定量研究方1.docVIP

定量研究方法：推断统计 中山大学 梁宏 内容提要 抽样的意义是什么？ 为什么随机样本可以代表总体？随机样本和总体是通过什么联系起来？ 什么是抽样分布？ 了解不同统计量及样本量对应的抽样分布 样本统计量推断总体特征：参数估计 样本统计量检验总体参数：假设检验 了解不同情况下的总体检验 抽样的意义 抽样的意义： 社会科学研究关心的是总体情况，而非样本情况； 抽样的意义和过程 抽样分布——概念要点 抽样分布是根据机率的原则而成立的理论性分布，显示由同一总体中反复不断抽取规模相同的样本时，各个可能出现的样本某个统计值的分布情况。 所有样本指标（如均值、比例、方差等）所形成的分布称为抽样分布 是一种理论概率分布 随机变量是 样本统计量 样本均值, 样本比例等 结果来自容量相同的所有可能样本 样本均值的抽样分布 样本均值的抽样分布 样本均值的抽样分布 所有样本均值的均值和方差 样本均值的分布与总体分布的比较 均值抽样分布的特征 如果样本相当大（n大于30），则抽样分布接近正态分布； 任合两值之间的样本均值次数所占的比例是可知的； 抽样分布的均值就是总体均值； 抽样分布的标准差称为标准误（差），是总体标准差除以样本大小（n）的平方根； 中心极限定理（图示） T 统计量的分布 样本比例的分布与总体分布的比较 二项抽样分布 二项，即所研究的变量只有两个值，如“是”与“否”。 样本比例的分布情况 样本中“是”的几率为:p(r) = n! Pr Qn - r / r! (n - r)! 公式表示样本获得 r 次“是”的机率。其中，n为样本数，r为“是”的次数，P为每次“是”的机会，即总体中“是”的比例，Q为每次“不是”的比例。 当样本量较大（最好n=100）时，可将二项分布近似为正态分布 样本方差的抽样分布 两个样本方差比的抽样分布 参数估计 只要采用随机抽样法，就可根据抽样分布，以样本统计值来推测总体情况。即根据一个随机样本的统计值来估计总体参数是多少。 参数估计方法： 点估计：以一个最适当的样本统计值来代表总体的参数值；理论基础是抽样分布；但是，没给出估计值接近总体未知参数程度的信息； 区间估计：以一个区间去估计总体参数值；根据一个样本的观察值给出总体参数的估计范围，并给出总体参数落在这一区间的概率。例如: 总体均值落在50~70之间，可信度为 95% 落在总体均值某一区间内的样本 假设检验 假设：对总体参数的一种看法 总体参数包括总体均值、比例、方差等； 分析之前必需陈述； 假设检验： 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； 方法的特点： 采用逻辑上的反证法； 依据统计上的小概率原理； 假设检验的步骤 根据研究假设（H1）成立与其对立的虚无假设（H0）; 选择适当的统计量和检定统计法，并要列举其假设或要求； 决定显著度?； 根据样本资料计算检定值，从而作出决策。 研究假设和虚无假设 研究假设 根据理论或经验提出的有待探讨、研究的假设。 虚无假设 与研究假设对立的假设； 根据它来确定抽样分布，然后求出它是正确的可能性。 假设检验的基本原则是直接检验H0，因而间接地检验H1，目的是排除抽样误差的可能性。 两种假设的逻辑 为什么要确定虚无假设？ 在社会科学中，根据理论或经验建立的研究假设基本上是模糊的，即建立起来的数量关系不包含相等的关系。于是，直接检验它就找不到一个切入点（临界点），而与之对立的虚无假设是具体的（包含相等关系），容易找到检验的切入点（临界点）。 由于虚无假设含有具体切入点（临界点），因此容易根据样本条件（样本量以及方差是否相等）建立抽样分布。 在一个具体的抽样分布中，我们就可以根据小概率事件原理进行推断。 总而言之： 用小概率原理，直接检验虚无假设，进而间接地检验研究假设（即反证法）； 在这个过程中排除了抽样误差的影响。 假设检验的基本逻辑：反证法 反证法的过程： 先设立H0（即总体中的均值是M），进而以此为基础确定抽样分布。 如果我们所随机抽取的样本均值在以H0为基础的抽样分布中出现的机会很小，那么就应该否定虚无假设（ H0 ），改而接受研究假设（ H1）。 基本原则: 是直接检验H0，因而间接地检验H1，目的是排除抽样误差的可能性。 否定域与显著度 否定域 根据虚无假设H0确定的抽样分布内一端或二端的小区域，如果样本统计值在此区域范围内，则否定虚无假设H0。 显著度 小概率 否定域在整个抽样分布中所占的比例； 表示样本统计值落在否定域内的机会； 虚无假设为真时，拒绝它的概率。 表示为 ??(alpha)常用的 ??值有0.01, 0.05, 0.10 由研究者事先确定。 确定位置的统计量 ( 什么检验统计量？ 用于假设检验问题的统计量 确定真实的样本在以虚无假设为基础的假想抽