第四章平均数比较与T检验PPT.ppt

四、配对样本Ｔ检验 配对样本（Paired Sample）或相关样本（Correlated Sample），指两个样本的观测值之间彼此有关联，如同一批被试者接受两种实验条件，即同一批观测对象接受两种不同的测量。对于此类样本，研究者所感兴趣的是二次测量之间是否存在差异。如实验前和实验后的测量，即具体个别样本的顺序不可以变化的。 配对样本t检验统计量为： (df = n-1) 其中r为相关系数 案例见减肥食品效果.sav 配对样本的t检验一般不需要事先进行方差齐性检验。因为配对样本是成对数据，即两组数据存在对应关系，没有必要考虑由两个样本方差共同估计总体方差(联合方差)。本例中，t检验显著性相伴概率p值为0.001，差异非常显著，即减肥效果明显。 五、T检验注意事项 1、选用的检验方法必须符合其适用条件(t检验的前提是资料服从正态分布) 。理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验。如果不满足这些条件，只好使用非参数检验代替t检验进行两组间均值的比较。 2、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第1错误的可能性大，即t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。 3、假设检验的结论不能绝对化。当一个统计量的值落在临界域内，这个统计量是统计上显著的，这时拒绝虚拟假设。当一个统计量的值落在接受域中，这个检验是统计上不显著的，这是不拒绝虚拟假设H0。因为，其不显著结果的原因有可能是样本数量不够拒绝H0 ，有可能犯第1类错误。 4、正确理解P值与差别有无统计学意义。P越小，不是说明实际差别越大，而是说越有理由拒绝H0 ，越有理由说明两者有差异，差别有无统计学意义和有无专业上的实际意义并不完全相同。 5、假设检验和可信区间的关系结论具有一致性差异：提供的信息不同区间估计给出总体均值可能取值范围，但不给出确切的概率值，假设检验可以给出H0成立与否的概率。 第三节 单因素方差分析 问题的提出 通过参数检验可以解决两两总体均值的比较，那么多个总体均值的检验如何作？(如：北京、上海、广州周岁儿童平均身高的比较）。这可以利用方差分析的方法来实现 一、 方差分析的基本问题 （一）方差分析的内容 定义：方差分析就是对多个总体均值是否相等这一假设进行检验。 方差分析作为一种统计方法，是把实验数据的总变异分解为若干个不同来源的分量。因而它所依据的基本原理是变异的可加性。不同来源的变异只有当它们可加时，才能保证总变异分解的可能。具体地讲，它是将总平方和分解为几个不同来源的平方和(这里的平方和指实验数据与平均数离差的平方和)。方差分析包括： 1、单因素方差分析 2、多因素方差分析 3、协方差分析 单因素方差分析：对单因素试验结果进行分析，检验因素对试验结果有无显著性影响的方法叫单因素方差分析。单因素方差分析是两个样本平均数比较的延伸，它是用来检验多个平均数之间的差异，从而确定因素对试验结果有无显著性影响的一种统计方法。 二、方差分析的原理 （一）数据差异的来源 1、因素的水平不同（系统性差异）； 2、随机因素（随机性差异）。 （二）数据差异的度量 1、水平之间的方差（组间方差）——系统性因素和随机因素的共同作用。 2、水平内部的方差（组内方差）——随机性因素的作用。 （三）方差分析的基本思想： 如果因素对结果没有影响，那么水平间的方差就只含随机性差异而没有系统性差异，其值与水平内部方差就应该很接近，两个方差的比值就会接近于1；反之，水平间方差就同时包含系统性差异和随机性差异，两个方差的比值就会明显大于1，当这个比值大到某个程度（比如说大于某个临界值）就可以作结论：不同水平间存在显著差异。 三、检验统计量 1、方差分析的统计假设： ； 2、检验的统计量： 组间均方差与组内均方差之比 是一个统计量，服从 分布（ Distribution）。 至少两个总体的均值不等 旅游与管理工程学院 第四章平均数比较与T检验 第一节 假设检验的理论要点 均值不相等的两个样本不一定来自均值不同的总体，能否用样本均数估计总体均数，两个变量均数接近的样本是否来自均值相同的总体，换句话说，两个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。这些都是各种研究工作中经常提出的问题，均值比较可以解决这些问题。 对来自正态总体的两个样本进