04_参数检验-spss.ppt

4.4 配对样本T检验 配对样本T检验是根据样本数据对样本来自的两配对总体的均值是否有显著性差异进行推断。一般用于同一研究对象（或两配对对象）分别给予两种不同处理的效果比较，以及同一研究对象（或两配对对象）处理前后的效果比较。前者推断两种效果有无差别，后者推断某种处理是否有效。 4.4 配对样本T检验 配对样本T检验的前提要求如下: 两个样本应是配对的。在应用领域中，主要的配对资料包括：具有年龄、性别、体重、病况等非处理因素相同或相似者。首先两个样本的观察数目相同，其次两样本的观察值顺序不能随意改变。 样本来自的两个总体应服从正态分布。 4.4 配对样本T检验 两配对样本T检验的零假设H0为两总体均值之间不存在显著差异。 首先求出每对观察值的差值，得到差值序列；然后对差值求均值；最后检验差值序列的均值，即平均差是否与零有显著差异。如果平均差和零有显著差异，则认为两总体均值间存在显著差异；否则，认为两总体均值间不存在显著差异。 4.4 配对样本T检验 4.4 配对样本T检验 菜单选项: Analyze - Compare Means - Paired-Samples T Test 研究问题 打开数据文件“公司职工”,分析该公司职工平均当前薪金与平均起始薪金之间是否存在显著性差异。 4.5 单因素方差分析 方差分析用于两个及两个以上样本均数差别的显著性检验。 受不同因素的影响，研究的数据会不同。造成结果差异的原因可分成两类 一类是不可控的随机因素的影响，这是人为很难控制的一类影响因素，称为随机变量； 另一类是研究中人为施加的可控因素对结果的影响，称为控制变量。 方差分析的基本思想 通过分析研究不同变量的变异对总变异的贡献大小，确定控制变量对研究结果影响力的大小。 通过方差分析，分析不同水平的控制变量是否对结果产生了显著影响。如果控制变量的不同水平对结果产生了显著影响，那么它和随机变量共同作用，必然使结果有显著的变化；如果控制变量的不同水平对结果没有显著的影响，那么结果的变化主要由随机变量起作用，和控制变量关系不大。 根据控制变量的个数，可以将方差分析分成单因素方差分析和多因素方差分析。 单因素方差分析的控制变量只有一个（但一个控制变量可以有多个观察水平），多因素方差分析的控制变量有多个。 单因素方差分析 定义：单因素方差分析测试某一个控制变量的不同水平是否给观察变量造成了显著差异和变动。例如，培训是否给学生成绩造成了显著影响；不同地区的考生成绩是否有显著的差异等。 单因素方差分析实质上采用了统计推断的方法，由于方差分析有一个比较严格的前提条件，即不同水平下，各总体均值服从方差相同的正态分布，因此方差分析问题就转换成研究不同水平下各个总体的均值是否有显著差异的问题。 采用的统计推断方法是计算F统计量，进行F检验。总的变异平方和记为SST，分解为两个部分 一部分是由控制变量引起的离差，记为SSB（组间Between Groups离差平方和）； 另一部分随机变量引起的SSW（组内Within Groups离差平方和）。于是有 SST=SSB+SSW k为水平数；ni为第i个水平下的样本容量。 SSW是各水平组均值和总体均值离差的平方和，反映了控制变量的影响。 SSB是每个数据与本水平组平均值离差的平方和，反映了数据抽样误差的大小程度。 F统计量是平均组间平方和与平均组内平方和的比，计算公式为 从F值计算公式可以看出，如果控制变量的不同水平对观察变量有显著影响，则观察变量的组间离差平方和必然大，F值也就比较大；相反，如果控制变量的不同水平没有对观察变量造成显著影响，那么，组内离差平方和影响就会比较大，F值就比较小。 操作练习 菜单选项: Analyze - Compare Means - One-Way ANOVA 研究问题:打开文件“公司职工” 分析不同职务人员的年龄有无显著性区别 分析不同年龄段职工的起始薪金有无显著性区别 现代统计理论与方法 第4章 假设检验 本章主要内容 假设检验概述 4.1 单一样本T检验 4.2 两独立样本T检验 4.3 两配对样本T检验 4.4 单因素方差分析 4.5 在正态或近似正态分布的计量资料中，经常在使用前一章统计描述过程分析后，还要进行组与组之间平均水平的比较。本章介绍的T检验方法，主要应用在两个样本间比较。 如果需要比较两组以上样本均数的差别，这时就不能使用上述的T检验方法作两两间的比较。对于两组以上的均数比较，可使用方差分析方法。 假设检验概述 假设检验的基本思想 根据样本的信息检验关于总体的某个假设是否正确,这类问题称作假设检验 通过一个实例说明假设检验的思想和方法 罐装可乐的容量按标准应为355毫升 生产流水线上罐装可乐不断地封装，然后装箱外运.怎么知道这批