交叉分析及平均数检定.ppt

交叉列表的獨立性檢定 用Chi-square分布做獨立性檢定。 如果拒斥檢定假設表示兩者是相關的。 如果接受檢定假設表示兩者是獨立的。 也就是期待值跟觀察值非常相近。 χ 2=∑(期待值-觀察值)2/期待值 自由度: (列數-1)(行數-1) 交叉列表 E11/A1 = E12/A2 = B1/N E21/A1 = E22/A2 = B2/N 所以：E11= A1*B1/N ，每一格子數目由邊際機率決定 假設例子1 假設例子2 期待值 期待值是兩個變數互相獨立時的次數。也就是母體的分佈不因為變數的類別而有所差異。 如果獨立，交叉列表的邊際機率應該等比例出現在每一格。因此，邊際機率乘上另一行或列的次數就是期待值。 假設檢定 虛無假設：變數之間互相獨立 對立假設：變數之間不互相獨立 卡方檢定： P值：自由度為(r-1)(c-1)時卡方值對應的右尾機率 α＝0.05 SPSS報表 SPSS報表 標準化殘差 標準化殘差越大，越拒斥兩變數獨立的假設。 SPSS報表 單變數卡方檢定 如果知道母體的比例，或是假定成隨機分佈，可根據樣本數計算單變數的期待值。 自由度為r-1 例：中國男女比例為106：100，也就是男生佔53％，女生佔47％。如果樣本數900之中，男生佔49％，女生佔51％。檢定結果，卡方值5.78，P=0.0162 同一樣本兩群體之間關係 如果樣本是隨機抽出，把樣本拆成兩個次樣本，理論上這兩個次樣本應該是隨機樣本。 如果有一變數會隨著兩個次樣本而變動，可稱之為依變數，而次樣本所屬群體為自變數。 標準誤 如果是平均數： 如果是比例： 信賴區間 例：同一樣本的平均值差異 某一調查發現，1219名男性之中，平均花23分鐘做家事，標準差32；733名女性中，37分鐘做家事，標準差16。 因為（37-23）±1.96（se)=(12,16)，所以女性的做家事時間多了男性12～16分鐘。 例：獨立樣本的比例差異 有兩個民意調查，第一個民調發現1000名受訪者中有560人贊成後座綁安全帶，第二個民調發現1200名受訪者中，570人贊成。 p1=560/100=0.56。p2=570/1200=0.475 (p1-p2)±1.96(0.021)=(0.043, 0.126) 例：獨立樣本的假設檢定 1982年345位受訪者之中有35％同意男主外女主內，1994年的1900位受訪者中則有14％同意。 z值約等於9.47，p0.001，故可拒斥兩個平均值相等的虛無假設。 課程八 雙變數關係、交叉分析 簡介 不同類別之間是否有顯著不同的連續變數 兩類別變數之間是否獨立 類別之間的差異 如果一個連續變數會隨著另一個類別變數而變化，連續變數稱為依變數或是結果變數(outcome variable)，類別變數稱為自變數。 如果一個類別的分數與另一個類別的分數互相影響，即不互相獨立，兩變數之間的相關便不成立。 N A2 A1 B2 E22 E21 2 B1 E12 E11 1 2 1 100 51 49 女性 100 49 不知道林書豪 200 100 100 51(E11=50) 知道林書豪 男性 100 65 35 不知道 100 35 其他學校畢 200 100 100 65(E11=50) 知道金璇獎 政大畢業 兩連續變數之間的關係 如果f(y)=f(y|x=X)，也就是y的分佈可被x所包含的資訊解釋。 或者是E(y)=E(y|x=X)，y的平均值等於y給定X的平均值。 兩群體的平均數比較 同一個樣本，可分為兩群觀察值，分別有μ1及μ2平均數。 如果要確定μ1及μ2之間有無差異，便視μ1-μ2為參數，並以虛無假設μ1-μ2=0檢驗。 檢驗μ1-μ2先把母體的μ當做樣本的y-bar。 然後計算標準誤σy1-y2。 根據中央極限定裡，σ可以用s估計。 平均數檢定 若已知兩個獨立樣本的樣本數以及比例，可求z值以檢定平均數是否相等。 p-hat是兩個事件數相加除以兩個樣本的總數 總結 瞭解類別變數的交叉分析 瞭解連續變數的平均值比較之檢定方法 瞭解隨機樣本的兩群體平均值或比例之比較