市场营销调研教学资料 从Z检验到T检验到F检验.docVIP

从Z检验到T检验到F检验 问题1：Z分布与T分布有何区别？ F检验： 在一元方差分析（ANOVA）中，可计算F值。 组间方差SSb 组内方差SSw C=组数 n=样本数 计算方法请见《传播统计学》210页； 查看书后的标准正态分布，T分布，F分布，理解检验量为标准值Z，T值，F值时如何查显著性水平； 此节不愿了解的同学可直接飘过。。。。。。 二．相关分析 对两个变量进行相关分析之后，得出如下结果：Correlations R age 118 R age Pearson Correlation 1.000 .369 Sig. (1-tailed) . .000 N 882 817 118 Pearson Correlation .369 1.000 Sig. (1-tailed) .000 . N 817 817 ** Correlation is significant at the 0.01 level (1-tailed). 问题2：相关分析需要报告哪三个要点？ 三．一元线性回归分析 看图说话： Total component Regression component Residual component 自变量X对因变量Y的影响，上图表示X与Y的关系可用一条回归直线来表达，这条直线的计算方法叫最小二乘法，可得出叙率b，也叫回归系数。 决定系数R2的计算方法 决定系数(coefficient of determination)表明自变量能解释的因变量的方差的比例，能表明数据与回归方方程的拟合程度。 统计量F（这是对总体回归系数的显著性检验，如果F检验显著，则表明总体回归方程是显著的，即自变量对因变量有显著影响）： 总而言之，当分析自变量对因变量的影响，使用回归分析，会得到如下结果： Model Summary（模型概述，报告决定系数，说明回归解释了因变量的方差的百分比） Model R R Square Adjusted R Square Std. Error of the Estimate 1 .369 .136 .135 1337.4037 a Predictors: (Constant), R age ANOVA（方差分析，说明自变量对因变量的影响是否显著，报告显著性水平） Model Sum of Squares df Mean Square F Sig. 1 Regression 229119796.889 1 229119796.889 128.097 .000 Residual 1457748744.114 815 1788648.766 Total 1686868541.004 816 a Predictors: (Constant), R age b Dependent Variable: 118 Coefficients（系数，报告自变量对因变量的回归系数及显著性水平） Unstandardized Coefficients Standardized Coefficients t Sig. Model B Std. Error Beta 1 (Constant) 1434.508 175.006 8.197 .000 R age 56.981 5.035 .369 11.318 .000 a Dependent Variable: 118 结论： 1. 相关分析需报告相关系数值（正负方向）和显著性水平 2. 回归分析需报告：R，回归模型的显著性（F检验的显著性水平），回归系数及显著性水平 仅有黄色高亮的部分需要了解，其余均非必须。