关于显着性检验选择一些整理.docVIP

参数统计与非参数统计的区别 参数统计：即总体分布类型已知，用样本指标对总体参数进行推断或作假设检验的统计分析方法。 非参数统计：即不考虑总体分布类型是否已知，不比较总体参数，只比较总体分布的位置是否相同的统计方法。 1.t检验 适用于计量资料、正态分布、方差具有齐性的两组间小样本比较。 　　(1) 已知一个总体均数； 　　(2) 可得到一个样本均数及该样本标准差； (3) 样本来自正态或近似正态总体。 单个样本T检验：样本均数所代表的总体均数是否和已知总体均数有差别（正态）。 配对样本T检验：两个配对样本所代表的未知总体均数是否有差别（配对的、正态分布）。 两独立样本T检验：两独立样本所代表的未知总体均数是否有差别（正态，样本总体方差相等） 　　 2.t检验 　　应用条件与t检验大致相同，但t′检验用于两组间方差不齐时，t′检验的计算公式实际上是方差不齐时t检验的校正公式。 　　 3.U检验 应用条件与t检验基本一致，只是当大样本时用U检验，而小样本时则用t检验，t检验可以代替U检验。 　　4.方差分析 用于正态分布、方差齐性的多组间计量比较。常见的有单因素分组的多样本均数比较及双因素分组的多个样本均数的比较，方差分析首先是比较各组间总的差异，如总差异有显著性，再进行组间的两两比较，组间比较用q检验或LST检验等。 单因素方差分析是用来研究一个控制变量的不同水平是否对观测变量产生了显著影响。这里，由于仅研究单个因素对观测变量的影响，因此称为单因素方差分析。 多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。这里，由于研究多个因素对观测变量的影响，因此称为多因素方差分析。多因素方差分析不仅能够分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而最终找到利于观测变量的最优组合。 协方差分析将那些人为很难控制的控制因素作为协变量，并在排除协变量对观测变量影响的条件下，分析控制变量（可控）对观测变量的作用，从而更加准确地对控制因素进行评价。 　　 5.X2检验 是计数资料主要的显著性检验方法。用于两个或多个百分比(率)的比较。常见以下几种情况：四格表资料、配对资料、多于2行*2列资料及组内分组X2检验。 卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合，偏差越小，卡方值就越小，越趋于符合，若量值完全相等时，卡方值就为0，表明理论值完全符合。 应用实例： ①适合度检验：利用样本数据以检验总分分布是否为某一特定分布。 ②独立性检验：两个属性间是否独立。 ③统一性检验：检验两个或两个以上总体的某一特性分布。 　　6.零反应检验 用于计数资料。是当实验组或对照组中出现概率为0或100％时，X2检验的一种特殊形式。属于直接概率计算法。 　　7.符号检验、秩和检验和Ridit检验 三者均属非参数统计方法，共同特点是简便、快捷、实用。可用于各种非正态分布的资料、未知分布资料及半定量资料的分析。其主要缺点是容易丢失数据中包含的信息。所以凡是正态分布或可通过数据转换成正态分布者尽量不用这些方法。 符号检验对样本是否来自正态总体没有严格规定。它常用来检验两平均值的一致性。 秩和检验： 秩和检验：用统计量秩和进行的检验。 一、成组设计两样本比较的秩和检验适用条件： （1）成组设计两样本计量资料的比较， 尤其是不满足参数检验条件的成组设计两样本计量资料的比较。 （2）成组设计两样本等级资料的比较。 二、成组设计多样本比较的秩和检验适用条件： （1）成组设计多样本计量资料的比较。尤其是不满足参数检验条件的成组设计多样本计量资料的比较。 （2）成组设计多样本等级资料的比较。 三、随机区组设计秩和检验适用条件： 随机区组设计多样本计量资料的比较。尤其是不满足参数检验条件的随机区组设计多样本计量资料的比较。 四、多个样本两两比较的秩和检验 多个样本组比较的秩和检验，如拒绝H0，只说明比较各组的总体分布位置不同或不全相同，应在此基础上进行两两比较，常用Nemenyi法。 　 　8.Hotelling检验 　　用于计量资料、正态分布、两组间多项指标的综合差异显著性检验。 　　在市场调研中，由于人力、物力、时间等问题，一般都用抽样调查的方法抽取一定数量的具有代表性的群体，得出样本数据来进行市场研究，并对市场总体特征进行统计推断，在这里面就会存在两个问题，一是样本的特征数量能否反映总体特征？二是，两种不同的样本的数量标志参数是否存在差异？只有解决这两个问题，才能正确的推断市场总体特征，也才能找出市场中不同特征群体的需求差异，这就需要统计学中的显著性检验来解决，由于显著性检验的