第四章SPSS的参数检验.pptVIP

第四章 SPSS的参数检验 推断统计 推断统计是根据样本数据推断总体数量特征的统计分析方法 推断统计通常包括以下两个内容 总体分布已知，根据样本数据对总体分布的统计参数（如均值、方差）进行推断，此时采用的推断方法称为参数估计或者参数检验 总体分布未知，根据样本数据对总体的分布形式进行推断，此时采用的推断方法称为非参数检验 假设检验概述 假设检验是一种根据样本数据来推断总体的分布或均值、方差等总体统计参数的方法。 根据样本来推断总体的原因： 总体数据不可能全部收集到。如：质量检测问题中的评估某种灯泡的使用寿命 收集到总体全部数据要耗费大量的人力和财力。如：研究“十一”黄金周市民的度假旅游费用，收视率等。 假设检验包括： 参数检验：总体分布已知(如总体为正态分布)的情况下，根据样本数据对总体分布的统计参数(如均值、方差等)进行推断，或对其进行某种统计检验。 非参数检验：总体分布未知的情况下，根据样本数据对总体的分布形式或特征进行推断。 假设检验的基本原理 首先对总体参数值提出假设，然后再利用样本告之的信息去验证先前提出的假设是否成立。 如果样本数据不能够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和支持假设是不成立的，则不能推翻假设成立的合理性和真实性。 上述假设检验推断过程所依据的原理是小概率原理，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 基本信念：利用小概率原理进行反证明 假设检验的基本原理 例如：对大学男生平均身高进行推断 H0：平均身高为173 样本平均身高为178，由于存在抽样误差，不能直接拒绝H0。而需要考虑：在H0成立的条件下，一次抽样得到平均身高为178的可能性有多大。如果可能性较大，是个大概率事件（与?相比较），则认为H0正确。否则，如果可能性较小，是个小概率事件，但确实发生了，则只能认为H0不正确。 SPSS中的参数检验方法 单样本t检验 两独立样本t检验 两配对样本t检验 均值比较的概念 统计分析常常采取抽样研究的方法，即从总体中随机抽取一定数量的样本进行研究来推断总体的特性。 由于总体中的每个个体间均存在差异，即使严格遵守随机抽样原则也会由于多抽到一些数值较大或较小的个体致使样本统计量与总体参数之间有所不同。 由于实验者测量技术的差别或测量仪器精确程度的差别等等也会造成一定的偏差，使样本统计量与总体参数之间存在差异。 均值不相等的两组样本不一定来自均值不同的总体。 能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较 MEANS 过程 MEANS过程：不同水平下（不同组）的描述统计量，如男女的平均工资,各工种的平均工资。目的在于比较。术语：水平数（指分类变量的值数，如sex变量有2个值，称为有两个水平）、单元Cell（指因变量按分类变量值所分的组）水平组合 功能：分组计算、比较指定变量的描述统计量。包括均值、标准差、总和、观测数、方差等等，还可以给出方差分析表和线性检验结果。 MEANS 过程 Analyze- Compare Means-Means Dependent List：因变量（分析变量，一般为定距或定序变量） Independent List：自变量（分组变量，为分类变量，注意可分层) Options：统计量选择项，对第一层每个控制变量的分析（方差分析和线性度检验） SPSS单样本t检验 目的 对总体均值的假设检验 利用来自某总体的样本数据，检验某变量的总体均值与指定的检验值之间是否存在显著差异。 例：周岁儿童的平均身高是否为75厘米 人均住房面积的平均值是否为20平方米 要求 样本来自的总体服从或近似服从正态分布 总体均值的检验 SPSS单样本t检验 基本思路： 提出原假设： 选择检验统计量 计算检验统计量和概率P值 给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 SPSS单样本t检验的基本操作 选择选项Analyze－Compare means－One-Samples T test SPSS单样本t检验的基本操作 Confidence interval:指定输出总体均值与检验值差值的置信区间.默认值为95% Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案 Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析 例题4.1 利用住房状况调查数据，推断家庭人均住房面积的平均值是否为20平方米 例