第十七章 双变量总体的假设检验.ppt

第七章 双变量总体的假设检验 知识点 X2检验 Gamma系数的检验 F检验 相关系数的检验 样本中的两个变量之间的差异和关系在总体中是否是真实存在的 要注意选定相关检验法时各变量的测量层次 X2检验要求两变项都是定类变量，当然可以分析较高测量层次的变量 一、X2检验（Chi-square） 推测总体中两个变量是否相关 样本是随机方法抽取的 两个变量都具有定类性质 可用于较高层次的变量间关系的检验 对于总体的研究假设和虚无假设 H0：x和y没有差异 H1：x和y有差异 具体的计算方法： 用每一个f所在的行的总数乘以它所在的列总数，在除以全部个案数。 例子： 检验的步骤 建立两个变量有无关系的假设：H0没有差异；H1表示差异 计算出 根据自由度和给定的显著性水平（α），查 分布表（附录6） 根据所得的值和临界值进行比较：若大于或等于临界值，则拒绝虚无假设，称两个变量有显著性差异，也就是承认两个变量之间有关系；若小于临界值，则接受虚无假设，拒绝研究假设，称两变量之间的差异不显著，两个变量之间没有关系 由于 大于p＝0.05的临界值（5.991） 所以在0.05的显著性水平下，年龄影响了人们对待退休的态度。 二、Gamma系数及其相关测量法 两个变量都是定序的特质 采用随机抽样 样本较大（≥100） 例子 那么在0.001的显著性水平下，总体中是否也存在这样的这样的相关关系？ 解：H0：G＝0 H1：G0 有数据可以求得： G＝0.463， Ns＝6003， Nd＝2204， P＝0.001 从附录中可以查处0.001的显著性水平的一端检验值为3.09，Z＝3.3463.09， 所以在0.001的显著性水平下，住户的人口密度和婆媳冲突是存在相关关系的 三、单因素方差分析 分析一个定类变量和一个定距变量的关系时，常用相关比率（E2）来进行测量。 如果抽样的样本是一个随机样本，怎么推论总体的情况呢？ 较为常用的是单因素方差分析中的F检定（F test），其目的是要推算在各组在总体中的均值是否相等 F检验的公式如下： df1＝k－1，df2＝n－k 其中，E2是样本的相关比率，n是样本的数量，k是分组数目，df1和df2是样本的两个自由度。如果总体中X与Y相关，以X解释或预测Y时可以削减若干误差，这部分削减的误差可用E2表示，剩余的误差便是1－E2，两者的比率便是F 例：以下表性别与学生数学成绩的关系的例子来说明F检验的过程。假设该项研究是随机抽样，那么性别与学生学习成绩的关系是否在总体中也存在？ 根据表中的统计结果，可知： n=20，n1=10，n2=10，1=62.5，2=75.5，=69 四、积距相关和回归系数的检定 虚无假设：H0：r＝0，b＝0 研究假设：H1：r≠ 0，b ≠0 以下表工人的工龄（X）和工资等级（Y）为例说明F检验的过程 五、总结 在相关测量法和假设检验的过程中，有几个问题需要说明和强调： 第一，相关测量法，测量的是两个变量在“样本”中的强弱程度，不管这一样本是随机样本还是非随机样本。但是社会学的研究不只是说明样本的情况，而是希望通过抽样样本的资料来反映两个变量在总体中的情况，而假设检验就是这样一座“桥”，通过对随机样本中资料的分析来推断，调查样本中变量之间的相关关系是否在总体中也同样存在。 第二，任何的假设检验方法，都是样本越大时越容易否定虚无假设（H0） 第三，用作两个变量关系分析的相关测量法和假设检验的方法也很多，选用时最重要的时要考虑变量的测量层次，其次还要考虑相关和检验的方向等问题。 * * df=(r-1)(c-1) 所抽取样本计算出来的实际次数 预期次数（e) 指得是在总体中两个变量没有关系（H0）时， 上表中每格所对应的次数e11等等；如果x与y 确实是不相关的，一个随机样本所得的条件 次数，理应现实x与y是不相关，即e11和e12 所占的比例应该相同 X 1 2 Y f11 f12 b1 f21 f22 b2 a1 a2 n e11 e12 e13 同理： df＝Ns＋Nd－2 r2具有削减误差比例的意义；1－r2就是剩余误差