第五章SPSS参数检验！.docVIP

第五章 SPSS参数检验 ——均值比较 均值比较与均值比较的检验过程 均值比较的概念 统计分析常常采取抽样研究的方法，即从总体中随机抽取一定数量的样本进行研究来推断总体的特性。由于总总体中的每个个体间均存在差异，即使严格遵守随机抽样原则也会由于多抽到一些数值较大或较小的个体致使样本统计量与总体参数之间有所不同。又由于实验者测量技术的差别或测量仪器精确程度的差别等等也会造成一定的偏差，使样本统计量与总体参数之间存在差异。由此可以得到这样的认识：均值不相等的两组样本不一定来自均值不同的总体。 能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体具有显著性差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。 5.1 参数检验概述 5.1.1推断统计与假设检验 推断统计是根据样本数据推断总体数量特征的统计分析方法。 推断统计通常包括以下两个内容：一是总体分布已知，根据样本数据对总体分布的统计参数（如均值、方差）进行推断，此时采用的推断方法称为参数估计或者参数检验；二是总体分布未知，根据样本数据对总体的分布形式进行推断，此时采用的推断方法称为非参数检验。 5.1.2 假设检验的基本思想 1.事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立； 2.采用逻辑上的反证法，依据统计上的小概率原理。 5.1.3假设检验的步骤 1.提出原假设（零假设）H0； 2.确定适当的检验统计量； 3.计算检验统计量的值发生的概率（P值）； 4.给定显著性水平?； 5.作出统计决策。 5.2 单样本的T检验 5.2.1检验目的： 检验单个变量的均值是否与给定的常数(总体均值)之间是否存在显著差异。如：分析学生的IQ平均分是否为100分；大学生考研率是否为5%。 要求样本来自的总体服从或近似服从正态分布。 5.2.2 单样本T检验的实现思路 提出原假设： 计算检验统计量和概率P值 给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 5.2.3 单样本t检验的基本操作步骤 1、选择选项Analyze－Compare means－One-Samples T test，出现窗口： 2、在Test Value框中输入检验值。 3、单击Option按钮定义其他选项。Option选项用来指定缺失值的处理方法。其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。可见，较第二种方式，第一种处理方式较充分地利用了样本数据。在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可以输出默认95％的置信区间。 至此，SPSS将自动计算t统计量和对应的概率p值。 练习 根据各保险公司人员构成情况数据，对我国目前保险公司从业人员的受高等教育的程度和年轻化的程度进行推断： 保险公司具有高等教育水平的员工比例的平均值不低于0.8； 年轻人比例的平均值与0.5无显著差异。 5.3 两独立样本的T检验 5.3.1 两独立样本T检验的目的 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性差异； 两独立样本的样本容量可以相等，也可以不相等； 样本来自的总体服从或近似服从正态分布。 两个独立样本之差的抽样分布 两个总体均值之差的检验 (?、 已知) 1.假定条件 两个样本是独立的随机样本 两个总体都是正态分布 若不是正态分布, 可以用正态分布来近似(n130和 n230) 2.检验统计量为 两个总体均值之差的检验 (?、 未知，大样本) 检验统计量为 两个总体均值之差的检验 (、 未知但相等,小样本) 检验具有等方差的两个总体的均值 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 两个总体方差未知但相等 检验统计量 两个总体均值之差的检验 (、未知且不相等,小样本) 检验具有不等方差的两个总体的均值 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 两个总体方差未知且不相等 检验统计量 方差齐性检验（Levene F方法）： 计算两组样本的均值 计算各个样本与本组均值的平均离差绝对值； 利用单因素方差分析推断两独立总体平均离差绝对值是否有显著差异。 在对两独立样本进行T检验时，两组样本方差相等和不等时使用的计算t值的公式不同，所以首先进行方差F检验。用户需要根据F检验的结果