3、数据模型：特性、示例与应用分析

数据模型：特性、示例与应用分析

1. 数据模型概述

统计领域着重于开发利用小样本观测进行广泛概括的技术，而这些观测通常以数值形式呈现，统计学家所采用的方法本质上是数学性的。数据模型是统计方法的核心，它能总结行为或生物科学中的一组观测结果，便于与同行和公众交流。

数据模型具有解释性和统计性两个特点。解释性体现在它通常描述一个或多个变量对另一个响应变量的影响，即已知预测变量的值就能预测或解释响应变量的值；统计性则是指预测变量的变异性与响应变量的变异性相关，通过确定两者之间关系的强度，可判断模型与数据的拟合程度。

2. 数据模型示例

为了说明数据模型的一些特性，我们以一个已发表的实验为例。在这个实验中，任务是在 4×4、8×8 或 12×12 的干扰物网格中搜索视觉目标，目标仅在一半的显示中出现，且每次试验中受试者看到的显示类型是随机选择的，响应变量是反应时间，即从显示呈现到受试者按下响应键以指示是否看到目标所经过的时间。

2.1 实验数据

Time	Objects	Filter	O × F
766.44	16	0	0
704.62	16	1	16