参数检验.pptVIP

6.1 参数检验概述 6.1.2 假设检验的基本思想 1.事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立； 2.采用逻辑上的反证法，依据统计上的小概率原理。 6.1.3假设检验的基本步骤 提出原假设（零假设）H0； 确定适当的检验统计量； 计算检验统计量的值发生的概率（P值）； 给定显著性水平，并作出统计决策。 MEANS 过程 功能：分组计算、比较指定变量的描述统计量。包括均值、标准差、总和、观测数、方差等等，还可以给出方差分析表和线性检验结果。 Analyze- Compare Means-Means Dependent List：用于选入需要分析的变量，如果选入两个以上变量，系统会在同一张输出表中依次给出分析结果。 Layer ：用于选入分组变量，如果选入两个以上的变量，系统会根据layer的设置情况作出不同的反应。 Options子对话框：用于选择需要计算的描述统计量和统计分析。 Statistics框：可选的描述统计量；cell ststistics：选入的描述性统计量 Statistics for first layer复选框：用于选择是否检验第一层的分组变量对结果变量的影响有无统计意义。Anova table and eta：对分组变量进行单因素方差分析，用于度量分组变量和结果变量间的关联性。Eta平方表示由组间差异所解释的结果变量的方差的比例。Test for linearity：检验线性相关性，即不同组的均值间是否存在线性趋势。当分组变量为数值型变量时系统自动进行线性相关性检验。 6.2 单样本的T检验 6.2.1检验目的： 利用来自某总体的样本数据，推断该总体的均值是否与指定的检验值之间存在显著差异。 例如 利用居民储蓄的抽样调查数据，推断储户总体的一次平均存款金额是否为2000元； 根据全国各主要保险公司人员构成情况的数据，推断具有高等教育水平的员工平均比例是否不低于0.8，年轻人的平均比例是否为0.5。 前提是要求样本来自的总体服从或近似服从正态分布。 6.2.2 单样本T检验的实现思路 提出原假设： 选择检验统计量，t统计量 计算检验统计量和概率P值 给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 总体均值的检验 6.2.3 单样本t检验的基本操作步骤 1、选择选项Analyze－Compare means－One-Samples T test，出现窗口： 2、在Test Value框中输入检验值。 3、单击Option按钮定义其他选项。Option选项用来指定缺失值的处理方法。其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。可见，较第二种方式，第一种处理方式较充分地利用了样本数据。在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可以输出默认95％的置信区间。 至此，SPSS将自动计算t统计量和对应的概率p值。 应用举例 例1：利用居民储蓄的抽样调查数据，推断储户总体的一次平均存款金额是否为2000元； 例2：根据各保险公司人员构成情况数据，对我国目前保险公司从业人员的受高等教育的程度和年轻化的程度进行推断： 保险公司具有高等教育水平的员工比例的平均值不低于0.8； 年轻人比例的平均值与0.5无显著差异。 6.3 两独立样本的T检验 6.3.1 两独立样本T检验的目的 目的是利用来自某两个总体的独立样本，推断两个总体的均值是否存在显著性差异； 例如，利用居民储蓄的抽样调查数据，推断城镇储户总体和农村储户总体的一次平均存款金额是否有显著差异； 再例如，利用主要保险公司人员构成情况数据，分析全国性保险公司与外资和合资保险公司的人员构成，如具有高等教育水平的员工比例，年轻人的比例等是否存在显著差异： 要求两组样本相互独立，两独立样本的样本容量可以相等，也可以不相等； 前提：样本来自的总体服从或近似服从正态分布。 6.3.2 两独立样本T检验的基本步骤 提出原假设H0 两总体均值不存在显著差异： 选择检验统计量 计算统计量和P值：首先利用F检验确定两个总体的方差是否相等；然后再选择合适的T统计量计算观测值和概率P值； 根据显著性水平和概率P值进行统计决策。 两个独立样本之差的抽样分布 情况1：两个总体方差?12、 ?22 未知但相等 检验具有等方差的两个总体的均值 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 两个总体方差