SPSS19统计分析基础与案例分析应用第5章均值检验.ppt

表5-6是独立样本均值检验的结果列表，给出了F值，t统计量，自由度，双尾概率，以及显著性水平及置信区间。检验结果分为两行，第一行表示方差相等时的检验结果，第二行表示方差不等时的检验结果。表中P分别为0.000,0.000，都小于显著性水平0.05，故拒绝原假设，说明型号1和型号2的电池使用平均时间有显著性的差异。 5.4 两配对样本t检验 两配对样本t检验的目的 　　两配对样本t检验的目的是：利用来自两个总体的配对样本，推断两个总体的均值是否存在显著差异。 　　配对样本t检验与独立样本t检验的差别之一是要求样本是配对的。所谓配对样本可以是个案在“前”“后”两种状态下某属性的两种不同特征，也可以是对某事务两个不同侧面或方面的描述。其差别在于抽样不是相互对立，而是互相关联的。 　　 因此，配对样本通常具有两个特征：第一，两组样本的样本数相同；第二，两组样本观测值的先后顺序是一一对应，不能随意更改。两配对样本t检验正是利用两组配对样本的数据，对其总体均值有无显著差异做出推断 步骤与前面类似，不在累赘。 　两配对样本t检验的基本操作 1、选择菜单分析→比较均值→配对样本T检验，于是出现如图5-9所示的窗口。 2、选择一对或若干对检测变量到【成对变量】框。 3、两配对样本t检验的【选项】含义与单样本t检验的相同。 至此，SPSS将自动计算t统计量和对应的概率p值 例5.5为研究某种减肥茶是否具有明显的减肥效果，某减肥茶厂商对35名肥胖志愿者进行了减肥跟踪调研。首先将其喝减肥茶以前的体重记录下来，三个月后再依次将这35名志愿者喝茶后的体重记录下来。通过这两组样本数据的对比分析，推断减肥茶是否具有明显的减肥作用。具体数据如下： 具体操作 （1） 选择菜单分析→比较均值→配对样本T检验，于是出现如图5-9所示的窗口。 （2） 选择左侧“喝茶前体重”“喝茶后体重”到【成对变量】框。 （3） 两配对样本t检验的选项含义与单样本t检验的相同 分析结果如下： 表5-10给出了喝茶前与喝茶后体重的基本描述统计量，表明喝茶前与喝茶后样本的平均值有较大差异。喝茶后的平均体重低于喝茶前的平均体重。 表5-11给出了喝茶前与喝茶后体重的简单相关关系及检验 表5-12喝茶前与喝茶后体重的两配对样本t检验结果，第一列是喝茶前与喝茶后体重的平均差异，相差了19.2公斤；第二列是差值样本的标准差；第三列是差值样本抽样分布的标准差；第四列、第五列是差值95%的置信区间的下限和上限；第六列是t检验统计量的观测值；第八列为t检验统计量观测值对应的双尾概率P值，接近0。如果显著性水平 为0.05，由于概率p值小于显著性水平 ，应拒绝零假设，即认为总体上体重差的平均值与0有显著不同，意味着喝茶前与喝茶后的体重平均值存在显著差异，可以认为该减肥茶具有显著的减肥效果。 小结： 均值的比较与检验是检验差异显著性的非常重要的统计工具，这种差异显著性的检验是样本均值间的比较。进行检验的一般步骤为：提出假设、确定检验统计量、确定显著性水平、计算检验统计量、做出判断。 均值检验主要包括以下三类： 1、单一样本的均值检验，即只对单一变量的均值加以检验，用于检验样本所在总体的均值是否与给定的检验值之间存在显著性差异。 2、独立样本的均值检验，即检验的不同均值来自独立没有关联的正态总体。 3、配对样本的均值检验，即根据两个配对样本，推断两个总体的均值是否存在显著性差异 以上三类在SPSS中，都是通过【分析】工具下的【比较均值】完成的。 谢 谢 5.1推断统计与参数检验 5.2单一样本t检验 5.3两独立样本t检验 5.4两配对样本t检验 参数检验是推断统计的重要组成部分。推断统计方法是根据样本数据推断总体特征的方法，它在对样本数据描述的基础上，以概率的形式对统计总体的未知数量特征（如均值、方差等）进行表述。 通过对样本数据的研究来推断总体特征主要出于以下两大原因：第一，总体数据无法全部收集到；第二，在某些情况下虽然总体数据能够收集到，但实施时会耗费大量的人力、物力和财力 对总体特征的推断一般采用参数估计（点估计和区间估计）和假设检验两类方法实现。SPSS兼顾了这两类方式，由于其核心原理基本类似，这里仅以对假设检验的基本思想做重点讨论。 假设检验的基本思想是首先对总体参数提出假设，然后利用样本告之的信息去验证提出的假设是否成立。如果样本数据不能充分证明和支持假设，则在一定的概率条件下，应拒绝该假设；相反，如果样本数据不能够充分证明或者支持假设是不成立的，则不能推翻假设。上述假设检验推断过程所依据的基本信息是小概率原理，即发生概率很小的随机事件，在某一次特定的实验中是几乎不可能发生的。 第一、提出