第六讲平均数检验——t检验.pptVIP

如何计算相关样本t检验的t值 代入相关数据可以得到 由于有25个观测值，所以自由度为24 。在查t值分布表，发现2.45大于拒绝零假设需要的临界值。因此，可以做出决策：两次测试的成绩有显著的差异，放弃零假设，接受实验假设。 如何通过SPSS进行计算 接下来，我们简要介绍一下如何利用SPSS进行操作。 1.打开数据文件“相关样本t检验”。 2.点击Analyze→Compare means→Pared-Samples T test，你会看到对话框。 3. 按住Shift键，然后点击变量pretest与posttest。 4. 将这两个变量移入Pared Variables框中。 5.点击OK，交给计算机运行，得到如下所示的结果。 可以看到，前后的均值之差是-1.2。t=-2.449，显著性p值为0.022，也就是说，由于随机因素的影响使得t值等于-2.449的概率只有0.022。这个概率非常小，所以这随机因素导致这一结果的可能性几乎没有。说明，前后两次测试的成绩有显著的差异，这个差异不是随机因素导致的，而是教学方法M所引起的。 课堂随堂练习 有一名心理学研究者想了解一项降低焦虑的心理暗示方法是否能明显降低大学生的心理焦虑，也即，该方法是否具有实践效果。他选择了20名具有一定焦虑症状的大学生参加这项方法的介入、训练和测试。请打开SPSS数据文件“相关样本t检验练习”，根据数据统计，请判断：这一方法与训练对于降低大学生的焦虑感是否有显著的效果？（注：测试的分数越高，表明焦虑感越强；测试分数越低，说明焦虑感越弱） 请对统计获得的数据提供尽可能多的解释，挖掘尽可能多的信息。 第六讲 平均数检验——t检验 零（原）假设和研究假设 零假设：起点假设，它表明，变量之间的无关、无差异的陈述是零假设的基本内容。 研究假设：表明变量之间有关系、有影响的陈述。 除非你有足够的把握证明存在关系、存在差异，否则你只能假定没有差异，只能接受零假设。 统计推断原理的简单复习 显著性的含义 显著性（significance)就是犯第一类错误的概率水平，通常设为0.05、0.01或0.001。 第一类错误就是：零假设为真，但我们却拒绝了零假设，而接受了研究假设。 如果研究者把显著性水平定得非常低，则犯第一类错误的可能性就越小。 一旦达到了显著性水平，研究者就能有比较大的把握下如下的结论：差异的产生不是由于随机的或偶然的原因，而是确实存在着本质上的差异和不同（即偶然性之外的因素所导致）。 一个例子有助于大家理解显著性水平 一个赌徒拿出一枚硬币给你，并告诉你这枚硬币是真的（与平常的硬币没有差异），有个数学家告诉你，你可以通过掷硬币的方式来检验这枚硬币的真假。 数学家的方法是这样的：你将这枚硬币抛掷十次，记录正反面的次数，根据正面朝上的概率结果，就可以做出决策了，即，这枚硬币究竟是真还是假了。 相关的概率列表 正面次数 概率 0 1 2 3 4 5 6 7 8 9 10 0.00 0.01 0.04 0.12 0.21 0.25 0.21 0.12 0.04 0.01 0.00 若我们以0.05为显著性水平，则根据双尾的分布情况，可以清楚地看到，正面次数出现0、1、9、10的几种情况的概率之和为0.02，达到了显著性水平。因此，出现这几种情况，我们就应当做出决策了，这枚硬币不是与正常硬币没有差异的，而是一枚假币。 小结 显著性水平通常是由研究者自己设定的，根据自己的情况来作出判断，但通常不会大于0.05。 一旦p值小于你设定的显著性水平，如p0.05，此时就需要拒绝零假设，接受研究假设了。也即，群体间的差异不是由偶然或随机因素导致的（这是零假设的论点），而是由偶然因素之外的因素所导致的（研究变量）。 t检验的基本内涵