SPSS常见统计问题与统计基础.ppt

计算机在食品科学中的应用——软件应用技巧 河南农业大学 赵改名 计划内容安排(共商讨) 论文中常见的统计问题及统计基础 Excel SPSS Word Adobe Acrobat 表格设计技巧 图像处理技巧 JMP和Design Experts功能简介 投稿SCI论文注意事项 常见的统计问题及统计基础 不进行统计分析，凭直观数据下结论 不考虑数据类型只管按连续变量进行分析 不考虑数据分布和方差同质性(方差齐性)，直接统计分析 不考虑样本大小，直接分析下结论 标准差与标准误不分 用T检验进行多重比较分析 多重比较时不考虑整体方差分析结果 仅靠相关分析轻易下结论 回归分析不进行回归效果诊断 图表选用不当 不统计下结论的问题 如肉品抑菌剂试验，假如三组处理肉样的微生物总数测定结果平均为1×104个·g-1、 3×104个·g-1和 5×104个·g-1。虽然表面差异很大，如果作图差别也很明显，但由于没有统计分析，样本大小、标准差或标准误均不清楚，更没有下结论的可靠性概率，就不能说第一种抑菌剂比第三种或比第二种效果更好。 考查数据类型 正确地进行资料的分类是资料整理的前提。在调查或试验中，由观察、测量所得的数据按其性质的不同，一般可以分为数量性状资料 、 质量性状资料和半定量（等级）资料三大类。 数量性状是 指能够以量测或计数的方式表示其特征的性状 。观察测定数量性状而获得的数据就是数量性状资料 ，分为计量资料和计数资料两种。计量资料也称为连续性变异资料。计数资料也称为不连续性变异资料或间断性变异资料。 质量性状是指能观察到而不能直接测量的性状，如颜色、 风味等。这类性状本身不能直接用数值表示，须对其观察结果作数量化处理，常用统计次数法和评分法处理。 半 定 量 或 等 级 资 料是指将观察单位按所考察的性状或指标的等级顺序分组，然后清点各组观察单位的次数而得的资料。这类资料既有次数资料的特点，又有程度或量的不同。如产品等级，肉的质量等级等。 不同的数据类型要用不同的分析方法和检验措施。 统计需要解决的主要问题 建立模型——分布模型确立 模型参数估计 假设检验——利用模型对无效假设进行检验 平均数差异性要检验——t检验、方差分析 参数间关系分析——其它统计手段，如相关、回归、主成分、聚类、判别等 数据分布类型 中心极限定理告诉我们：不论x变量是连续型还是离散型，也无论x服从何种分布，一般只要n＞30，就可认为 的分布是正态的。 若x的分布不很偏倚，在n＞20时 ， 的分布就近似于正态分布了。 方差齐性问题 当样品分布属于或接近正态分析时，此时抽样方差是均一的，即齐性方差，都可以对数据进行方差分析的参数检验处理；相反，如果样品分布与正态分布相差太大，或经方差检验方差均匀性不好，即存在非齐性方差，只能用非参数检验处理。同样的处理，非参数检验结果可信度比参数检验结果低20%左右，除非不得已，一般不用非参数检验。 参数检验模型选择——一个正态母体的均值检验 σ2已知，用U检验法(正态分析法)； σ2未知，但为大样本(n≥45)，用U检验法； σ2未知，且为小样本，用T检验法； 参数检验模型选择——两个正态母体的均值检验 σ12和σ22已知，用U检验法(正态分析法)； σ12和σ22未知，但均为大样本，用U检验法； σ12和σ22未知， σ12=σ22 =σ，且两个样本容量不大时，用T检验法； σ12和σ22未知， 且σ12≠σ22 ，但n1=n2时，用T检验法； 参数检验模型选择——一个正态母体的方差检验 μ已知，用χ2检验 μ未知，用样品均值取代μ，仍用χ2检验 参数检验模型选择——两个正态母体的方差检验 μ1和μ2已知，用F检验 μ1和μ2未知，用样品均值取代μ1和μ2 ，仍用F检验 样本大小与结论可靠性 平均数抽样调查的样本含量估计 目前对调查研究所需样本含量，还没有一个精确的估计方法。一般要求样本含量占抽样总体的5%为最小量，对变异较小的群体，则可低于5%。斯丹(C. Stein)认为，调查样本含量与调查要求的准确性高低及所研究对象的变异度大小有关。因此，需要提出我们能够接受的允许误差，并初步了解调查指标变异度的大小。 由样本平均数与总体平均数差异显著性检验的t检验公式推出的样本含量计算公式为： 式中：n为样本含量； 为自由度n-1、两尾概率为a的临界t值； S为标准差，由经验或小型调查估得； δ为允许误差 ，可根据调查要求的 准确性确定； 1-a为置信度。 配对设计中重复数的估计 由配对设计t检验公