双样本假设检.ppt

Data process technology of psychological and educational research Data process technology in psychological and educational research 双样本假设检验 双样本假设检验用于检验两个研究样本所属的总体是否存在显著性差异，或者检验它们是否来自同一分布总体。检验的零假设为： H0:在给定的显著水平上两个样本所来自的总体不存在显著性差异。 根据被检验样本之间的关系，可以将双样本假设检验分为两个相关样本假设检验和两个独立样本假设检验。再根据样本数据分布的特点可以进一步将其分为参数假设检验与非参数假设检验。即： 两个相关样本假设检验（双相关样本假设检验） 参数检验：配对样本T检验(Paired-Sample T Test) 非参数检验：麦克涅马尔检验(McNemar Test) 威尔科克逊检验（Wilcoxon Test） 配对符号检验（Sign test） 两个独立样本假设检验（双独立样本假设检验） 参数检验：独立样本T检验(Independent Sample T Test) 非参数检验：曼—惠特尼U检验(Mann-Whitney U Test) K-S双样本检验（Kolmgorov-Smirnov Z Test） 摩西极端反应检验（Moses Extreme Reaction Test） W-W游程检验(Wold-Wolfowitz Runs Test) 变量观测值要一一对应 注意分组变量 的设定技巧 双样本假设检验 一、两个相关样本T检验 又叫配对样本T检验，用于检验两个相关的样本是否来自具有相同均值的总体。要求样本为连续变量，样本各变量观测值之间一一对应。 检验的零假设是：两个样本来自的总体均值相同。 双样本假设检验 二、两个相关样本麦克涅马尔检验 用于检验事物前后变化的显著性。属于两个相关样本非参数假设检验。在样本数据采集时，可以用“—”表示不变化，用“+”表示变化。在进行数量化编码时，可以“0”表示不变化，用“1”表示变化。所获得的数据为双值型。 事物前后变化情况有四种 D B C A + — 变化前 变化后 — + A：前后不具有某种属性或不产生某种行为 B：前具有某种属性或有某种行为但变化后没有 C：前无某属性或无某种行为但变化后有 D：前后都具有某种属性或者产生某种行为 结论：如果A与D的情况很多，说明事前事后没有变化，所施加的促变条件不起作用。 如果C的情况很多，说明变化因素产生了显著的促进作用。 如果B的情况很多，说明变化因素产生了显著的抑制作用。 双样本假设检验 二、两个相关样本麦克涅马尔检验 双样本假设检验 三、两个相关样本威尔科克逊检验 通过二项分布来检验两个样本所属的总体数据分布差异的显著性。属于两个相关样本非参数检验。又称作配对符号等级检验。通过对两个相关样本变量值配对求观测值的差，比较差的等级和，以此判定两个样本的一致性。样本数据要求是等级数据。当数据以连续方式记分时，系统也会先求出其等级再比较。 -3 -4 +2 +2 -3 +1 +6 -2 +2 +1 等级差 7 10 5 9 9 7 3 6 8 4 1 3 2 1 10 8 6 5 4 2 事后 事前 双样本假设检验 四、两个相关样本Sign检验 通过二项分布来检验两个样本所属的总体数据分布差异的显著性。属于两个相关样本非参数检验。又称作配对符号检验。 -3 -4 +2 +2 -3 +1 +6 -2 +2 +1 等级差 7 10 5 9 9 7 3 6 8 4 1 3 2 1 10 8 6 5 4 2 事后 事前 双样本假设检验 两个相关样本检验的要领： 如果样本数据服从正态分布，可以使用配对样本T检验进行； 如果不知道样本数据分布形式，那就可以通过非参数检验方式进行检验，在此情况下： （1）如果样本采用连续记分，可以用Wilcoxon检验 （2）如果样本采用两点记分，可以用McNemar检验 （3）如果样本采用等级记分，可以用SIGN检验 一般认为，Wilcoxon检验的