教育学统计测量SPSS1904均值比较和T检验技术分析.pptxVIP

4. 均值比较和T检验 肖洋 2015/11/13 教育学统计测量SPSS19 4. 均值比较和T检验 4.1假设检验 4.2参数检验及非参数检验 4.3单样本T检验 4.4两样本——独立样本T检验 4.5两样本——配对样本T检验 4.1假设检验 一、基本概念与统计原理 1.统计假设 原假设：被检验的假设，通过检验可能被接受，也可能被否定；在很多情况下，我们给出一个统计假设仅仅是为了拒绝它。 如果我们要判断一种方法是否优于其他的方法，则假设两种方法之间没有差异。这样的假设通常称为零假设或原假设，记为H0 。 备择假设：与原假设对应的假设，只有在原假设被否定后才可接受的假设。备择假设记为 H1 。 拒绝域、临界点：当检验统计量取某个区域中的值时，拒绝原假设，则称该取值区域为拒绝域，称拒绝域的边界点为临界点。 4.1假设检验 一、基本概念与统计原理 2.显著性水平与置信水平 显著性水平:在作假设检验时，我们犯第一类错误的最大概率称为检验的显著性水平。这个概率常记为 ，通常抽样前就指定好，这样得到的结果才不会影响我们的选择。 在实际问题中，显著性水平可以有多种选择，但最为普通的是0.05或0.01。 置信水平：1- 为置信度或置信水平； 4.1假设检验 一、基本概念与统计原理 3.假设检验的两类错误 第一类错误：在假设检验中拒绝了本来是正确的原假设。 第二类错误：在假设检验中没有拒绝错误的原假设。 4．概率P值 P值是当原假设正确时，观测到的样本信息出现的概率。通常用P值与预先设定的显著性水平值比较，若P值小于显著性水平，则认为该概率值足够小，应拒绝原假设。 5．单侧检验与双侧检验 双侧检验：只强调差异而不强调方向性的检验叫双侧检验。 单侧检验：强调某一方向的检验叫单侧检验。 4.1假设检验 二、小概率事件 在概率论中我们把发生概率小到接近于0的事件称为小概率事件（即在大量重复试验中出现的频率非常低）。 在统计学上，把小概率事件看成在一次特定的抽样中不可能发生的事件，称为“小概率事件实际不可能原理”。这是统计学上进行假设检验（显著性检验）的基本依据。 4.1假设检验 三、假设检验的步骤 第1步 给出检验问题的原假设； 根据检验问题的要求，将需要检验的最终结果作为零假设。 例如，需要检验某学校的高考物理平均成绩是否同往年的平均成绩一样，都为75,由此可做出原假设， 第2步 选择检验统计量； 第3步 规定显著性水平; 4.1假设检验 三、假设检验的步骤 第4步 计算检验统计量的观测值及其发生的概率值； 在给定零假设前提下，计算统计量的观测值和相应概率p值。 第5步 在给定显著性水平条件下，做出统计推断结果。 这里的显著性水平指的是当假设正确时被拒绝的概率，即弃真概率，一般取0.01或0.05。 当检验统计量的概率p值小于显著性水平时——可以拒绝零假设； 如果检验统计量的概率p值大于显著性水平——不应该拒绝零假设。 4.2参数检验及非参数检验 一、参数检验 参数检验的总体分布形式是已知的或假定的，只是一些参数的取值或范围未知，分析的主要目的是估计参数的取值范围，或对其进行某种统计检验。 在本部分的T检验中主要包括: ① 单样本T检验：检验单个变量的均值与假设检验值之间是否存在差异； ② 独立样本T检验：检验两组来自独立总体的样本，其独立总体的均值或中心位置是否一样； ③ 配对样本T检验：检验两个相关的样本是否来自具有相同均值的总体。 4.2参数检验及非参数检验 二、非参数检验 非参数检验是在总体分布未知的情况下，利用样本数据对总体分布形态等进行推断的方法，在推断过程中不涉及有关总体分布的参数，而是检验总体某些有关的性质，如总体的分布位置、分布形状之间的比较等。 非参数检验包括单样本、独立样本、相关样本的非参数检验。(课程最后讲） 4.2参数检验及非参数检验 三、参数检验与非参数检验的比较 参数检验和非参数检验最本质的区别是： 参数检验需要事先确定或假定总体的分布， 非参数检验则不需要假定总体的分布，而是直接用样本来推断总体的分布。 4.3单样本T检验 一、基本概念与统计原理 1.单样本T检验的概念：单样本的均值与给定常数的比较。 单样本T检验利用来自某总体的样本数据，推断该总体的均值与指定的检验值之间是否存在显著性差异，它是对总体均值的假设检验。 为此，给出检验均值u0 ， 原假设 H0 ： u = u0 ，即认为总体均值与检验值之间无显著性差异。 备择假设 H1 ： u ≠ u0 。 例如，从新生的入学成绩的抽样数据推断平均成绩是否