15-3差异分析(new.pptVIP

差异分析 参数检验：t检验 方差分析：单因素方差分析 非参数检验：卡方检验 SPSS的参数检验 参数检验是推断统计的重要组成部分，是根据样本数据推断总体特征的方法，它在对样本数据描述的基础上，以概率的形式对统计总体的未知数量特征（如均值、方差等）进行表述。 利用样本数据对总体特征的推断在以下两种情况下进行 总体分布已知（如总体为正态分布）的情况下，根据样本数据对总体分布的统计参数（如均值、方差等）进行推断 总体分布未知的情况下，根据样本数据对总体的分布形式或特征进行推断 假设检验的基本思想 首先对总体参数值提出假设，然后再利用样本告之的信息区验证先前提出的假设是否成立。如果样本数据不能够充分证明和支持假设，则在一定的概率条件下，应拒绝该假设；相反，如果样本数据不能充分证明和支持假设是不成立的，则不能推翻假设成立的合理性和真实性。 基本信念是小概率原理，即发生概率很小的随机事件，在某一次特定的试验中是几乎不可能发生的 上述假设检验过程有两大重要问题：第一，如何计算在假设成立的条件下样本值或更极端值发生的概率？第二，如何定义小概率事件？推断统计已经科学解决该问题。 假设检验的基本步骤 第一，提出原假设（记为H0）。根据推断检验的目标，对待推断的总体参数或分布提出一个基本假设 第二，选择检验统计量。在假设检验中，样本值（或更极端值）发生的概率并不直接由样本数据得到，而是通过计算检验统计量观测值发生的概率而间接得到。这些检验统计量服从或近似服从某种已知的理论分布。对于不同的假设检验以及不同的总体条件，会有不同的选择检验统计量的理论 、方法和策略，这是统计学家研究的课题。应用中只需要依据实际，明确问题，遵循理论套用即可。 第三，计算检验统计量观测值发生的概率。选定检验统计量之后，在认为原假设成立的条件下，利用样本数据便可计算出检验统计量观测值发生的概率，即概率P-值或称为相伴概率（即指该检验统计量在某个特定的极端区域值在H0成立时的概率），该概率值间接地给出了样本值（或更极端值）在原假设成立条件下发生的概率。对此可以依据一定的标准来判定其发生的概率是否为小概率，是否是一个小概率事件。 第四，给定显著性水平a，并作出统计决策。显著性水平a是指原假设正确但被错误地拒绝了的概率或风险，一般认为确定为0.05或0.01等，意味着不拒绝原假设正确的可能性（概率）为95%或99%。事实上，虽然小概率原理告诉我们，小概率事件在一次实验中是几乎不会发生的，但这并不意味着小概率事件就一定不发生。由于抽样的随机性，在一次试验中观察到小概率事件的可能性是存在的，如果遵循小概率原理而拒绝了原本正确的原假设，该错误发生的概率便是a. 得到检验统计量的概率P-值后的决策就是要判定应拒绝原假设还是不应拒绝原假设。如果检验统计量的概率P-值小于显著性水平a，则认为如果此时拒绝原假设犯错误的可能性小于显著性水平a，其概率低于预先控制的水平，不太可能犯错误，可以拒绝原假设；反之，如果检验统计量的概率P-值大于显著性水平a，其概率比预先控制的水平高，很有可能犯错误，不应拒绝原假设。 SPSS的参数检验-t检验 单样本t检验：利用来自某总体的样本数据，推断该总体的均值是否与指定的检验值之间存在显著差异。它是对总体均值的假设检验。 案例5-1：利用“住房状况调查.sav”的调查数据，推断家庭人均房面积的平均值是否为20平方米。 步骤： 一、提出原假设H0为总体均值与检验值之间不存在显著差异，表述为：H0=u0,，u为总体均值，u0为检验值。 二、选择检验统计量 ——t 三、计算检验统计量观测值和概率p-值 四、给定显著性水平a，并作出决策 两独立样本t检验：利用来自两个总体的独立样本，推断两个总体的均值是否存在显著差异。 前提：样本来自的总体服从或近似服从正态分布；两样本相互独立，即从一总体中抽取一组样本对从另一总体中抽取一组样本没有任何影响，两组样本的个案数目可以不等。 步骤： 一、提出原假设H0为总体均值与检验值之间不存在显著差异，表述为：H0：u2,-u1=0，u1 u2为第一总体和第二总体均值 二、选择检验统计量 ——F统计量和t统计量 三、计算检验统计量观测值和概率p-值 四、给定显著性水平a，并作出决策 案例5-3根据“住房状况调查.sav”调查数据，推断本市户口总体和外地户口总体的家庭人均住房面积的平均值是否有显著差异。 SPSS的方差分析 如在制定某商品广告宣传策略时，不同组合方案所获得的广告效果是不一样的。广告效果可能会受到广告形式、地区规模、选择的栏目、播放的时间段、播放的频率等因素的影响。人们需要研究在影响广告效果的众多因素中，哪些因素是主要的，它们是如何产生影响的，哪些因素的搭配是最合理的。 这些问题的解决可以通过方差分析实现 将广告效果称为因变