平均数差异检验(操作).pptVIP

平均数检验 吴 艳 均值检验 平均数与总体（常模）的检验 两个平均数差异的检验—t 检验 多个平均数差异的检验—方差分析 变量类型要求： 因变量是1个连续变量，自变量为2个类别变量—t 检验 因变量是连续变量，自变量为多个类别变量—方差分析 分析 一家企业想要调查企业员工的生活压力、社会支持、身心倦怠的关系，同时调研了性别和年龄 生活压力、社会支持、身心倦怠：连续变量 性别（类别）；年龄（顺序/连续） 独立样本t检验 独立样本 相关样本：一种是前后测，比如说某班学生其中考试和期末考试的成绩差异比较，就是相关样本；第二种是两个匹配样本之间的比较，比如说对男女高中生的记忆力进行比较，为了避免语文成绩对记忆成绩的影响，我们依据语文成绩对男女生进行匹配，保证两者的语文成绩相等，此时，两组数据应该考虑为相关数据。 统计显著与实际差异 统计显著只是代表有差异，但是并不知道差异有多大 实际的差异大小要用效果量（effcet size）表示：效果量是指因变量的总变异中有多少的变异可以由分组变量来解释 效果量≤0.06 低 0.06 效果量0.14 中 效果量≥0.14 高 效果量计算 练习 例题练习一遍 文档：平均数差异检验_1.sav 相关系数 社会支持、生活压力、身心倦怠之间的相关 相关的方向和结果的解释 集体性规律。r外向/神经质= -0.3，“外向性和神经质显著负相关。一般地说，越外向的人，神经质越低。” 相关系数不等距。若 r1=0.3、r2=0.6 、r3=0.9 ，此时，我们不能说r1与r2、r2与r3相关程度上的差异是相等的，也不能说在相关程度上r2是r1的2倍，r3是 r1的3倍。而只能说 r3比r2、r1或者r2比r1的相关程度更密切。 只能描述两个变量之间的变化方向和共变程度，并不能揭示二者内在的本质联系。 有相关存在不一定有因果关系存在 单凭相关我们无法判定是X引起Y还是Y引起X，还是某种潜在的第三变量引起了X和Y。 相关很低时也不能完全排除存在因果关系的可能性。在某些情况下，其他因素会掩蔽变量间的关系引致低的或者零相关。如全距限制(truncated range)问题，即一组分数的分布缺乏变异性。此外，所依据的前提没有满足时，也会导致低相关或者零相关。 偏相关 在计算两个连续变量X1和X2的相关时，将第三个变量X3或其他多个变量的影响予以排除后。 X1和X2这两个变量之间的纯净相关。 偏相关 除去了其他变量的影响后，两个变量之间的净相关。 如用电量与中暑人数的相关，其实是受到天气炎热程度的影响，如果直接计算积差相关，会得出错误的结论。 应该把气温当作控制变量，再计算用电量与中暑人数的偏相关。 相关样本t 检验 教学经营（5）、教学活动（5）、辅导追踪（3）三个方面的重要性与实践程度分析 数学核检问卷.sav 练习 刚刚的例题，并解释结果 * * * * 结果 方差同质性检验 P.05方差同质 男女职员的生活压力有显著的差异（t=-3.171, P=0.0030.05）,女职员的生活压力感受显著高于男职员（两个地方可以看，第一是均值；第二是均值差值）。 SPSS只提供双侧检验结果，若需要单侧检验，则单侧检验的显著性概率值P=0.003/2=0.0015 效果量结果 效果量 整理成表格 表1 不同性别职员在生活压力、社会支持与身心倦怠感的差异比较 6.001 34.27 22 女 .280 -3.848*** 7.144 26.28 18 男 身心倦怠 6.796 27.09 22 女 .136 2.368* 9.581 33.44 18 男 社会支持 7.411 37.45 22 女 .209 -3.171** 7.863 29.78 18 男 生活压力 ? 2 t 值 标准差 平均数 个数 性别 注：*P.05 ** P.01 ***P.001 两个连续变量 结果 零阶相关是指：若不控制第三个变量得到的积差相关 *