我正在阅读ftp://ftp.sas.com/pub/neural/measurement.html中的简短测量理论时，一段让我卡住了。它说
考虑一下斯金纳盒子里的一只老鼠，它推动一个杠杆来获取食物颗粒。在实验过程中分配的颗粒数量显然是分配的颗粒数量的绝对水平测量。如果将颗粒数量视为衡量其他属性的指标，则测量级别可能会有所不同。作为分配食物量的衡量标准，在假设颗粒大小相同的情况下，颗粒的数量处于比率水平；如果颗粒大小不同，则需要更精细的测量模型，如果颗粒以随机顺序分配，则可能涉及随机测量误差。作为实验期间持续时间的衡量标准，颗粒的数量处于有序水平。[...] 在上面的示例中，以颗粒数量作为持续时间的度量，误差将是累积的，而不是累加的，
通过阅读经典的误差模型，我了解到附加误差是可以通过对许多测量进行平均来排除的。累积误差是如何工作的？我几乎认为它们是相同的，但这段话清楚地表明它们不是。
累积误差（也称为系统误差） - 这是一个单向误差。例如， - 如果您要测量 10 公里跑步，而您的秒表每分钟跑得快 2 秒。因此，在实验结束时计算误差，您将每分钟增加 2 秒。
加法误差（也称为乘法）- 误差项，可以根据场景采用任何一种方式。一个很好的例子是线性回归模型中的残差。根据您的观察，残差可以是负数也可以是正数（与第一种情况不同）
希望这可以帮助。
有趣的是，这是心理学家和社会学家在考虑身份理论时遇到的一个问题。Sam 是黑人、男性和残疾人，这些都是他身份的一部分，这些显然不是相互排斥的。然而，当它们一起考虑时，它们的影响是累积的而不是累加的。因此，要检查您是否使用了正确的术语，请查看是否可以删除“事物”的某个方面（在本例中是 Sam 的多个身份）。如果不是，描述组合效应的正确术语是累积的。只有当非身份概念被添加到 Sam 的个人资料中时（例如他暂时生病、度假时没有钱），才能合法地使用术语添加剂，而不是累积。