SPSS数据的参数检验和方差浅析.ppt

参数检验 单样本t检验 两独立样本t检验 两配对样本t检验 方差分析 单因素方差分析 多因素方差分析 ;参数检验是推断统计的重要组成部分。 推断统计是根据样本数据推断总体特征的方法，它在对样本数据描述的基础上，以概率的形式对统计总体的未知数量特征（如均值、方差等）进行表述。 一是当总体分布已知（如总体为正态分布）的情况下，根据样本数据对总体分布的统计参数（如均值、方差）等进行推断；（参数检验） 二是当总体分布未知的情况下，根据样本数据对总体的分布形式或特征进行推断。（非参数检验）;假设检验的基本问题;假设检验的步骤 （1）提出一个原假设和备择假设 （2）确定检验统计量 （3）确定显著性水平α （4）确立置信区间 （5）结论;例：现对某地区成年女性的平均身高进行检验，看是否达到160 cm 。随机抽样了50个样本，抽样样本均值为162。 （1）提出零假设（null hypothesis）和备择假设（alternative hypothesis） H0：u=160cm H1：u 160cm ;（2）设定显著性水平α （如：设α＝0.05） （3）确定检验统计量：即选择适当的统计量，并在原假设H0成立的条件下确定该统计量的分布。 如：t、Z统计量 （4）确定置信区间 假定此例为：（157，163） （5）结论 假定此例中计算得到t＝1.92，以及t＝1.92实现的可能性P值为0.06。 在0.05水平下t分布表中的t值为1.96;依据t＝1.92＜t分布表中的t值为1.96，接受H0，拒绝H1； 依据t＝1.92实现的可能性P值为0.06﹥显著性水平α的0.05，也可得到‘接受H0，拒绝H1’的结论； 依据样本均值162落在（ 157，163 ）这一置信区间，仍可得到‘接受H0，拒绝H1’的结论。;此例中备择假设H1: u 160cm的假设称为双尾检验（ Two-tailed Test ） ； 如果备选假设为H1: u160cm 或者 u160cm 则称为单尾检验（One-tailed Test）。 其中u160cm为右尾检定（ Upper-tailed Test ）； u160cm为左尾检定（ Lower-tailed Test ） 实际中选择何种备选假设，需根据检验的需要决定。 ;1 参数检验;1.1 单样本t检验－ 根据样本对其总体均值大小进行检验;总体方差 已知，用统计量 当零假设成立，则统计量服从正态分布。 检验的拒绝域为 总体方差未知 用样本方差 代替总体方差 ，用统计量： 当零假设成立，则统计量服从正态分布。 检验的拒绝域为;zf;例1：如果你买了一包标有 500g 重的一包红糖，你觉得份量不足。于是你找到监督部门；当然他们会觉得一包份量不够可能是随机的。于是监督部门就去商店称了 50 包红糖（数据在 sugar.sav ）；其中均值（平均重量）是 498.35g ；这的确比 500g 少，但这是否能够说明厂家生产的这批红糖平均起来不够份量呢？于是需要统计检验。 ;首先，可以画出这些重量的直方图（图1） 判断样本是否服从正态分布;提出假设 由于厂家声称每袋 500g （标明重量），因此零假设为总体均值等于 500g （被怀疑对象总是放在零假设）；而且由于样本均值少于 500g （这是怀疑的根据），把备选假设定为总体均值少于 500g （这种备选假设为单向不等式的检验为单尾检验，）。 即，H0：u=500 H1: u小于500;SPSS 处理数据： 分析（Analyze）—比较均值（Compare mean）—单样本t检验（One Sample T Test） ; Spss 输出结果 :t=-2.696 （也称为 t 值） , 同时得到 p- 值为 0.005 （由于计算机输出的为双尾检验的 p- 值，比单尾的大一倍，应该0.010除以 2 ） 在0.5％的条件下，红糖标记重量为 500g 是不能接受的，实际上平均起来要少于 500g 。 ;依据调查数据，推断储户总体一次存（取）款金额是否为2000元。;依据调查数据对我国目前保险公司从业人员受高等教育的程度和年轻化程度进行推断。 问题1：保险公司具有高等教育水平的员工比例的平均值低于0.8。;问题2：保险公司年轻人比例的平均值与0.5无显著差异。;例3: 某汽车生产厂商要求其生产的汽车刹车直径为322毫米。其中有8个生产车间。质量监控中心样本。（数据见 brakes.sav） 究竟该厂商生产的刹车是否达标？ 其中哪些车间的刹车达标？哪些车