外语研究中的统计方法总结.doc

T-检验 方差分析 定义 两组平均数的差异检验：（1）两个样本（2）单一样本与总体 比较多组平均数；组间差异与组内差异比值 前提 1、抽取样本的总体呈正态分布2、数据随机从一个总体中通过样本抽取3、因变量必须是连续性数据，即定距变量或定必变量4、自变量必须是分类的、离散性数据，水平必须是2 1、样本所来自的总体呈方差齐性2、因变量数据在总体中呈正态分布3、数据由随即抽样获得；4、因变量的数据必须是区间级变量或分类不多的比率级变量5、自变量必须是名称级或顺序变量 形式 单一样本t-检验 定义：检验某个变量的总体均值和某指定值之间是否存在显著差异样本均数与已知总体均数之间的比较） F检验：方差分析以F检验来推断几个平均数差异的显著性。 如果组间与组内方差相等，即F比值等于或接近1，表明各组平均数无显著差异；如果F值很大，大到超过F抽样分布上某种显著性水平的临界值，则拒绝零假设，接受有显著性差异的备择假设 前提：样本总体服从正态分布 F分布：形态随F比值分子和分母中的自由度的变化而形成的一簇正态分布 组间方差MSb= 组间自由度：dfb=K－1(组数减1) 组内方差 组内自由度dfw=K(n-1)=N-K 实现过程：analysis-compare means-one-sample t-test 几个概念：实验或调查中的自变量称为因素，只有一个自变量的方差分析称为单因素方差分析，用one-way ANOVA命令计算；有两个以上因素的称为多因素方差分析，用Univariate命令计算 某一个因素的不同情况称为因素的“水平” 各因素水平之间的每个组合叫做一个“单元”（cell） 两独立样本t-检验 定义：两个样本之间彼此没有任何关联，两个独立样本各自接受相同的测量 单因素方差分析 单一因素各水平影响的一个（或几个相互独立的）因变量各组平均数之间的差异；对该因素的若干水平分组中哪一组与其他各组均值间具有显著性差异尽心分析，即进行均值多重比较 前提：（1）两个样本互相独立＞.05 方差齐性；≤.05方差不齐性（2）样本来自的两个总体应该呈正态分布 实现过程：analysis-compare means- one-way ANOVA 方差不齐性：Tamhane’s T2 方差齐性：LSD 实现形式：analysis-compare means-independent-sample t-test 效应幅度： 两配对样本t-检验 定义：根据样本数据对样本来自的两配对总体的均值。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 多因素单因变量方差分析 对一个独立变量是否受一个或多个因素或变量影响；可以分析每一个因素的作用，也可以分析因素之间的交互作用，以及分析协方差、各因素变量与协变量之间的交互作用 前提：两个样本应该是配对的；观察数目相同；顺序不能随意改变 实现形式：analysis-compare means-paired-sample t-test 效应幅度 Cohen’s 公式：d= 单因素： a week effect 0.1-0.3 a modest effect 0.3-0.5 a moderate effect ＞0.5 a strong effect 效应幅度指数值： 0-0.2 a week effect 效果弱 0.21-0.5 a modest effect 效果弱强（尚可） 0.51-1.00 a moderate effect 效果中强 ＞1.00 a strong effect 效果强 多因素：在P值小于.05时观察 Eta squared=SSmod/SStotal 效应幅度弱 0.1-0.3 效应幅度弱强 0.3-0．5 效应幅度中强 ＞0.5 效应幅度强 相关分析 相关的概念：两个变量之间不精确、不稳定的变化关系称为相关关系。两个变量值不是一一对应得那样精确、稳定。 变化关系：变化方向上：正相关（变化方向一致）、负相关（变化方向相反）、零相关（变化方向无一定规律） 密切程度：强相关或弱相关、中度相关、弱相关或低度相关 相关系数（Correlation coefficient）：用r 表示。数值范围在-1到+1之间，即0≤ ︱r︱≤1 重要知识：相关系数的值，仅仅是一个比值，不能做数学运算。也不能揭示两者之间的内在本质，不一定存在因果关系。 相关系数所显示的相关强度： r：＜︱0.3︱低度/弱相关 r: ＞︱0.3︱且＜︱0.8︱中度相关 r: ＞︱0.8︱高度/强相关 相关系数的显著性检验：要看r在抽样分布上出现的概率如何 形式： 皮尔逊相关分