编码数据
Coding, 编码
Coefficient of contingency, 列联系数
Coefficient of determination, 决定系数
Coefficient of multiple correlation, 多重相关系数
Coefficient of partial correlation, 偏相关系数
Coefficient of production-moment correlation, 积差相关系数
Coefficient of rank correlation, 等级相关系数
Coefficient of regression, 回归系数
Coefficient of skewness, 偏度系数
Coefficient of variation, 变异系数
Cohort study, 队列研究
Column, 列
Column effect, 列效应
Column factor, 列因素
Combination pool, 合并
Combinative table, 组合表
Common factor, 共性因子
Common regression coefficient, 公共回归系数
Common value, 共同值
Common variance, 公共方差
Common variation, 公共变异
Communality variance, 共性方差
Comparability, 可比性
Comparison of bathes, 批比较
Comparison value, 比较值
Compartment model, 分部模型
Compassion, 伸缩
Complement of an event, 补事件
Complete association, 完全正相关
Complete dissociation, 完全不相关
Complete statistics, 完备统计量
Completely randomized design, 完全随机化设计
Composite event, 联合事件
Composite events, 复合事件
Concavity, 凹性
Conditional expectation, 条件期望
Conditional likelihood, 条件似然
Conditional probability, 条件概率
Conditionally linear, 依条件线性
Confidence interval, 置信区间
Confidence limit, 置信限
Confidence lower limit, 置信下限
Confidence upper limit, 置信上限
Confirmatory Factor Analysis , 验证性因子分析
Confirmatory research, 证实性实验研究
Confounding factor, 混杂因素
Conjoint, 联合分析
Consistency, 相合性
Consistency check, 一致性检验
Consistent asymptotically normal estimate, 相合渐近正态估计
Consistent estimate, 相合估计
Constrained nonlinear regression, 受约束非线性回归
Constraint, 约束
Contaminated distribution, 污染分布
Contaminated Gausssian, 污染高斯分布
Contaminated normal distribution, 污染正态分布
Contamination, 污染
Contamination model, 污染模型
Contingency table, 列联表
Contour, 边界线
Contribution rate, 贡献率
Control, 对照
Controlled experiments, 对照实验
Conventional depth, 常规深度
Convolution, 卷积
Corrected factor, 校正因子
Corrected mean, 校正均值
Correction coefficient, 校正系数
Correctness, 正确性
Correlation coefficient, 相关系数
Correlation index, 相关指数
Correspondence, 对应
Counting, 计数
Counts, 计数/频数
Covariance, 协方差
Covariant, 共变
Cox Regression, Cox回归
Criteria for fitting, 拟合准则
Criteria of least squares, 最小二乘准则
Critical ratio, 临界比
Critical region, 拒绝域
Critical value, 临界值
Cross-over design, 交叉设计
Cross-section analysis, 横断面分析
Cross-section survey, 横断面调查
Crosstabs , 交叉表
Cross-tabulation table, 复合表
Cube root, 立方根
Cumulative distribution function, 分布函数
Cumulative probability, 累计概率
Curvature, 曲率/弯曲
Curvature, 曲率
Curve fit , 曲线拟和
Curve fitting, 曲线拟合
Curvilinear regression, 曲线回归
Curvilinear relation, 曲线关系
Cut-and-try method, 尝试法
Cycle, 周期
Cyclist, 周期性
D test, D检验
Data acquisition, 资料收集
Data bank, 数据库
Data capacity, 数据容量
Data deficiencies, 数据缺乏
Data handling, 数据处理
Data manipulation, 数据处理
Data processing, 数据处理
Data reduction, 数据缩减
Data set, 数据集
Data sources, 数据来源
Data transformation, 数据变换
Data validity, 数据有效性
Data-in, 数据输入
Data-out, 数据输出
Dead time, 停滞期
Degree of freedom, 自由度
Degree of precision, 精密度
Degree of reliability, 可靠性程度
Degression, 递减
Density function, 密度函数
Density of data points, 数据点的密度
Dependent variable, 应变量/依变量/因变量
Dependent variable, 因变量
Depth, 深度
Derivative matrix, 导数矩阵
Derivative-free methods, 无导数方法
Design, 设计
Determinacy, 确定性
Determinant, 行列式
Determinant, 决定因素
Deviation, 离差
Deviation from average, 离均差
Diagnostic plot, 诊断图
Dichotomous variable, 二分变量
Differential equation, 微分方程
Direct standardization, 直接标准化法
Discrete variable, 离散型变量
DISCRIMINANT, 判断
Discriminant analysis, 判别分析
Discriminant coefficient, 判别系数
Discriminant function, 判别值
Dispersion, 散布/分散度
Disproportional, 不成比例的
Disproportionate sub-class numbers, 不成比例次级组含量
Distribution free, 分布无关性/免分布
Distribution shape, 分布形状
Distribution-free method, 任意分布法
Distributive laws, 分配律
Disturbance, 随机扰动项
Dose response curve, 剂量反应曲线
Double blind method, 双盲法
Double blind trial, 双盲试验
Double exponential distribution, 双指数分布
Double logarithmic, 双对数
Downward rank, 降秩
Dual-space plot, 对偶空间图
DUD, 无导数方法
Duncan's new multiple range method, 新复极差法/Duncan新法
Effect, 实验效应
Eigenvalue, 特征值
Eigenvector, 特征向量
Ellipse, 椭圆
Empirical distribution, 经验分布
Empirical probability, 经验概率单位
Enumeration data, 计数资料
Equal sun-class number, 相等次级组含量
Equally likely, 等可能
Equivariance, 同变性
Error, 误差/错误
Error of estimate, 估计误差
Error type I, 第一类错误
Error type II, 第二类错误
Estimand, 被估量
Estimated error mean squares, 估计误差均方
Estimated error sum of squares, 估计误差平方和
Euclidean distance, 欧式距离
Event, 事件
Event, 事件
Exceptional data point, 异常数据点
Expectation plane, 期望平面
Expectation surface, 期望曲面
Expected values, 期望值
Experiment, 实验
Experimental sampling, 试验抽样
Experimental unit, 试验单位
Explanatory variable, 说明变量
Exploratory data analysis, 探索性数据分析
Explore Summarize, 探索-摘要
Exponential curve, 指数曲线
Exponential growth, 指数式增长
EXSMOOTH, 指数平滑方法
Extended fit, 扩充拟合
Extra parameter, 附加参数
Extrapolation, 外推法
Extreme observation, 末端观测值
Extremes, 极端值/极值
F distribution, F分布
F test, F检验
Factor, 因素/因子
Factor analysis, 因子分析
Factor Analysis, 因子分析
Factor score, 因子得分
Factorial, 阶乘
Factorial design, 析因试验设计
False negative, 假阴性
False negative error, 假阴性错误
Family of distributions, 分布族
Family of estimators, 估计量族
Fanning, 扇面
Fatality rate, 病死率
Field investigation, 现场调查
Field survey, 现场调查
Finite population, 有限总体
Finite-sample, 有限样本
First derivative, 一阶导数
First principal component, 第一主成分
First quartile, 第一四分位数
Fisher information, 费雪信息量
Fitted value, 拟合值
Fitting a curve, 曲线拟合
Fixed base, 定基
Fluctuation, 随机起伏
Forecast, 预测
Four fold table, 四格表
Fourth, 四分点
Fraction blow, 左侧比率
Fractional error, 相对误差
Frequency, 频率
Frequency polygon, 频数多边图
Frontier point, 界限点
Function relationship, 泛函关系
Gamma distribution, 伽玛分布
Gauss increment, 高斯增量
Gaussian distribution, 高斯分布/正态分布
Gauss-Newton increment, 高斯-牛顿增量
General census, 全面普查
GENLOG (Generalized liner models), 广义线性模型
Geometric mean, 几何平均数
Gini's mean difference, 基尼均差
GLM (General liner models), 通用线性模型
Goodness of fit, 拟和优度/配合度
Gradient of determinant, 行列式的梯度
Graeco-Latin square, 希腊拉丁方
Grand mean, 总均值
Gross errors, 重大错误
Gross-error sensitivity, 大错敏感度
Group averages, 分组平均
Grouped data, 分组资料
Guessed mean, 假定平均数
Half-life, 半衰期
Hampel M-estimators, 汉佩尔M估计量
Happenstance, 偶然事件
Harmonic mean, 调和均数
Hazard function, 风险均数
Hazard rate, 风险率
Heading, 标目
Heavy-tailed distribution, 重尾分布
Hessian array, 海森立体阵
Heterogeneity, 不同质
Heterogeneity of variance, 方差不齐
Hierarchical classification, 组内分组
Hierarchical clustering method, 系统聚类法
High-leverage point, 高杠杆率点
HILOGLINEAR, 多维列联表的层次对数线性模型
Hinge, 折叶点
Histogram, 直方图
Historical cohort study, 历史性队列研究
Holes, 空洞
HOMALS, 多重响应分析
Homogeneity of variance, 方差齐性
Homogeneity test, 齐性检验
Huber M-estimators, 休伯M估计量
Hyperbola, 双曲线
Hypothesis testing, 假设检验
Hypothetical universe, 假设总体
Impossible event, 不可能事件
Independence, 独立性
Independent variable, 自变量
Index, 指标/指数
Indirect standardization, 间接标准化法
Individual, 个体
Inference band, 推断带
Infinite population, 无限总体
Infinitely great, 无穷大
Infinitely small, 无穷小
Influence curve, 影响曲线
Information capacity, 信息容量
Initial condition, 初始条件
Initial estimate, 初始估计值
Initial level, 最初水平
Interaction, 交互作用
Interaction terms, 交互作用项
Intercept, 截距
Interpolation, 内插法
Interquartile range, 四分位距
Interval estimation, 区间估计
Intervals of equal probability, 等概率区间
Intrinsic curvature, 固有曲率
Invariance, 不变性
Inverse matrix, 逆矩阵
Inverse probability, 逆概率
Inverse sine transformation, 反正弦变换
Iteration, 迭代
Jacobian determinant, 雅可比行列式
Joint distribution function, 分布函数
Joint probability, 联合概率
Joint probability distribution, 联合概率分布
K means method, 逐步聚类法
Kaplan-Meier, 评估事件的时间长度
Kaplan-Merier chart, Kaplan-Merier图
Kendall's rank correlation, Kendall等级相关
Kinetic, 动力学
Kolmogorov-Smirnove test, 柯尔莫哥洛夫-斯米尔诺夫检验
Kruskal and Wallis test, Kruskal及Wallis检验/多样本的秩和检验/H检验
Kurtosis, 峰度
Lack of fit, 失拟
Ladder of powers, 幂阶梯
Lag, 滞后
Large sample, 大样本
Large sample test, 大样本检验
Latin square, 拉丁方
Latin square design, 拉丁方设计
Leakage, 泄漏
Least favorable configuration, 最不利构形
Least favorable distribution, 最不利分布
Least significant difference, 最小显著差法
Least square method, 最小二乘法
Least-absolute-residuals estimates, 最小绝对残差估计
Least-absolute-residuals fit, 最小绝对残差拟合
Least-absolute-residuals line, 最小绝对残差线
Legend, 图例
L-estimator, L估计量
L-estimator of location, 位置L估计量
L-estimator of scale, 尺度L估计量
Level, 水平
Life expectance, 预期期望寿命
Life table, 寿命表
Life table method, 生命表法
Light-tailed distribution, 轻尾分布
Likelihood function, 似然函数
Likelihood ratio, 似然比
line graph, 线图
Linear correlation, 直线相关
Linear equation, 线性方程
Linear programming, 线性规划
Linear regression, 直线回归
Linear Regression, 线性回归
Linear trend, 线性趋势
Loading, 载荷
Location and scale equivariance, 位置尺度同变性
Location equivariance, 位置同变性
Location invariance, 位置不变性
Location scale family, 位置尺度族
Log rank test, 时序检验
Logarithmic curve, 对数曲线
Logarithmic normal distribution, 对数正态分布
Logarithmic scale, 对数尺度
Logarithmic transformation, 对数变换
Logic check, 逻辑检查
Logistic distribution, 逻辑斯特分布
Logit transformation, Logit转换
LOGLINEAR, 多维列联表通用模型
Lognormal distribution, 对数正态分布
Lost function, 损失函数
Low correlation, 低度相关
Lower limit, 下限
Lowest-attained variance, 最小可达方差
LSD, 最小显著差法的简称
Lurking variable, 潜在变量
Main effect, 主效应
Major heading, 主辞标目
Marginal density function, 边缘密度函数
Marginal probability, 边缘概率
Marginal probability distribution, 边缘概率分布
Matched data, 配对资料
Matched distribution, 匹配过分布
Matching of distribution, 分布的匹配
Matching of transformation, 变换的匹配
Mathematical expectation, 数学期望
Mathematical model, 数学模型
Maximum L-estimator, 极大极小L 估计量
Maximum likelihood method, 最大似然法
Mean, 均数
Mean squares between groups, 组间均方
Mean squares within group, 组内均方
Means (Compare means), 均值-均值比较
Median, 中位数
Median effective dose, 半数效量
Median lethal dose, 半数致死量
Median polish, 中位数平滑
Median test, 中位数检验
Minimal sufficient statistic, 最小充分统计量
Minimum distance estimation, 最小距离估计
Minimum effective dose, 最小有效量
Minimum lethal dose, 最小致死量
Minimum variance estimator, 最小方差估计量
MINITAB, 统计软件包
Minor heading, 宾词标目
Missing data, 缺失值
Model specification, 模型的确定
Modeling Statistics , 模型统计
Models for outliers, 离群值模型
Modifying the model, 模型的修正
Modulus of continuity, 连续性模
Morbidity, 发病率
Most favorable configuration, 最有利构形
Multidimensional Scaling (ASCAL), 多维尺度/多维标度
Multinomial Logistic Regression , 多项逻辑斯蒂回归
Multiple comparison, 多重比较
Multiple correlation , 复相关
Multiple covariance, 多元协方差
Multiple linear regression, 多元线性回归
Multiple response , 多重选项
Multiple solutions, 多解
Multiplication theorem, 乘法定理
Multiresponse, 多元响应
Multi-stage sampling, 多阶段抽样
Multivariate T distribution, 多元T分布
Mutual exclusive, 互不相容
Mutual independence, 互相独立
Natural boundary, 自然边界
Natural dead, 自然死亡
Natural zero, 自然零
Negative correlation, 负相关
Negative linear correlation, 负线性相关
Negatively skewed, 负偏
Newman-Keuls method, q检验
NK method, q检验
No statistical significance, 无统计意义
Nominal variable, 名义变量
Nonconstancy of variability, 变异的非定常性
Nonlinear regression, 非线性相关
Nonparametric statistics, 非参数统计
Nonparametric test, 非参数检验
Nonparametric tests, 非参数检验
Normal deviate, 正态离差
Normal distribution, 正态分布
Normal equation, 正规方程组
Normal ranges, 正常范围
Normal value, 正常值
Nuisance parameter, 多余参数/讨厌参数
Null hypothesis, 无效假设
Numerical variable, 数值变量
Objective function, 目标函数
Observation unit, 观察单位
Observed value, 观察值
One sided test, 单侧检验
One-way analysis of variance, 单因素方差分析
Oneway ANOVA , 单因素方差分析
Open sequential trial, 开放型序贯设计
Optrim, 优切尾
Optrim efficiency, 优切尾效率
Order statistics, 顺序统计量
Ordered categories, 有序分类
Ordinal logistic regression , 序数逻辑斯蒂回归
Ordinal variable, 有序变量
Orthogonal basis, 正交基
Orthogonal design, 正交试验设计
Orthogonality conditions, 正交条件
ORTHOPLAN, 正交设计
Outlier cutoffs, 离群值截断点
Outliers, 极端值
OVERALS , 多组变量的非线性正规相关
Overshoot, 迭代过度
Paired design, 配对设计
Paired sample, 配对样本
Pairwise slopes, 成对斜率
Parabola, 抛物线
Parallel tests, 平行试验
Parameter, 参数
Parametric statistics, 参数统计
Parametric test, 参数检验
Partial correlation, 偏相关
Partial regression, 偏回归
Partial sorting, 偏排序
Partials residuals, 偏残差
Pattern, 模式
Pearson curves, 皮尔逊曲线
Peeling, 退层
Percent bar graph, 百分条形图
Percentage, 百分比
Percentile, 百分位数
Percentile curves, 百分位曲线
Periodicity, 周期性
Permutation, 排列
P-estimator, P估计量
Pie graph, 饼图
Pitman estimator, 皮特曼估计量
Pivot, 枢轴量
Planar, 平坦
Planar assumption, 平面的假设
PLANCARDS, 生成试验的计划卡
Point estimation, 点估计
Poisson distribution, 泊松分布
Polishing, 平滑
Polled standard deviation, 合并标准差
Polled variance, 合并方差
Polygon, 多边图
Polynomial, 多项式
Polynomial curve, 多项式曲线
Population, 总体
Population attributable risk, 人群归因危险度
Positive correlation, 正相关
Positively skewed, 正偏
Posterior distribution, 后验分布
Power of a test, 检验效能
Precision, 精密度
Predicted value, 预测值
Preliminary analysis, 预备性分析
Principal component analysis, 主成分分析
Prior distribution, 先验分布
Prior probability, 先验概率
Probabilistic model, 概率模型
probability, 概率
Probability density, 概率密度
Product moment, 乘积矩/协方差
Profile trace, 截面迹图
Proportion, 比/构成比
Proportion allocation in stratified random sampling, 按比例分层随机抽样
Proportionate, 成比例
Proportionate sub-class numbers, 成比例次级组含量
Prospective study, 前瞻性调查
Proximities, 亲近性
Pseudo F test, 近似F检验
Pseudo model, 近似模型
Pseudosigma, 伪标准差
Purposive sampling, 有目的抽样
QR decomposition, QR分解
Quadratic approximation, 二次近似
Qualitative classification, 属性分类
Qualitative method, 定性方法
Quantile-quantile plot, 分位数-分位数图/Q-Q图
Quantitative analysis, 定量分析
Quartile, 四分位数
Quick Cluster, 快速聚类
Radix sort, 基数排序
Random allocation, 随机化分组
Random blocks design, 随机区组设计
Random event, 随机事件
Randomization, 随机化
Range, 极差/全距
Rank correlation, 等级相关
Rank sum test, 秩和检验
Rank test, 秩检验
Ranked data, 等级资料
Rate, 比率
Ratio, 比例
Raw data, 原始资料
Raw residual, 原始残差
Rayleigh's test, 雷氏检验
Rayleigh's Z, 雷氏Z值
Reciprocal, 倒数
Reciprocal transformation, 倒数变换
Recording, 记录
Redescending estimators, 回降估计量
Reducing dimensions, 降维
Re-expression, 重新表达
Reference set, 标准组
Region of acceptance, 接受域
Regression coefficient, 回归系数
Regression sum of square, 回归平方和
Rejection point, 拒绝点
Relative dispersion, 相对离散度
Relative number, 相对数
Reliability, 可靠性
Reparametrization, 重新设置参数
Replication, 重复
Report Summaries, 报告摘要
Residual sum of square, 剩余平方和
Resistance, 耐抗性
Resistant line, 耐抗线
Resistant technique, 耐抗技术
R-estimator of location, 位置R估计量
R-estimator of scale, 尺度R估计量
Retrospective study, 回顾性调查
Ridge trace, 岭迹
Ridit analysis, Ridit分析
Rotation, 旋转
Rounding, 舍入
Row, 行
Row effects, 行效应
Row factor, 行因素
RXC table, RXC表
Sample, 样本
Sample regression coefficient, 样本回归系数
Sample size, 样本量
Sample standard deviation, 样本标准差
Sampling error, 抽样误差
SAS(Statistical analysis system ), SAS统计软件包
Scale, 尺度/量表
Scatter diagram, 散点图
Schematic plot, 示意图/简图
Score test, 计分检验
Screening, 筛检
SEASON, 季节分析
Second derivative, 二阶导数
Second principal component, 第二主成分
SEM (Structural equation modeling), 结构化方程模型
Semi-logarithmic graph, 半对数图
Semi-logarithmic paper, 半对数格纸
Sensitivity curve, 敏感度曲线
Sequential analysis, 贯序分析
Sequential data set, 顺序数据集
Sequential design, 贯序设计
Sequential method, 贯序法
Sequential test, 贯序检验法
Serial tests, 系列试验
Short-cut method, 简捷法
Sigmoid curve, S形曲线
Sign function, 正负号函数
Sign test, 符号检验
Signed rank, 符号秩
Significance test, 显著性检验
Significant figure, 有效数字
Simple cluster sampling, 简单整群抽样
Simple correlation, 简单相关
Simple random sampling, 简单随机抽样
Simple regression, 简单回归
simple table, 简单表
Sine estimator, 正弦估计量
Single-valued estimate, 单值估计
Singular matrix, 奇异矩阵
Skewed distribution, 偏斜分布
Skewness, 偏度
Slash distribution, 斜线分布
Slope, 斜率
Smirnov test, 斯米尔诺夫检验
Source of variation, 变异来源
Spearman rank correlation, 斯皮尔曼等级相关
Specific factor, 特殊因子
Specific factor variance, 特殊因子方差
Spectra , 频谱
Spherical distribution, 球型正态分布
Spread, 展布
SPSS(Statistical package for the social science), SPSS统计软件包
Spurious correlation, 假性相关
Square root transformation, 平方根变换
Stabilizing variance, 稳定方差
Standard deviation, 标准差
Standard error, 标准误
Standard error of difference, 差别的标准误
Standard error of estimate, 标准估计误差
Standard error of rate, 率的标准误
Standard normal distribution, 标准正态分布
Standardization, 标准化
Starting value, 起始值
Statistic, 统计量
Statistical control, 统计控制
Statistical graph, 统计图
Statistical inference, 统计推断
Statistical table, 统计表
Steepest descent, 最速下降法
Stem and leaf display, 茎叶图
Step factor, 步长因子
Stepwise regression, 逐步回归
Storage, 存
Strata, 层（复数）
Stratified sampling, 分层抽样
Stratified sampling, 分层抽样
Strength, 强度
Stringency, 严密性
Structural relationship, 结构关系
Studentized residual, 学生化残差/t化残差
Sub-class numbers, 次级组含量
Subdividing, 分割
Sufficient statistic, 充分统计量
Sum of products, 积和
Sum of squares, 离差平方和
Sum of squares about regression, 回归平方和
Sum of squares between groups, 组间平方和
Sum of squares of partial regression, 偏回归平方和
Sure event, 必然事件
Survey, 调查
Survival, 生存分析
Survival rate, 生存率
Suspended root gram, 悬吊根图
Symmetry, 对称
Systematic error, 系统误差
Systematic sampling, 系统抽样
Tags, 标签
Tail area, 尾部面积
Tail length, 尾长
Tail weight, 尾重
Tangent line, 切线
Target distribution, 目标分布
Taylor series, 泰勒级数
Tendency of dispersion, 离散趋势
Testing of hypotheses, 假设检验
Theoretical frequency, 理论频数
Time series, 时间序列
Tolerance interval, 容忍区间
Tolerance lower limit, 容忍下限
Tolerance upper limit, 容忍上限
Torsion, 扰率
Total sum of square, 总平方和
Total variation, 总变异
Transformation, 转换
Treatment, 处理
Trend, 趋势
Trend of percentage, 百分比趋势
Trial, 试验
Trial and error method, 试错法
Tuning constant, 细调常数
Two sided test, 双向检验
Two-stage least squares, 二阶最小平方
Two-stage sampling, 二阶段抽样
Two-tailed test, 双侧检验
Two-way analysis of variance, 双因素方差分析
Two-way table, 双向表
Type I error, 一类错误/α错误
Type II error, 二类错误/β错误
UMVU, 方差一致最小无偏估计简称
Unbiased estimate, 无偏估计
Unconstrained nonlinear regression , 无约束非线性回归
Unequal subclass number, 不等次级组含量
Ungrouped data, 不分组资料
Uniform coordinate, 均匀坐标
Uniform distribution, 均匀分布
Uniformly minimum variance unbiased estimate, 方差一致最小无偏估计
Unit, 单元
Unordered categories, 无序分类
Upper limit, 上限
Upward rank, 升秩
Vague concept, 模糊概念
Validity, 有效性
VARCOMP (Variance component estimation), 方差元素估计
Variability, 变异性
Variable, 变量
Variance, 方差
Variation, 变异
Varimax orthogonal rotation, 方差最大正交旋转
Volume of distribution, 容积
W test, W检验
Weibull distribution, 威布尔分布
Weight, 权数
Weighted Chi-square test, 加权卡方检验/Cochran检验
Weighted linear regression method, 加权直线回归
Weighted mean, 加权平均数
Weighted mean square, 加权平均方差
Weighted sum of square, 加权平方和
Weighting coefficient, 权重系数
Weighting method, 加权法
W-estimation, W估计量
W-estimation of location, 位置W估计量
Width, 宽度
Wilcoxon paired test, 威斯康星配对法/配对符号秩和检验
Wild point, 野点/狂点
Wild value, 野值/狂值
Winsorized mean, 缩尾均值
Withdraw, 失访
Youden's index, 尤登指数
Z test, Z检验
Zero correlation, 零相关
Z-transformation, Z变换
2009年4月19日星期日
【心理学周边】On Being a User Researcher
I've been thinking recently about user research (by which I mean formative research techniques that attempt to understand how potential users live their lives, what problems they have, what their goals are, etc.) and what it takes to be a good user researcher.
There are many skills that a person who hopes to do user research must acquire. For instance, a good user researcher must learn how to put interviewees at ease while still maintaining sufficient objectivity by avoiding misleading questions, etc. A good user researcher must be able to moderate a focus group by keeping it on topic without stifling discussion, avoiding group-think, and ensuring everyone's opinions get heard. A good user researcher needs to be a good listener. He must keep good notes. He must keep his biases out of the results. And so on.
But there is one quality that I believe all user researchers need to have to be effective, and it's never taught nor even mentioned in any training programs I know of. A good user researcher has to like people.
And I mean he has to like people, all people, not just his friends, peers, and colleagues. He has to be intrinsically interested in who they are, what work they do, how they feel about life, what they want to achieve, and so on. Even though user research is generally conducted to inform product design or marketing, in order to do his job well, a good user researcher must possess an interest in learning about people that transcends these goals. Gaining a deep understanding of how others live their lives must be an end in and of itself.
This is different from the goals of a psychologist or social scientist. Scientists who study humans hope to obtain generalizable knowledge about how humans behave. They uncover facts about human behavior; often these are abstract and somewhat removed in their statistical generality from the real thoughts and feelings of individuals. User researchers, on the other hand, do not uncover generalizable facts; instead they hunt for an understanding of the qualia, the what it's like to be a member of their target population. Though useful in and of themselves, psychology and social science aren't user research professions, nor can they be expected to adequately train user researchers.
I rather suspect that a mature field of user research would more closely resemble journalism than psychology. A good journalist goes out into the world and hunts for stories that will be interesting to their intended audience. A user researcher's audience is the design team. Their job is to uncover stories about their users that would be interesting to the designers while also accurately portraying the people they are designing for. To do this well requires many skills, but foremost among them is an intrinsic interest in and love for people that few other professions in this world truly call for.
Commentary
Posted by Kenneth on May 21, 2004 at 09:57 PM
As a practicing user researcher (woohoo!), I agree with most of this. I'd add that it helps if people like you too: being a likable person. I go back and forth on whether that's true of me. :-)
I disagree with your point about scientists vs. journalists, however; anybody can go out and find some stories about users, and they do. The problem is that often (always?) those stories are not representative, their meaning is misinterpreted, etc. Even if a single "story" is valid, often its significance is overestimated: the availability heuristic. So, I would say that the user researcher's job is about bringing rigor and insight to the process of understanding one's users: though I may not be looking for statistical significance, I am always thinking about how to minimize bias. The fields of psychology and anthropology have a lot of useful things to say about that. Good stories are an effective tool for communicating your results, but nothing more than that. It's the results that count.
Posted by donna maurer on May 23, 2004 at 10:29 PM
Nice summary - I agree with you. You do need to like people in general - it's not about liking everyone you meet, but enjoying talking with them about the parts of their lives/work that are relevant.
It's pretty easy to identify whether people will be good user researchers - the underlying way we approach the world comes through in the way we describe people and the language we use. I teach usability testing - anyone who uses the word 'guinea pig' to refer to a participant (even indirectly) is not going to be good. The underlying respect for people is not there. Similarly, many people want to learn something to push their own opinion, rather than genuinely wanting to make things that people can use more easily...
Posted by catriona campbell on May 26, 2004 at 07:17 AM
I couldn't agree more about a good user-researcher having to
"like people, all people" - however, I would take it one step further an say that
if we want to call ourselves usability professionals, and do user testing as part of our
skill set, then we should be vetted by the Market Rsearch Society, or Association of Qualitative Research
or some other body that would actually make sure that we should be in front of the public!
I have come across many firms in the new media sector who recruit users to take part
in user research without the necessary disclosure forms being filled in - breaking the
Data Protection Act, and I know many which will not note a users address, and make
them sign a receipt which eachc researcher will have to keep for the Inland Revenue.
All these things make us look like dodgy amatures!
And until some form of accreditation happens for usability professionals - we are going
to have to not just "like" users, but train ourselves how to behave around them!
Catriona
Posted by Vidya Gopinath on May 28, 2004 at 07:42 AM
That was some interesting summary on the qualities needed by a user researcher.And I believe it is true.After all, any web site is made for the users.And users do not belong to one particular category.So,it should be designed with them in mind.What they expect when they go to a website? is an important information needed to build the site.If they do not find enough and relevant information,they could always go to someother site and you would never know.
To, go about collecting the information,the user researcher has to be friendly and like people in general.While I agree with the author on the fact that a user researcher has to be like a journalist collecting news, I also believe that he has to know enough of psychology to deal with the users.
There are many skills that a person who hopes to do user research must acquire. For instance, a good user researcher must learn how to put interviewees at ease while still maintaining sufficient objectivity by avoiding misleading questions, etc. A good user researcher must be able to moderate a focus group by keeping it on topic without stifling discussion, avoiding group-think, and ensuring everyone's opinions get heard. A good user researcher needs to be a good listener. He must keep good notes. He must keep his biases out of the results. And so on.
But there is one quality that I believe all user researchers need to have to be effective, and it's never taught nor even mentioned in any training programs I know of. A good user researcher has to like people.
And I mean he has to like people, all people, not just his friends, peers, and colleagues. He has to be intrinsically interested in who they are, what work they do, how they feel about life, what they want to achieve, and so on. Even though user research is generally conducted to inform product design or marketing, in order to do his job well, a good user researcher must possess an interest in learning about people that transcends these goals. Gaining a deep understanding of how others live their lives must be an end in and of itself.
This is different from the goals of a psychologist or social scientist. Scientists who study humans hope to obtain generalizable knowledge about how humans behave. They uncover facts about human behavior; often these are abstract and somewhat removed in their statistical generality from the real thoughts and feelings of individuals. User researchers, on the other hand, do not uncover generalizable facts; instead they hunt for an understanding of the qualia, the what it's like to be a member of their target population. Though useful in and of themselves, psychology and social science aren't user research professions, nor can they be expected to adequately train user researchers.
I rather suspect that a mature field of user research would more closely resemble journalism than psychology. A good journalist goes out into the world and hunts for stories that will be interesting to their intended audience. A user researcher's audience is the design team. Their job is to uncover stories about their users that would be interesting to the designers while also accurately portraying the people they are designing for. To do this well requires many skills, but foremost among them is an intrinsic interest in and love for people that few other professions in this world truly call for.
Commentary
Posted by Kenneth on May 21, 2004 at 09:57 PM
As a practicing user researcher (woohoo!), I agree with most of this. I'd add that it helps if people like you too: being a likable person. I go back and forth on whether that's true of me. :-)
I disagree with your point about scientists vs. journalists, however; anybody can go out and find some stories about users, and they do. The problem is that often (always?) those stories are not representative, their meaning is misinterpreted, etc. Even if a single "story" is valid, often its significance is overestimated: the availability heuristic. So, I would say that the user researcher's job is about bringing rigor and insight to the process of understanding one's users: though I may not be looking for statistical significance, I am always thinking about how to minimize bias. The fields of psychology and anthropology have a lot of useful things to say about that. Good stories are an effective tool for communicating your results, but nothing more than that. It's the results that count.
Posted by donna maurer on May 23, 2004 at 10:29 PM
Nice summary - I agree with you. You do need to like people in general - it's not about liking everyone you meet, but enjoying talking with them about the parts of their lives/work that are relevant.
It's pretty easy to identify whether people will be good user researchers - the underlying way we approach the world comes through in the way we describe people and the language we use. I teach usability testing - anyone who uses the word 'guinea pig' to refer to a participant (even indirectly) is not going to be good. The underlying respect for people is not there. Similarly, many people want to learn something to push their own opinion, rather than genuinely wanting to make things that people can use more easily...
Posted by catriona campbell on May 26, 2004 at 07:17 AM
I couldn't agree more about a good user-researcher having to
"like people, all people" - however, I would take it one step further an say that
if we want to call ourselves usability professionals, and do user testing as part of our
skill set, then we should be vetted by the Market Rsearch Society, or Association of Qualitative Research
or some other body that would actually make sure that we should be in front of the public!
I have come across many firms in the new media sector who recruit users to take part
in user research without the necessary disclosure forms being filled in - breaking the
Data Protection Act, and I know many which will not note a users address, and make
them sign a receipt which eachc researcher will have to keep for the Inland Revenue.
All these things make us look like dodgy amatures!
And until some form of accreditation happens for usability professionals - we are going
to have to not just "like" users, but train ourselves how to behave around them!
Catriona
Posted by Vidya Gopinath on May 28, 2004 at 07:42 AM
That was some interesting summary on the qualities needed by a user researcher.And I believe it is true.After all, any web site is made for the users.And users do not belong to one particular category.So,it should be designed with them in mind.What they expect when they go to a website? is an important information needed to build the site.If they do not find enough and relevant information,they could always go to someother site and you would never know.
To, go about collecting the information,the user researcher has to be friendly and like people in general.While I agree with the author on the fact that a user researcher has to be like a journalist collecting news, I also believe that he has to know enough of psychology to deal with the users.
2009年4月9日星期四
【心理学周边】出国4年拿俩博士学位 北大学子给学弟就业建议
出国4年拿俩博士学位 北大学子给学弟就业建议
2008-04-03 08:53:04 来源： 人民网
--------------------------------------------------------------------------------
人物名片：汪默，上海人，2001年毕业于北大心理学系。2005年获得鲍林格林(Bowling Green)州立大学工业组织心理学与发展心理学双博士学位。美国职业健康心理学会发起人，全美心理学会会员。现任教于波特兰州立大学心理系，兼任美国哈里斯娱乐有限公司人事心理学高级研究顾问，通用(中国)汽车有限公司人力资源测评高级顾问。在国外主流学术杂志和会议上发表40多篇论文，并参与撰写《工业组织管理心理学百科全书》。
初识汪默，是源于前不久他回北大为心理系的同学讲解国外前沿统计心理学技术，课上的他侃侃而谈，顾盼之间有一种无法形容的对于心理学研究的自信与热情。课余记者又拜读了很多他的学术文章，对其中的研究设计和统计分析技术印象尤为深刻。随后又了解到，他出国仅仅四年就拿到两个博士学位，在国外主流学术杂志和会议上已发表了40多篇论文，记者愈发渴望了解：是什么让这位年轻的学者做得如此优秀呢？当汪默的声音从大洋彼岸的电话那端缓缓传来时，对于这个问题的解答也越来越清晰起来。
色彩斑斓的大学生活
读高中时，汪默对文科和理科都非常感兴趣，平时阅读也很广泛，当时他读到了张春兴的《现代心理学》，这本书以通俗易懂的方式向读者介绍了心理学这门科学以及心理学的研究方法，这本书激发了汪默对心理学这门文理兼容的学科的强烈兴趣，也为他打开了一扇通向心理学的窗户。 1997年汪默如愿进入北大心理学系，而在北大的这四年也确实是他非常有色彩的一段人生。而一提起北大，汪默的感激之情溢于言表：“北大的传统非常好，基础训练相当好，良好的心理学和统计学的本科教育背景使我在出国之后的继续学习中游刃有余。”对于吴艳红老师的实验心理学课和甘怡群老师的心理统计课，汪默记忆尤其深刻。他在北大师从周晓林教授，学会怎么做研究，从提出研究设想到做实验设计，搜集数据，分析数据，撰写论文，一步步扎实的基本功训练为他以后走上学术研究之路打下了坚实的基础。 在紧张的专业学习之外，汪默还在校学工部做了三年的学生助理，1998年北大百周年校庆时他担任过心理系的联络员，负责收集系史资料，做心理系展版。他也是心理学社的社长，最先发起举办北大心理健康文化节，还将社会上的名人比如英达等请到北大来做讲座，这样的活动不仅普及了心理学知识也锻炼了他个人的组织能力与交际能力。
本科期间他经常去拜访北大的那些老先生，比如季羡林、张岱年，以及心理学系的王甦老师、孟昭兰老师。有次有个人想请季老(季羡林)为自己写的书作序，让汪默带他去季老家。季老当时住朗润园，他们两人没有预约就贸然前去，虽然季老之前没见过他们，还是非常亲切地招呼他们。他们去了季老的书房，一函函的线装书，散发出沉郁而厚重的历史气息，让汪默至今记忆犹新，他说：“跟这些在各个历史阶段做过很重要贡献的人接触时，我每次都报着一种非常崇敬的心情。你得近距离接触才知道什么叫大师，这些老先生的风范为我树立了做人的典范，见识到了大师的胸怀，开阔了我的眼界。”
四年磨一剑：拿到两个博士学位 从大一开始接触心理学，汪默就被深深的吸引到这一领域中，如同扬帆远行的船只一样，期待着在大海中乘风破浪。怀揣着去见识更多新鲜东西的愿望，他决定出国，大四时申请的是工业组织管理和发展两个方向。2000年在瑞典召开了第27届国际心理学大会，汪默也参加了。在这次会上，他还认识了鲍林格林州立大学心理学方向的一位老师，这位老师后来成为他的导师。从瑞典回来之后，汪默参加了GRE考试，加入了申请出国的行列。凭着良好的研究背景，他拿到了6个offer，经过理性的分析，最终他选择了鲍林格林州立大学心理系，就读组织管理心理学专业，这一专业在全美排名第四。
拿到鲍林格林州立大学全额奖学金时，汪默心情很平静，他说这只表明自己有继续学习的机会罢了。在大四下学期，他还在北京恒缘心理研究中心实习了半年，负责进行工作绩效评估的分析，以及对诺基亚和大众的员工评估系统的技术报告进行分析。这一段社会实践，让他知道自己到了研究生院之后要学什么了，出国学习时更有方向感。
2001年8月汪默来到位于美国俄亥俄州西北角的鲍林格林州立大学。只花了一年左右的时间就完成了硕士论文。他申请攻读工业组织心理学与发展心理学两个博士学位，得到了学校批准。一般而言，读完一个博士要花五到六年的时间，他只用了四年的时间就完成了一个本科生到博士生的蜕变，完成了两个专业的博士资格考试，毕业论文也是涉及到两个专业的退休管理课题。说到这一点时，他谦虚地说：“大部分人认认真真的做，当中不开小差，抓紧时间，四年修完博士学位是绝对够的。”当时他一个学期修4门课，好多美国学生都修不了这么多课，而汪默应付自如，当然这与他在国内打下的良好基础是分不开的，譬如心理系博士生第一年有一门必修课“高级统计”，他们这一级25人除了他与另外一个中国同学，别人都将之选为“需要花费很多时间的课程”和“让我觉得难以应付的课程”。还有一门“结构方程与项目反应”课，全班能完全听懂的不超过5个人。而由于汪默在北大打好了坚实的心理统计学基础，完成这些课程就容易多了。
厚积薄发的学术研究生活 转眼博士毕业，跟大多数的毕业生一样，汪默也面临着就业的选择，但跟其他系的学生不一样的是，他利用心理学的理性决策技巧，将所有的目标学校进行排序，从多方面进行权衡，做出最佳的决定。他笑着说：“组织管理心理学方面的工作其实是相当好找的。”他从2004年的9月份开始发申请函，到2005年的1月份为止，他一共接到22所大学的电话面试，18所大学的校园面试通知。不过在进行了第2个面试，即波特兰州立大学的面试时，他就签约了。
汪默之所以签约波特兰州立大学，出于以下几个方面的考虑：首先是研究环境，波特兰州立大学的职业健康心理学在全美是排第一的，研究经费比较充裕，学习气氛也非常好。其次，波特兰州立大学设有博士点，能让他指导博士生，同时也促进自己的研究。另外，波特兰州立大学所在的地理位置和自然环境很好，它是俄勒冈州唯一的大城市，周围风景如画，山谷河流相映成趣。 跟其他教授一样，平时汪默也是一边教学一边科研。波特兰州立大学一年分为三个学期，每个学期汪默负责一门半课，每周有一次教工会议，其他时间就专注于自己研究的三个领域：退休管理、外派管理和统计技术。 他已经在国外主流学术杂志和会议上发表了40多篇论文。2007年，汪默在心理学领域的重要学术期刊《应用心理学杂志》(Journal of Applied Psychology)上发表了一篇关于退休人员的研究文章：《退休人员在退休中的转变与调整过程概况分析：对于退休人员心理健康的纵向转变研究》(Profiling retirees in the retirement transition and adjustment process: Examining the longitudinal change patterns of retirees’ psychological well-being)，而这个学术期刊的拒稿率是96%。作为《应用心理学》杂志的审稿人之一，汪默告诉记者审稿者对于文章的要求非常高，对文章的理论深度、方法学上的实验设计、统计分析的合理性等方面都有严格的评估，有一条不合要求，文章就会被拒稿。汪默说曾经有一篇文章编辑给他写了11页纸的审稿意见，他的回复就用了17页纸，回复的份量相当于一篇文章了。
此外，汪默在2006年还发起创办了职业健康心理学会，学会每两年举办一次学术会议，并拥有自己的学术期刊《职业健康心理学期刊》，由美国心理学会出版。现在学会已经有200多名会员，正逐步向成为美国心理学会分会的方向迈进中。
目前汪默所做的3个课题都比较成功，但是他坦言：“现在我的学术生涯才刚刚起步，还谈不上成功。等到相关领域的研究人员做研究时没法绕开你的文章时才算成功，比如2007年在《应用心理学》杂志上发表的那篇，今后做退休管理的人可能都会引用到。实在而言，学术研究是一个细水长流的过程，学术成果不可能凭空产生。”当然，做研究不可能一帆风顺。由于工业组织心理学是一门实验性很强的学科。有时候研究的结果跟预期正好相反，那就要重新考虑可能产生的不同问题，重新检查数据，一个个步骤进行核实，看是数据上的错误，还是忽略了某些观点和理论。不过，能够克服这些困难对于汪默而言也都是一个很好的经验。 作为一门科学与实践并重的学科，做心理学研究有时需要跟企业进行合作。教学之外，汪默还兼任美国哈里斯娱乐有限公司人事心理学高级研究顾问，通用(中国)汽车有限公司人力资源测评高级顾问。关于如何处理学术研究与企业技术分析的问题，他表示，未必所有企业愿意在研究上花费精力，哪怕有再好的研究设计，有时也不能实现。面对这种冲突，汪默会尽量想办法根据实践中的需求，让研究能继续下去；而反过来，也有企业邀请汪默帮忙做企业分析。汪默说：“在学术界研究肯定是第一位的，做咨询时最好挑选那些跟自己的研究兴趣和领域相关的东西。”比如这次回国时中石油做外派要跟汪默合作，他欣然答应了，因为他自己就是做外派管理的，而如果其他一家企业找他去做工作分析，可能他就不愿意做了，因为工作分析是机械性的工作，对于自己做研究没有多大意义。 在教学和学术研究之外，汪默会看看书，看看电影，或是打打游戏，有时候到外地参加学术会议或是讲学时也会顺便去旅行。他轻松地说：“我认为做研究的人，生活还是要简单一点，太五光十色的话人的心思不容易集中。” 回顾从大学学生到大学教师的整个历程，汪默感慨地说到：“我的人生中比较成功的事可以说是一直以来每一步关键的路都没有走错，高中时选择北大，出国时专业和学校选择得也比较好，工作也还比较顺利。”而能够做到这一点汪默认为是来源于他最欣赏的个人特质：坚韧不拔、迎难而上，碰到有自己不能解决的事情，一定下功夫解决掉。其次不太受外界的影响，一旦确立了目标不会轻易改变，会踏踏实实的走下去。正是这种坚毅不屈的求知态度，让汪默在象牙塔中不断攀向高峰。 目标、竞争力、健康——人生成功的三把金钥匙 采访最后，他结合自己的人生体验为在燕园求学的学子提出了几点建议：
首先，要有一个很明确的目标。进了大学就要想好未来的出路，是本科毕业后工作，还是继续读研究生。有些人可能刚开始不是很清楚，但是逐渐就会比较清晰了。汪默强调：“要想清楚自己要做一个什么样的人，过怎样的生活。做事之前要常常问自己一句：‘做这件事情的意义和目标何在？’。如果只是为做这件事而做这件事，这件事并不是你的兴趣所在，那么你也不会做得长久。”如果在大学四年的生活中，能确定自己的目标和人生方向，就不会虚度光阴。
其次，要用功学习，保持优秀的成绩，更要发展自己的竞争力，不断发掘自己的优点。对于本科生参加实习，汪默认为，实习首先要有精力，还要联系得上，并且还要对口，比较难。如果不是对口的，不是比较好的经验能让自己得到发展，就是为实习而实习，没有意义。就心理系学生而言，还不如多花时间多读点文献。
最后，健康强壮的身体是最大的本钱，平时一定要加强锻炼，汪默略带幽默地说：“做研究，尤其是做我们行为学科的，就是要拼体力。”
2008-04-03 08:53:04 来源： 人民网
--------------------------------------------------------------------------------
人物名片：汪默，上海人，2001年毕业于北大心理学系。2005年获得鲍林格林(Bowling Green)州立大学工业组织心理学与发展心理学双博士学位。美国职业健康心理学会发起人，全美心理学会会员。现任教于波特兰州立大学心理系，兼任美国哈里斯娱乐有限公司人事心理学高级研究顾问，通用(中国)汽车有限公司人力资源测评高级顾问。在国外主流学术杂志和会议上发表40多篇论文，并参与撰写《工业组织管理心理学百科全书》。
初识汪默，是源于前不久他回北大为心理系的同学讲解国外前沿统计心理学技术，课上的他侃侃而谈，顾盼之间有一种无法形容的对于心理学研究的自信与热情。课余记者又拜读了很多他的学术文章，对其中的研究设计和统计分析技术印象尤为深刻。随后又了解到，他出国仅仅四年就拿到两个博士学位，在国外主流学术杂志和会议上已发表了40多篇论文，记者愈发渴望了解：是什么让这位年轻的学者做得如此优秀呢？当汪默的声音从大洋彼岸的电话那端缓缓传来时，对于这个问题的解答也越来越清晰起来。
色彩斑斓的大学生活
读高中时，汪默对文科和理科都非常感兴趣，平时阅读也很广泛，当时他读到了张春兴的《现代心理学》，这本书以通俗易懂的方式向读者介绍了心理学这门科学以及心理学的研究方法，这本书激发了汪默对心理学这门文理兼容的学科的强烈兴趣，也为他打开了一扇通向心理学的窗户。 1997年汪默如愿进入北大心理学系，而在北大的这四年也确实是他非常有色彩的一段人生。而一提起北大，汪默的感激之情溢于言表：“北大的传统非常好，基础训练相当好，良好的心理学和统计学的本科教育背景使我在出国之后的继续学习中游刃有余。”对于吴艳红老师的实验心理学课和甘怡群老师的心理统计课，汪默记忆尤其深刻。他在北大师从周晓林教授，学会怎么做研究，从提出研究设想到做实验设计，搜集数据，分析数据，撰写论文，一步步扎实的基本功训练为他以后走上学术研究之路打下了坚实的基础。 在紧张的专业学习之外，汪默还在校学工部做了三年的学生助理，1998年北大百周年校庆时他担任过心理系的联络员，负责收集系史资料，做心理系展版。他也是心理学社的社长，最先发起举办北大心理健康文化节，还将社会上的名人比如英达等请到北大来做讲座，这样的活动不仅普及了心理学知识也锻炼了他个人的组织能力与交际能力。
本科期间他经常去拜访北大的那些老先生，比如季羡林、张岱年，以及心理学系的王甦老师、孟昭兰老师。有次有个人想请季老(季羡林)为自己写的书作序，让汪默带他去季老家。季老当时住朗润园，他们两人没有预约就贸然前去，虽然季老之前没见过他们，还是非常亲切地招呼他们。他们去了季老的书房，一函函的线装书，散发出沉郁而厚重的历史气息，让汪默至今记忆犹新，他说：“跟这些在各个历史阶段做过很重要贡献的人接触时，我每次都报着一种非常崇敬的心情。你得近距离接触才知道什么叫大师，这些老先生的风范为我树立了做人的典范，见识到了大师的胸怀，开阔了我的眼界。”
四年磨一剑：拿到两个博士学位 从大一开始接触心理学，汪默就被深深的吸引到这一领域中，如同扬帆远行的船只一样，期待着在大海中乘风破浪。怀揣着去见识更多新鲜东西的愿望，他决定出国，大四时申请的是工业组织管理和发展两个方向。2000年在瑞典召开了第27届国际心理学大会，汪默也参加了。在这次会上，他还认识了鲍林格林州立大学心理学方向的一位老师，这位老师后来成为他的导师。从瑞典回来之后，汪默参加了GRE考试，加入了申请出国的行列。凭着良好的研究背景，他拿到了6个offer，经过理性的分析，最终他选择了鲍林格林州立大学心理系，就读组织管理心理学专业，这一专业在全美排名第四。
拿到鲍林格林州立大学全额奖学金时，汪默心情很平静，他说这只表明自己有继续学习的机会罢了。在大四下学期，他还在北京恒缘心理研究中心实习了半年，负责进行工作绩效评估的分析，以及对诺基亚和大众的员工评估系统的技术报告进行分析。这一段社会实践，让他知道自己到了研究生院之后要学什么了，出国学习时更有方向感。
2001年8月汪默来到位于美国俄亥俄州西北角的鲍林格林州立大学。只花了一年左右的时间就完成了硕士论文。他申请攻读工业组织心理学与发展心理学两个博士学位，得到了学校批准。一般而言，读完一个博士要花五到六年的时间，他只用了四年的时间就完成了一个本科生到博士生的蜕变，完成了两个专业的博士资格考试，毕业论文也是涉及到两个专业的退休管理课题。说到这一点时，他谦虚地说：“大部分人认认真真的做，当中不开小差，抓紧时间，四年修完博士学位是绝对够的。”当时他一个学期修4门课，好多美国学生都修不了这么多课，而汪默应付自如，当然这与他在国内打下的良好基础是分不开的，譬如心理系博士生第一年有一门必修课“高级统计”，他们这一级25人除了他与另外一个中国同学，别人都将之选为“需要花费很多时间的课程”和“让我觉得难以应付的课程”。还有一门“结构方程与项目反应”课，全班能完全听懂的不超过5个人。而由于汪默在北大打好了坚实的心理统计学基础，完成这些课程就容易多了。
厚积薄发的学术研究生活 转眼博士毕业，跟大多数的毕业生一样，汪默也面临着就业的选择，但跟其他系的学生不一样的是，他利用心理学的理性决策技巧，将所有的目标学校进行排序，从多方面进行权衡，做出最佳的决定。他笑着说：“组织管理心理学方面的工作其实是相当好找的。”他从2004年的9月份开始发申请函，到2005年的1月份为止，他一共接到22所大学的电话面试，18所大学的校园面试通知。不过在进行了第2个面试，即波特兰州立大学的面试时，他就签约了。
汪默之所以签约波特兰州立大学，出于以下几个方面的考虑：首先是研究环境，波特兰州立大学的职业健康心理学在全美是排第一的，研究经费比较充裕，学习气氛也非常好。其次，波特兰州立大学设有博士点，能让他指导博士生，同时也促进自己的研究。另外，波特兰州立大学所在的地理位置和自然环境很好，它是俄勒冈州唯一的大城市，周围风景如画，山谷河流相映成趣。 跟其他教授一样，平时汪默也是一边教学一边科研。波特兰州立大学一年分为三个学期，每个学期汪默负责一门半课，每周有一次教工会议，其他时间就专注于自己研究的三个领域：退休管理、外派管理和统计技术。 他已经在国外主流学术杂志和会议上发表了40多篇论文。2007年，汪默在心理学领域的重要学术期刊《应用心理学杂志》(Journal of Applied Psychology)上发表了一篇关于退休人员的研究文章：《退休人员在退休中的转变与调整过程概况分析：对于退休人员心理健康的纵向转变研究》(Profiling retirees in the retirement transition and adjustment process: Examining the longitudinal change patterns of retirees’ psychological well-being)，而这个学术期刊的拒稿率是96%。作为《应用心理学》杂志的审稿人之一，汪默告诉记者审稿者对于文章的要求非常高，对文章的理论深度、方法学上的实验设计、统计分析的合理性等方面都有严格的评估，有一条不合要求，文章就会被拒稿。汪默说曾经有一篇文章编辑给他写了11页纸的审稿意见，他的回复就用了17页纸，回复的份量相当于一篇文章了。
此外，汪默在2006年还发起创办了职业健康心理学会，学会每两年举办一次学术会议，并拥有自己的学术期刊《职业健康心理学期刊》，由美国心理学会出版。现在学会已经有200多名会员，正逐步向成为美国心理学会分会的方向迈进中。
目前汪默所做的3个课题都比较成功，但是他坦言：“现在我的学术生涯才刚刚起步，还谈不上成功。等到相关领域的研究人员做研究时没法绕开你的文章时才算成功，比如2007年在《应用心理学》杂志上发表的那篇，今后做退休管理的人可能都会引用到。实在而言，学术研究是一个细水长流的过程，学术成果不可能凭空产生。”当然，做研究不可能一帆风顺。由于工业组织心理学是一门实验性很强的学科。有时候研究的结果跟预期正好相反，那就要重新考虑可能产生的不同问题，重新检查数据，一个个步骤进行核实，看是数据上的错误，还是忽略了某些观点和理论。不过，能够克服这些困难对于汪默而言也都是一个很好的经验。 作为一门科学与实践并重的学科，做心理学研究有时需要跟企业进行合作。教学之外，汪默还兼任美国哈里斯娱乐有限公司人事心理学高级研究顾问，通用(中国)汽车有限公司人力资源测评高级顾问。关于如何处理学术研究与企业技术分析的问题，他表示，未必所有企业愿意在研究上花费精力，哪怕有再好的研究设计，有时也不能实现。面对这种冲突，汪默会尽量想办法根据实践中的需求，让研究能继续下去；而反过来，也有企业邀请汪默帮忙做企业分析。汪默说：“在学术界研究肯定是第一位的，做咨询时最好挑选那些跟自己的研究兴趣和领域相关的东西。”比如这次回国时中石油做外派要跟汪默合作，他欣然答应了，因为他自己就是做外派管理的，而如果其他一家企业找他去做工作分析，可能他就不愿意做了，因为工作分析是机械性的工作，对于自己做研究没有多大意义。 在教学和学术研究之外，汪默会看看书，看看电影，或是打打游戏，有时候到外地参加学术会议或是讲学时也会顺便去旅行。他轻松地说：“我认为做研究的人，生活还是要简单一点，太五光十色的话人的心思不容易集中。” 回顾从大学学生到大学教师的整个历程，汪默感慨地说到：“我的人生中比较成功的事可以说是一直以来每一步关键的路都没有走错，高中时选择北大，出国时专业和学校选择得也比较好，工作也还比较顺利。”而能够做到这一点汪默认为是来源于他最欣赏的个人特质：坚韧不拔、迎难而上，碰到有自己不能解决的事情，一定下功夫解决掉。其次不太受外界的影响，一旦确立了目标不会轻易改变，会踏踏实实的走下去。正是这种坚毅不屈的求知态度，让汪默在象牙塔中不断攀向高峰。 目标、竞争力、健康——人生成功的三把金钥匙 采访最后，他结合自己的人生体验为在燕园求学的学子提出了几点建议：
首先，要有一个很明确的目标。进了大学就要想好未来的出路，是本科毕业后工作，还是继续读研究生。有些人可能刚开始不是很清楚，但是逐渐就会比较清晰了。汪默强调：“要想清楚自己要做一个什么样的人，过怎样的生活。做事之前要常常问自己一句：‘做这件事情的意义和目标何在？’。如果只是为做这件事而做这件事，这件事并不是你的兴趣所在，那么你也不会做得长久。”如果在大学四年的生活中，能确定自己的目标和人生方向，就不会虚度光阴。
其次，要用功学习，保持优秀的成绩，更要发展自己的竞争力，不断发掘自己的优点。对于本科生参加实习，汪默认为，实习首先要有精力，还要联系得上，并且还要对口，比较难。如果不是对口的，不是比较好的经验能让自己得到发展，就是为实习而实习，没有意义。就心理系学生而言，还不如多花时间多读点文献。
最后，健康强壮的身体是最大的本钱，平时一定要加强锻炼，汪默略带幽默地说：“做研究，尤其是做我们行为学科的，就是要拼体力。”
订阅：
博文 (Atom)
