工作心理学中的很多研究，尤其是实证主义取向的研究，会考察下面的问题：

• 两组或更多组人相互之间存在差异吗?
• 在一个特定群体内两个或更多个变化会共变(也就是，共同变化)吗?

工作心理学家之所以会问这些问题，是因为答案会强化我们对于工作场所中人类行为的理解。例如，第一个问题与本章前面提到的机器提速工作是否会影响工作满意度的话题密切相关。如果心理学家实施了一个类似前面描述过的实验，他或她就会获得实验组(进行机器提速的工作)和控制组(进行自己控速的工作)中每个人的工作满意度数据。显然，要考察机器提速对于工作满意度的影响，需要比较两组之间的工作满意度分数。使用一种被称做t检验的统计方法可以实现这一点，这种方法在本章中的后面部分将会加以描述。

为了继续第二个问题，心理学家会进行一个调查来确定人们的年龄与他们所体验到的工作满意度是否存在联系。先将人们按照年龄进行分组(比如20～29，30～39等)，并使用t检验的方法来两两比较各组之间的差异。但是这会丢失有关人们年龄的信息——比如，29岁的人会和20岁的人混在一起。同时，年龄分组是一种武断的定义方法，更好的方法是使用相关的方法来看一看年龄和工作满意度是否一起变化。这种方法能够在图上绘制出每个人的年龄与工作满意度的关系，并且评估随着年龄的增长，工作满意度在多大程度上提高或降低。

心理学家经常在他们的研究中检验假设，这里的一个重要概念就是虚无假设。实际上，该假设就是说“没有什么事情发生”。因此，如果一位心理学家考察两组或更多群体是否在满意度上存在差异，那么虚无假设就是他们没有差异；如果心理学家正在考察年龄与工作满意度是否一起变化，那么虚无假设就是它们并不一起变化。也就是说，知道一个人的年龄对你了解他们的工作满意度没有任何帮助，反之亦然。

在每个例子中，我们也可以做出一个备择或者实验假设，这种假设既可以有指导性，也可以没有指导性。例如，一个有指导性的备择假设会详细描述与从事自我控速的人相比，从事机器提速工作的人会体验到更高还是更低的工作满意度，或者随着年龄增长工作满意度究竟会提高还是会降低。非指导性假设没有这么详细，它们仅仅是提出在各组之间的工作满意度水平上存在着差异(但不会指出会有哪个组更高)，或者年龄与工作满意度会一起变化(但不会指出年龄大的人更满意还是更不满意)。

假设针对参加研究的样本人群所属的总体，而不仅仅针对那些样本。事实上，做研究的时候，心理学家总是会问：“凭借我从研究样本中获得的数据，虚无假设或者备择假设对于总体来说是否就会真实呢?”注意“总体”并不是指全世界的每个人，甚至也不是某个特定国家的所有人，它指的是心理学家希望结论能够推广到的那些人，可以是“丹麦的一线生产工人”或者“荷兰当前的就业者”。

有趣的是，有时候研究者们并不是非常关心他们希望得出的结论会适用于哪些人。而且，他们有时候会使用方便的样本——就是那些容易找到的人。从统计的观点出发，理想情况是参加研究的人应该是感兴趣的总体的一个随机样本(见本章中前面的“调查设计”)。调查使用的问卷可能是发放给特定总体中的一个随机样本，但显然不会每个人都会回复。一个不可避免的问题就是，回复的人与不回复的人是否在某些方面存在着重要差异。比如说，回复的人可能更具有责任心／更守规矩，或者就是他们手头的时间更为充裕。

因此，更为普遍的情况是，研究者努力证明他们那不可避免的非随机样本对于总体来说是很有代表性的(比如在年龄、性别、工作类型、工作地点等方面)，而不是去努力获得一个随机样本。换一种说法，参加实验的人在年龄、性别和其他特征上应该与那些更大范围的人群没有很大差别。但是，参与者与那些非参与者仍然有可能在其他方面存着差异，包括研究感兴趣的那些方面。因此，那些高责任心的人更有可能对他人做出回应。如果研究关心的是总体人群中责任心的整体水平，这显然就是一个很大的问题。

工作心理学中对数据的统计分析经常需要评估当虚无假设对于总体来说为真时，接受备择假设的概率有多大。这个概率越低，心理学家就越有信心接受备择假设，而拒绝虚无假设。这个概率也被称做统计显著性——心理学中一个非常重要的概念。典型的情况是，只有当心理学家收集的数据得出虚无假设为真的概率为0.05或者更小时，心理学家才会接受备择假设(也就是拒绝了虚无假设)。错误地拒绝虚无假设有时候被称做I类错误。

因此，心理学家会说“在我真正准备拒绝虚无假设之前，我必须至少在95％的程度上是确定的”。这会被认为是相当保守的——也许过于保守了，毕竟，在日常生活中，我们中间会有多少人在对某件事情拥有95％的确信之后才会行动呢?而且还存在着另外一种情况，心理学家对此很少考虑：当备择假设为真时，接受虚无假设的概率有多大。错误地接受虚无假设有时候被称做Ⅱ类错误。

如果心理学家发现根据他或她的数据，错误拒绝虚无假设的概率小于0.05(即1／20)。他或她通常就会说结果在0.05水平上是统计显著的。如果概率小于0.01(即2／100)，结果就在0.01的水平上是统计显著的。相似的规则也适用于概率是0．001(1／1000)的情况。当然，这是非常武断的取舍点。基本上，概率值越低，心理学家拒绝虚无假设的信心就越强；同时注意概率值越低，结果就被认为“统计显著性越高”。

但是，心理学家如何利用他们的研究数据计算统计显著性呢?他们使用的一种或多种方法被统一称做对数据的统计检验。我们现在只是简单地知道其中一些方法。在本书的相关网站上可以找到一些处理过的例子，亲自动手分析这些例子是理解统计检验原则的一种非常好的方法。但是，现在有几种商业软件包可以用来进行统计分析，而且这些软件包使用得非常普遍，最常见的软件是SPSS(社会科学统计软件包)。