均值比较2教案分析.ppt

均值比较过程 例：数据文件“考试成绩”是某班期末考试成绩的统计资料，试用均值比较过程分析全班男女生考试成绩之间的差异。 解： 1、打开数据文件“考试成绩”， Analyze → Compare means → Means 2、将“会计成绩”、“统计成绩”、“管理会计成绩”送入因变量框，将“性别”送入自变量框，在Option中选中ANOVA Table and eta； 3、提交运行。 在输出窗口中可以看到四张表格： 1、观测量概述表 Case Processing Summary 2、均值比较报告表 Report 3、方差分析表 ANOVA Table 4、关联性测度表 Measures of Association 从“均值比较报告表 ”中可以看出，该班的男女学生三门功课的考试成绩没有显著的差异，这一结论还可以从“方差分析表”中得到验证。关于方差分析表，我们将在“方差分析”中详细介绍。 在“关联性测度表 ”中给出了 Eta 和 Eta squared 值。其中Eta 值是与Pearson 相关系数相类似的一个统计量,它与Pearson 相关系数的绝对值接近，即： 在 Excel 中可以用correl ( )和pearson( )得到 的值。 如果 Eta 值越接近1，则说明某一门功课的成绩与性别的关联程度越强。如“会计成绩”与“性别”的Eta值为0.058，说明会计课的考试成绩与性别之间没有密切的关系。 Eta squared 是对Eta 计算平方的结果。 假设检验的原理简介 例：来自正态总体的一个样本 ，样本容量为n，该正态总体的方差 σ2 已知 ，但总体均值 μ 未知，要求检验 μ 是否等于一个已知常数 ？ 因为 ： 则有： ，以及 假设： （原假设，或称零假设） （备择假设） 当原假设成立时，即 ，则有 其中： 在正常情况下，样本均值 不会超出一个以 为中心、t 为半径的区间（称之为接受区间），即： 这个概率非常大，如果给定显著水平 α = 0.05 ，则 这个等式等价于（ 称为置信水平） 令 ， 则： 就表示成： 其中 如果用 表示标准正态分布的分布函数： 则 即有： 由此通过查标准正态分布函数值表可以确定接受区间的两个端点（标准正态分布函数关于y轴对称，z 0）： 查表可得：-z = -1.96 ， 或利用 Excel：normsinv(0.025)= -1.96 SPSS：IDF.NORMAL(0.025 , 0 , 1)= -1.96 因此，在正常情况（95%的置信度）下， 应该在区间 （-1.96 ，1.96）之内，或者说 的值应在以下区间之内： 如果真是这样，则应接受原假设，认为总体均值的确等于一个已知 常数 。否则应该拒绝原假设（转而接受备择假设）。 再计算一下 的值，是否在以上区间之内？ 因为 落在区间（-1.96 ，1.96）的概率为95% 以上的假设检验称之为 u 检验。 例：从一批洗衣粉中抽取了50包，（n=50）称重后得到 克，已知总体标准差为 σ = 0.5 。 试检验总体均值是否为500？给定的显著水平 解：步骤如下： 1、建立假设。按例题的要求可以设定： 2、根据给定的显著水平 ，由 查标准正态分布表，求出 z 的值。例题为 z =1.96 3、确定 的接受区间： (-z ，z )。例题为 （-1.96 ，1.96） 4、计算统计量 的值。例题为： 5、如果