spss教程6-1参数检验.pptVIP

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 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。 假设检验的基本思想 Analyze—Compare Means—Paired-Sample T Test 基本操作 例题分析 例1: 减肥茶效果检验 例题分析 例2: pairst1.sav 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 9.87 17 2 4 8.36 16 2 17 12.56 16 1 3 9.65 18 1 16 10.57 18 1 2 10.88 16 1 15 13.66 18 1 1 血红蛋白值 年龄 性别 编号 血红蛋白值 年龄 性别 编号 例题分析 1） 打开数据文件“Means过程.sav” 。 2 按顺序Analyze Compare Means Means打 开主对话框。 3 单击Option, 打开Options对话框,选择统计项目。 4）单击OK完成。 1、操作步骤 例题分析 选hb sex 按Next,进入layer 2of 2,选age 图6—3 在主对话框选送变量 图6—4 第二层变量框 选择统计项目 按此 按钮 复选此2项,第一层次分组选择计算方差分析和线性检验 图6—5 Options对话框 表6—1 观测量摘要表 表6—1 是观测量摘要表，观测量总个数为40，其中有效值为40个、无效值0。 2. 结果及分析 例题分析 表6—2 分组描述统计量 表6—2 分三部分：第一、二部分先按性别分组，再按年龄分组计算观测值合计、均数、标准差、方差和个数；第三部分只按年龄分组，最后一行为合计。 表6—3 按性别分组的描述性统计量 血红蛋白* 性别 例题分析 表6—4 按年龄分组的描述统计量 血红蛋白* 年龄 表6—3、4是将sex和age一起放在layer 1of 1中，分别计算男、女（不作年龄分组）。年龄分三组（不作性别分组）的观测值合计、均数、标准差、方差和个数。 例题分析 表6—5 方差分析表 表6—5是方差分析表，共6列：第一列方差来源：组间的、组内的、总的方差；第二列为平方和；第三列为自由度；第四列为均方；第五列为F值；第六列为F统计量的显著值，显著值小于0.05,所以性别对血红蛋白值有显著影响。 表6—6 eta统计量 表6—6是eta统计量表，η统计量表明因变量和自变量之间联系的强度，0.567的值处于中等水平，η2是因变量中不同组间差异所解释的方差比，是组间平方和与总平方和之比，即由64.5256除以 200.787得到。 表6—7 按年龄分组的方差分析表 表6—7是将年龄作为第一层自变量得到的方差分析表，Linearity是假设因变量均值是第一层自变量值的线性函数，Deviation from Linearity是不能由线性模型解释的部分。 表6—8 按年龄分组的eta统计量 表6—8是将年龄作为第一层自变量得到的eta统计量表，R和R2测度线性拟合的良好度，R是观测值与预测值之间的相关系数。 仍以表5-1的资料来说明。已知另一地区16-18岁的少年血红蛋白平均值为11.657g%，检验这一地区16-18岁少年血红蛋白值是否与另一地区的平均值相等。 例题分析 1、操作步骤 1）按Analyze—Compare Means—One Sample T Test顺序，打开主对话框。 打 开数据文 件“Means过程.sav”。 2）将变量hb选