比较均值和多重响应集——试验设计与多变量分析课程分享.pptx

比较均值和多重响应集——试验设计与多变量分析课程分享;内容;1.1为什么要比较均值;1.2假设检验分类及一些概念简介;显著性与显著性水平 H0：无显著差异 H1：有显著差异 显著性（Significance） 即P-值，在SPSS输出结果中，P-值以显著性Sig.表示。 显著性水平：就是拒绝零假设的标准。SPSS默认的显著性水平为0.05. 当Sig.0.05时，拒绝零假设，即认为“有显著差异”。 当Sig.0.05时，接受零假设，即认为“无显著差异 ;1.3 比较均值过程;1.3.1均值（M）;a、准备分析数据 b、启动分析过程：单击分析-比较均值-均值 c、设置分析变量 ;d、选择输出统计量 ;10;1.3.2单一样本T检验;（2）准备数据 （3）启动分析过程：分析 比较均值 单样本T检验 （4）设置分析变量：输入检验值，选项中为系统默认的置信区间值95% （5）选择输出统计量;（6）结果与分析：P值小于0.05，所以拒绝零假设，认为新型农药的防治效果有提高;1.3.3独立样本T检验;a、提出零假设：假设两种玉米产量没有明显差异； b、准备数据； c、启动分析过程：分析-比较均值-独立样本T检验； d、设置分析变量：在定义组中与之前定义的相对应，品种A-1、品种B-2； ;e、结果分析 从F统计量的Sig值0.752大于0.05看，不能否认方差相等的假设，所以要参考均值相等的T检验结果，第一行T检验的双测Sig值0.332大于0.05，即在0.05的显著水平上，两种玉米产量没有显著性差异。;1.3.4配对样本T检验;例：以下是某大学跆拳道选手15人的平衡训练的数据，统计实验前、后平衡训练成绩是否有差异。 训练前：86，77，59，79，90，68，85，94，66，72，75，72，69，85，88 训练后：78，81，76，92，88，76，93，87，62，84，87，95，88，87，80 a、提出零假设：假设实验前后成绩没有差异； b、数据准备； c、启动分析过程：分析-比较均值-配对样本T检验； d、设置分析变量： ;e、结果分析：两样本的相关系数为0.407，相关系数的检验P值为0.132显著性水平，接受原假设，可以认为训练前后的成绩没有明显的线性关系。sig.(双侧)为双尾检验概率p值在置信水平为95%时，显著性水平为0.05，由于概率p值为0.041，小于0.05,拒绝零假设，可以认为训练前后对成绩有显著效果。;1.3.5单因素方差分析;例：一共用四种不同的饲料喂猪，将19头猪分四组，每组一种饲料，一段时间后称重，比较四种饲料对猪的体重影响是否显著不同。 （1）准备数据； （2）启动分析过程：分析-比较均值-单因 素方差分析； ;（3）设置分析变量 ：单击对比选项，输入指定系数； （输入系数的顺序要和因素变量取值的升序相对应，列表中的第一个系数要与最小的因素变量水平相对应。不参与比较的分组系数应该为零，如果只包括第一组和第四组的均值的系数，必须把第二个和第三个输入为零，如果只比较第一和第二个，第三和第四的均值系数可不输入。） ;选项设置 用于检验各组均值是否相等;两两比较设置： 用T检验完成各组均值间的配对比较 ;（4）结果分析： 显著性概率是大于0.05的，说明各组方差在0.05的水平上没有明显差异，即方差具有齐性。; 各组间的均值在0.05水平上有显著差异 第一种个第四种有显著差异;根据前面结论得知方差具有齐性，所以只需看LSD的结论，结果说明，各组均值间均有显著性差异。;2.1多重响应分析;2.1.2多重响应的编码方法 （1）多重二分法（multiple dichotomies method） 将多选问题中的每个答案设为一个SPSS变量，每个变量只有0或1两个取值，分别表示不选该答案和选择改该答案。 （2）多重分类法（multiple dichotomies method） 首先估计多选问题的最多可能出现的答案个数，然后为每个答案设置一个SPSS变量，变量取值为多选项问题中的可选答案。 ;2、2多重响应变量集 2.2.1、多重响应变量集的定义 多重响应集的定义，即将基本变量分组为多重二分类变量和多重多分类变量集，并转换为通过SPSS软件操作的数据类型。通过定义后的数据类型，可以获得这些集的频率表和交叉制表。SPSS可以定义多达20个的多重响应集，每个集必须有一个唯一的名称。 每个多重响应集必须指定一个名称