第七讲推论统计与参数估计1.ppt

* 2、有效性 有效性的标准要求估计值的抽样分布，应该具有较小的分散性。以保证一次抽样的结果能以较高的概率接近待估的总体参数。 也就是说，如果有两个估计值Q1和Q2，它们都满足无偏性的话，那么，如果Q1的方差比Q2小时，则称Q1比Q2有效。 * 3、一致性 当样本容量逐渐增大时，估计值接近参数值的概率越大。 * 4.8 参数点估计的局限性 参数的点估计比较简单，但参数点估计很难计算出估计的精度（可信度），因此研究中使用不多。 而参数的区间估计用一个范围来估计总体参数，而且可以指出参数所在区间里的概率，即区间估计的置信度。从这个意义上讲，参数的区间估计应用更广。 * 第七讲：推论统计与参数估计(1) * “社会学研究关注关心的是总体的情况，不是样本的情况。”——李沛良《社会研究的统计应用》 “我们真正感兴趣的是总体，而不是样本。我们抽取样本，只是为了方便，而我们的目的是在于根据已知的统计量来推论各种参数。” ——布莱洛克《社会统计学》 * 一、推论统计的基本概念 * 1.1 样本与总体 ☆ 总体(Population) 所关心的所有元素的集合 ☆ 样本(Sample) 从总体中按一定方式抽取出的一部分 元素的集合 总体 ? ? ? ? ? ? ? 样本 ? ? ? ? * 1.2 统计量与参数值 ☆ 参数值(Parameter) 总体的数字特征，通常用希腊字母表示；例如总体均值μ，总体标准差σ ； ☆ 统计量(Statistic) 样本的概括性测度值，通常用罗马字母表示；例如样本均值 ，样本标准差S。 * 1.3 抽样 从组成某个总体的所有元素的集合中，按一定的方式选取或抽取样本（一部分元素）的过程。 简单讲，抽样就是从总体中抽取样本的过程。 * 1.3.1 抽样方法 概率抽样：根据已知的概率(随机原则）选取样本个案 ? 简单随机抽样： ? 分层抽样： ? 整群抽样： ? 等距抽样： 非概率抽样：不是完全按随机原则选取样 ? 偶遇抽样： ? 判断抽样： ?配额抽样： * 1.4 概率 随机事件发生可能性（或然性）大小的数量表示。 * 1.5 抽样分布 抽样分布是根据概率原则而成立的理论分布，显示由同一总体中反复不断抽取不同样本时，各个可能出现的样本统计量的分布情况。 * 1.6推论统计（概念要点） 1、根据样本的统计值来推测总体的参数值。 2、统计推论以概率论为基础，因此统计推论的方法主要适用于概率（随机）抽样的数据。 3、抽样分布原理是统计推论的依据。 * 二、统计推论的基础：抽样分布 ——以均值抽样分布为例 * 2.1 抽样分布（概念要点） 由一个总体中反复不断抽取不同样本时，各个可能出现样本统计值的分布情况。比如均值的抽样分布。 抽样分布是以概率为基础的。 抽样分布是一种理论分布。 * 2.2 均值抽样分布图 Xi f μ 根据数学的中心极限定理，在大样本情况下，均值抽样分布接近正态分布。 * 2.3 均值抽样分布的基本特征 1、大样本（通常指n≥ 50，当然越大越好),均值抽样分布服从正态分布； 2、均值抽样分布之均值就是总体均值μ； 3、均值抽样分布的标准差，称为标准误差（standard error)，计算公式为 * 2.3 均值抽样分布的基本特征（续1） 4、如果将均值标准化，就可得到标准正态分布： ～ N（0，1） 此表达式是参数估计和假设检验的基础 * 2.3 均值抽样分布的基本特征（续2） 5、通过标准化转化，均值抽样分布中任意两值之间的样本均值次数所占的比例是可以知道的。通过查标准正态分布表，社会学常用的有： 90％的面积在μ±1.65(SE); 95％的面积在μ±1.96(SE); 99％的面积在μ±2.58(SE); * 2.4 均值抽样分布特征的意义 统计推论，就是根据抽样分布的原理来进行的，而抽样分布则与概率密切相关。 因此，只要我们是采用随机抽样法，就可以根据抽样分布，以样本的统计值来推测总体参数。 * 三、推论统计的两种模式 参数估计（parameter’s estimation) 假设检验(hypothesis test) * 3.1 参数估计 根据随机样本的统计值对总体的参数值进行估计。 例如，由样本算