4、均数间比较课件.ppt

第 3 章 均值检验;?在统计学中，我们往往从样本的特性推知随机变量总体的特性。但由于总体中个体之间存在差异，样本的统计量和总体的参数之间往往会有误差。 如何从样本均值的差异推知总体的差异，这就是均值比较的内容，也就是统计推断的过程。;1、 概述;假设测验的步骤;2、均值检验;2.1 均数;2.1 均数;2.1 均数;2.1 均数;2.1 均数;Mean 均值。 Number of Cases 观测量数目 Standard Deviation 标准差 （为系统的默认选项）;“Anova table and eta”选中将给出方差分析表和eta统计量。方差分析表的前提条件是按照分组变量分组后各组的均值都相等。eta统计量为分组变量与生成统计量的变量关系紧密程度的度量。 eta的平方表示由组间差异所解释的结果变量间的方差的比例。 “Test for Iinearity”选中给出分析变量和分组变量的线性关系参数，其前提条件为：分组变量和分析变量线性相关。;6) 结果与分析;2.1 均数;2.1 均数;2.2 t 检验;t 检验，主要用于样本含量较小（例如n30），总体标准差σ未知的正态分布资料。一般包括：;t 检验的适用条件：;2.2.1 单一样本的t 检验;2.2.1 单一样本的t 检验;2.2.1 单一样本的t 检验;;;;例题;简明分析步骤【Analyze】【Compare means】【One sample t test】;结果解读;廷验咎信粒芯堆奢室峪斟恶防化着走雹莽乱阀邻痊酗汤爆阶忆帧引牵愤浚4、均数间比较课件4、均数间比较课件;2.2.2 独立样本t 检验;;步骤 【Analyze】 【Compare Means】 【Independent-sample t test】 结果 如果 F 检验的 P≤α，认为方差不齐性；接下来看Unequal 行的t检验概率。如果≤α，则拒绝 t 检验的H0，认为两总体均值有显著差异；如果α，则不拒绝 t 检验的H0。 如果F检验的 Pα，认为方差齐性；接下来看 equal行的 t 检验概率。其余同上;2.2.2 独立样本t 检验;DNA含量;结果解读;2.2.2 独立样本t 检验;数据录入格式;变量及分组设置;结果解读;配对设计：将受试对象的某些重要特征按相近的原则配成对子，目的是消除混杂因素的影响，一对观察对象之间除了处理因素/研究因素之外，其它因素基本齐同，每对中的两个个体随机给予两种处理。 两种同质对象分别接受两种不同的处理，如性别、年龄、体重、病情程度相同配成对。 同一受试对象或同一样本的两个部分，分别接受两种不同的处理 自身对比。即同一受试对象处理前后的结果进行比较。 ;目的：判断不同的处理是否有差别 t 统计量计算公式： 自由度：v=对子数-1 适用条件：两样本数据必须两两配对, 即: 样本个数相同, 个案顺序相同。如：减肥茶的效果、不同广告形式对销售额的影响。(控制了个案自身的影响)；两总体服从正态分布。;简明分析步骤;例2 两法测定12份尿铅含量的结果（例子数据.xls）;简明分析步骤【Analyze】【Compare means】【Paired variables t test】;结果解读;2.2.3 配对样本t 检验;2.2.3 配对样本t 检验;要有严密的抽样设计： 随机、均衡、可比 选用的检验方法必须符合其适用条件： 注意：t检验的前提是资料服从正态分布 单侧检验和双侧检验：单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。 假设检验的结论不能绝对化：不能拒绝H0，有可能是样本数量不够；拒绝H0 ，有可能犯第Ⅰ类错误。 正确理解P值与差别有无统计学意义：P越小，不是说明实际差别越大，而是说越有理由拒绝H0 ，越有理由说明两者有差异。;2.3 单因素方差分析（One-Way ANOVA）;2.3 单因素方差分析（One-Way ANOVA）;2.3 单因素方差分析（One-Way ANOVA）;单因素方差分析: 它检验由单一因素影响的一个(或几个相互独立的)因变量由因素各水平分组的均值之间的差异是否具有统计意义。 还可以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进行分析，即进行均值的多重比较。 One-Way ANOVA过程要求: 因变量属于正态分布总体。如果因变量的分布明显的是非正态，不能使用该过程，而应该使用非参数分析过程。 如果几个因变量之间彼此不独立，应该用Repeated Measure过程。 ;分析步骤 提出假设 构造检验统计量 统计决策;提出假设： 一般提法 H0 ： m1 = m2 =…= mk 自变量对因变量没有