第五章T检验概要.ppt

第五章 T检验 推断性比较技术（一） 1 推断统计的一般概念 1.1 推断统计的含义及类型： （1）含义：推断统计是指用概率分布的方法，由样本的统计量推断总体参数的统计方式。 假设检验：先假定总体参数为μ ，用一个随机样本的统计量 来检验总体参数为μ的假设是否成立。 1.2推断统计的原理： 参数估计和假设检验都是利用正态分布的概率特征来进行的。 （1）正态分布（μ，σ）： 正态分布是一种统计分布，它有如下几个特征： A 单峰对称； B 平均数、中位数、众数合一，都在峰点； C μ ±1.96σ包含了95％的面积； μ ±1.65σ包含了90％的面积；即面积和标准差之间有一个固定换算。 正态分布 N（μ，σ） （3）总体分布：D（ μ ，σ ）总体中某变量的几何分布。有可能是正态分布，也可能不是正态分布。 4.1 假设检验的分布算法 1）确定有关总体参数m的假设；如假设总体平均收入为800元； 2）确定检验此假设的概率标准，即置信区间为P=90％？P=95％？（Z＝1.65? Z=1.96?） 3） 抽取一个随机样本，计算出 （平均数、标准差、标准误，即样本平均数抽样分布的标准差）。 4） 以μ为中心，作出样本平均数抽样分布的给定概率区间。 5）看在这一区间内是否包括了 4.2 假设检验的公式算法： 5.均值比较与T检验 5.1 均值比较与均值比较的检验过程 5.2 MEANS 过程 5.3 单一样本的T检验 5.4 独立样本的T检验 5.5 配对样本T检验 注意数据结构的不同 5.1.1 均值比较的概念 在研究中常常采取抽样研究的方法，即从总体中随机抽取一定数量的样本进行研究来推断总体的特性。由于总体中的每个个体间均存在差异，即使严格遵守随机抽样原则也会由于多抽到一些数值较大或较小的个体致使样本统计量与总体参数之间有所不同。又由于实验者测量技术的差别或测量仪器精确程度的差别等也会造成一定的偏差，使样本统计量与总体参数之间存在差异。由此可以得到这样的认识：均值不相等的两组样本不一定来自均值不同的总体。 能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。 5.1.2 进行均值比较及检验的过程 MEANS过程：不同水平下（不同组）的描述统计量 T test 过程：对样本进行T检验的过程 单一样本的T检验：检验单个变量的均值是否与给定的常数之间存在差异。 独立样本的T检验：检验两组不相关的样本是否来自具有相同均值的总体（均值是否相同，如男女的平均收入是否相同，是否有显著性差异） 配对T检验：检验两组相关的样本是否来自具有相同均值的总体(前后比较，如训练效果) One-Way ANOVA：一元(单因素)方差分析，用于检验几个（三个或三个以上）独立的组，是否来自均值相同的总体。 如果分析变量明显是非正态分布的，应该选择非参数检验过程。 5.2 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：因变量（分析变量，一般为定距或定序变量） Independent List：自变量（分组变量，为分类变量，注意可分层) 选项：统计量选择项，对第一层每个控制变量的分析（方差分析和线性度检验） 例子：P128的学生身高data08-01(不同性别、不同年龄); 发育阶段相同年龄的男孩和女孩是否身高有所不同？是否身高随年龄的增长呈线性关系。 5.3 单一样本的T检验 概念：检验单个变量的均值是否与给定的常数(指定的检验值)之间存在显著差异。如：研究人员想知道一组学生的IQ平均分与100分的差异。要求样本来自正态分布总体。 菜单：Analyze - Compare Means- One-Samples T test Test Variable(s)：要求平均值的变量（一般是定距变量） Test Value：常数 零假设H0：样本均值Mean=常数（检验值）； 结果中比较有用的值：Mean和Sig显著性概率值 例子 ：某地区12岁男孩的平均身高为142.5cm,现有某市测量120名12岁男孩身高资料，检验该市12岁男孩平均身高与该地区12岁男孩平均身高是否有显著性差异。 5.4 独立样本的T检验 要求：a. 被比较的两组样本彼此独立, 没有配对关系 b. 两组样本均来自正态总体 两组样本方差相等和不等时使用的计算t值的公式不同。因此应该先对方差进行齐次性检验。SPSS的输出，在给出方差齐和不齐