SPSS数据分析第三四讲PPT.ppt

配对T检验操作 选择【分析】→【比较均值】→【配对样本T检验（P）】 T检验结果解释 配对T检验注意事项 需要先检查两个样本是否服从正态分布。应用直方图、Q-Q图或者K-S检验等方法来检验差值变量的正态性。 分析变量中是否含有离群值。可以用箱图来检查离群值的情况。 可以先计算配对样本的差值变量，然后进行单样本的T检验。 动手练习 数据文件GSS2004_Mod.sav中记录了男性或者女性每周上网浏览网页的时间（变量WWWHR，单位小时）和每天观看电视的时间（变量TVHOURS，单位小时）。用本章学习的技巧分析男性和女性在观看电视的时间和上网的时间上分别就什么区别。 第四讲 方差分析 方差分析的主要内容 方差分析的基本思想 了解方差分析和比较均值的异同 单因素方差分析的应用条件、方法和结果的解释 多因素方差分析的应用条件、方法和结果的解释 协方差分析的应用条件、方法和结果的解释 t检验应用于研究单样本均值的比较和两个样本均值的比较。在生产活动和科学研究中经常会遇到比较三个或者三个以上样本均值的差异问题。这时，采用的统计方法称为方差分析，简称ANOVA（analasis of variance）。 例如某机构对当前民众的生活状况进行调查，根据被调查者的回答把居民对待生活的态度分为三类：认为生活丰富多彩、生活平平常常和生活乏味三类，它们想知道人们对待生活的态度是否和他们受教育的情况有关系，即这三类人是否在受教育程度上有显著的区别。 方差分析的术语 试验中的实验结果是需要分析的变量，称为响应变量，或者因变量。方差分析的因变量必须为尺度类型的数据（即连续数据）。 影响试验结果的因素即为影响响应变量的变量，称为自变量或者因子。根据试验中这些因素的处理方式，因素可以分为控制因素、随机因素和协变量。 因子的不同取值称为因子的不同水平。 控制因素一般要求为分类变量，而协变量要求为尺度数据。 控制因素：它是试验中可以控制的影响试验结果的因素，因素的不同水平会导致不同的试验结果。 不可控因素：因素的水平与试验结果的关系是随机的，即不确定因素，但是不同于随机因素，可以理解为非研究关心的因素或非处理因素。 随机因素：因素与试验结果的关系是随机的，其水平也是随机出现的。 处理：在试验中，控制因素的一个水平或者几个控制因素的某一水平组合称为一个处理。 方差分析的前提条件 方差分析的自变量是“因子”或者“因素”，它是分类变量；其因变量则为尺度变量，需要满足以下两个基本前提条件： 每个处理的因变量为正态分布（正态性） 每个处理的因变量具有相同的方差（方差齐性） 方差分析基本原理 方差分析的前提： 各样本相互独立 各样本来自正态总体 样本所属的总体方差相等，即方差齐性 方差分析基本原理 认为不同处理组的均值间的差别基本来源有两个: （1）随机误差：如抽取样本的随机性造成的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSE （2）系统误差：由控制因素中不同水平造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和表示，记作SSA 方差分析基本原理（续） 组内SSE 、组间SSA除以各自的自由度(组内dfE =n-m，组间dfA=m-1，其中n为样本总数，m为组数)，得到其均方MSE和MSA 一种情况是处理没有作用，即各组样本均来自同一总体， MSE/MSA≈1。另一种情况是处理确实有作用，那么， MSA/MSE (远远大于1,足以超过某个临界值)。 F =MSA/MSE，服从F分布。用F值与其临界值比较，推断各样本是否来自相同的总体. 方差分析的假设检验 零假设H0：m组样本均值都相同，即μ1= μ2=....= μm 如果经过计算结果组间均方远远大于组内均方（ MSA MSE ），FF0.05(dfA,dfE), p=0.05，拒绝零假设， 说明样本来自不同的正态总体，说明处理造成均值的差异有统计意义；否则, FF0.05((dfA,dfE), p0.05不能拒绝零假设，说明样本来自相同的正态总体，处理间无差异。 F 分布曲线 F 分布曲线下面积与概率 第三讲 假设检验与均值比较 假设检验的基本思想 假设检验的思想 反证法及小概率原理。所谓反证法及小概率原理即首先在原假设正确的条件下计算出现该样本或者样本统计量的概率，如果这种事件发生的概率很小，譬如小于5%，那么就拒绝原来的假设，而接受备择假设。 两类错误 “小概率事件在一次试验中几乎不会发生” ，但是小概率事件并非是不可能发生，只是其发生的概率很小，并不能完全排斥其发生的可能性。 因而假设检验有可能犯两类错误： 第一类错误：原假设正确，而错误地拒绝了它，即“拒真”的错误，其发生的概率为犯第一类错误的概率。 第二类错误：原假设不正确，而错