SPSS-5-假设检验与推断统计题材.ppt

第五讲 假设检验和推断性统计 一、相关的概念 二、SPSS的实现 一、相关的概念 1、推断统计 所谓推断统计，简而言之，就是用样本数据的信息去推断总体的信息。 参数估计和假设检验是统计推断的两个重要组成部分，二者皆是利用样本的信息对总体参数进行推断，但二者是有区别的。 2、参数估计 用样本的统计值（如样本的均值、方差、比例等）来推断总体的这些参数，这就是所谓的参数估计。包括点估计、区间估计。 * * 一、相关的概念 3、假设检验（Hypothesis Test） 首先对总体参数提出某种假设，然后根据样本观测值来验证这个假设是否成立。假设检验是参数估计的反证法。 假设检验的一般步骤如下： （1）根据实际问题的需要提出假设； （2）选择适当的统计量及其分布 ； （3）给出显著水平（Level of Significance），α； （4）统计决策。 一、相关的概念 3、假设检验（Hypothesis Test） （1）根据实际问题的需要提出假设,包括： 原假设： H0 研究假设：H1 原假设被否定时，即接受研究假设。 例：某高校的英语四级平均成绩是67.5分，改进教学方法后，学生的英语四级成绩是否有显著变化？是否有显著提高？是否有显著下降？ 是否有显著变化？ 是否有显著提高？ 是否有显著下降？ 一、相关的概念 3、假设检验（Hypothesis Test） （2）选择适当的统计量及其分布  假设检验，基本上是根据抽样分布的原理。根据H0假设来确定一个抽样分布，由此抽样分布来计算各种情况出现的概率，如果实际样本出现的事件属于小概率事件，然而小概率事件在一次抽样中就出现了，这时我们就要怀疑所作的H0假设了，即：否定H0，接受H1。 一、相关的概念 3、假设检验（Hypothesis Test） （3）给出显著水平（Level of Significance） α  显著水平表示否定域在整个抽样分布中所占的比例，即表示样本的统计值落在否定域内的机会或概率。 在进行研究时，通常是先决定显著度的大小，在当前的社会研究中，一般是以α≤0.05作为准则，此外较为常用的有α≤0.01和α≤0.001。当然，显著度愈小，便愈难否定原假设（H0），也即愈难证明研究假设（H1）是对的。 一、相关的概念 3、假设检验（Hypothesis Test） （4）统计决策  对于SPSS软件处理的假设检验，考察的并非是样本统计值是否属于显著度所代表的否定域内，而是样本统计值对应的相伴概率值大小P与显著度α的比较。如果P≥α，则接受虚无假设H0；如果Pα，接受研究假设H1。 SPSS中相伴概率P显示为： Sig. 二、SPSS的实现 1、总体均值的区间估计Analyze → Descriptive Statistics → Explore → Statistics… 左图中“Confidence Interval for Mean:95%”表示计算所选变量的均值的95％的置信区间。 下图是对2000级学生课堂调查数据.sav数据中平均身高的95％的区间估计；其中红线框中数据表示总体学生的平均身高在（1.6247，1.6928）米范围内。 二、SPSS的实现 2、相关系数的假设检验  原假设 H0：相关系数为零（或不相关）； 研究假设 H1：相关系数不为零（或有相关）。 判断依据：如果相伴概率P（Sig.）≥α，则接受原假设H0，即两变量之间的相关系数为0；如果Pα，接受研究假设H1，即两变量之间的相关系数不为0，所得的样本数据的相关系数可以用于推断样本所来自的总体。 Analyze → Descriptive Statistics → Crosstabs → Statistics… 二、SPSS的实现 2、相关系数的假设检验 SPSS实现： Analyze → Descriptive Statistics → Crosstabs → Statistics…  例如： “性别”和“本科专业”间的相关系数是多少？若给定显著水平α＝0.05，该相关系数是否可以用于推断总体？ 分析： “性别”和“本科专业”间的Lambda相关系数为0.182。 因为该系数对应的相伴概率P＝0.14 α（0.05），因此要接受原假设H0 （两