6第六章_均值比较与检验.ppt

第六章 双变量的统计分析之二 ——均值比较与检验 主要内容 MEANS过程 单一样本T检验 (One-Sample T Test） 独立样本T检验 (Independent-Sample T Test) 配对样本T检验 (Paired-Sample T Test) 方差分析（One-Way ANOVA） 2、结果分析 表5-9 是血红蛋白值的观测量个数、均值、标准差和均值的标准误等统计量。 表5-13 配对样本T检验描述统计量 表5-13可看出，变量x1的均数、标准差、标准误分别为34.750、6.649、2.351，变量x2的均数、标准差、标准误分别为26.238、5.821、2.058。 表5-14 配对样本T检验相关性 表5-14可看出，本例共有8对观测值，相关系数为0.586，相关系数的显著性检验表明显著值为0.127。 表5-15 配对样本T检验结果 表5-16说明变量x1 、x2两两相减的差值均数、标准差、差值均数的标准误差分别为8.513、5.719、2.022，95％可信区间为3.731 ，13.292。配对检验结果表明t为4.21，自由度为7，显著值为0.004，差别具高度显著性意义，即饲料中缺乏维生素E对鼠肝中维生素A含量确有影响。 方差分析简介 方差分析的核心就是方差可分解。这里的方差是通过计算各观测值偏离均值的平方和再除以n-1（样本量减1）而得到的。这样给定n值的情况下，方差就是离差平方和（SS）。方差的分解按表6-1进行。 方差分析的目的是检验均数（组间或变量间）差别是否具有统计学意义。即将总变异分解为由随机误差造成的变异（组内SS）与由均数差异造成的变异（组间SS）两个部分。如果后者大于前者，且具有统计学意义，我们将拒绝零假设，即认为总体中均数间存在差异。 一、简介 单因素方差分析是检验由单一因素影响的多组样本某因变量的均值是否有显著差异的问题。如果各组之间有显著差异，说明这个因素（分类变量）对因变量是有显著影响的，因素的不同水平会影响到因变量的取值。 二、完全窗口分析 按Analyze?Compared Means ? One-Way Anova顺序单击。打开 One-Way Anova主对话框，如图 四、单因素方差分析 * * MEANS过程 一、 Means过程 该过程实际上更倾向于对样本进行描述，可以对需要比较的各组计算描述指标，包括均值、标准差、总和、观测量数、方差等一系列单变量统计量。 二、完全窗口分析 按Analyze—Compare Means—Means顺序，打开Means主对话框（如图6--1）。 图6—1 Means主对话框 该框的变量为因变量，即用于分析的变量。 该框的变量为自变量，必须至少有一个变量 单击此按钮，进入下一层，返回则按Previous按钮。 见图6—2 Statistics框：供选择的统计量 Statistics for First Layer复选框： Anova table and eta: 进行分组变量的单因方差分析并计算eta 统计量。 Test for linearity:产生第一层最后一个变量的R和R2。 图6—2 Options 对话框 Cell Statistics框: 选入的描述统计量，默认为均值、样本数、标准差。 三、例题分析 某医生测得如下血红蛋白值(g%),用Means过程对其做基本的描述性统计分析。 表5-1血红蛋白值(g%) 11.35 8.78 10.98 11.67 13.78 16.04 12.55 10.09 9.87 13.65 12.35 7.88 血红蛋白值 16 16 17 17 18 18 18 18 16 16 18 16 年龄 1 2 1 1 1 1 2 2 2 1 1 1 性别 40 39 38 37 36 35 34 33 32 31 30 29 编号 14.67 16 1 28 10.06 17 2 14 11.56 17 2 27 12.25 18 2 13 12.56 18 2 26 15.50 16 1 12 8.56 17 2 25 12.83 18 2 11 8.67 18 2 24 14.03 18 1 10 15.09 18 1 23 8.05 16 2 9 12.78 16 1 22 12.40 16 1 8 11.36 16 2 21 14.56 17 1 7 7.78 17 2 20 11.35 17 2 6 8.54 18 2 19 8.99 17 2 5 11.66 18 1 18 9.