心理統計學是心理學領域中的一個重要分支，主要研究如何運用統計學方法來分析和解釋心理學數據。在大學院（研究生院）階段，心理統計學的學習通常包括以下幾個方面的內容：
基礎統計學：包括描述性統計和推斷性統計。描述性統計涉及數據的整理、概括和展示，如均值、中位數、標準差等。推斷性統計則涉及從樣本數據推斷總體特徵，如假設檢驗、置信區間等。
多元統計分析：包括回歸分析、方差分析（ANOVA）、協方差分析（ANCOVA）等。這些方法用於分析多個變數之間的關係，以及控制其他變數影響下的特定變數效應。
因子分析和結構方程模型：因子分析用於探索數據中的潛在結構，而結構方程模型則用於檢驗複雜的因果關係模型。
非參數統計：當數據不滿足常態分配假設時，非參數統計方法（如卡方檢驗、Mann-Whitney U檢驗等）是更合適的選擇。
時間序列分析：用於分析隨時間變化的數據，如心理測量中的重複測量數據。
心理測量學：涉及測量工具的開發和評估，如信度、效度分析，以及項目反應理論（IRT）等。
統計軟體套用：如SPSS、R、SAS等統計軟體的使用，進行數據分析和結果解釋。
在大學院階段，學生通常需要通過課程學習、實驗設計、數據分析項目等方式，掌握這些統計方法，並能夠將其套用於心理學研究中。此外，心理統計學的研究生課程還可能包括高級統計方法、貝葉斯統計、機器學習在心理學中的套用等內容。
心理統計學的研究不僅對於心理學理論的驗證和發展至關重要，也在臨床心理學、教育心理學、工業與組織心理學等領域有著廣泛的套用。因此，掌握心理統計學是心理學研究生的重要技能之一。