专题八非参数估计与卡方检验.pptVIP

练习1： 某研究者想了解学生性别和年级是否在学习焦虑上有显著的交互作用存在。从大学一二三年级中各随机抽取10名学生进行学习焦虑量表测验。下表为30名学生在学习焦虑量表上的得分情况。 练习2： 研究者想研究3种不同活动教学法对学生数学学习成绩的影响，从一个班级中随机抽取15名学生参与这3种实验教学，学期结束后进行测验，以进一步了解哪种活动教学法对学生教学最为有效。 练习3：教学实验 一个单元格中只有一个元素的情况 到底是专科专教好，还是包班好呢？ 一个学校的实验 自变量：分科与双科；是否班主任 因变量：学生成绩、学生态度、教师压力 无关变量：老师教学水平、学生水平等。 如何分析班级类型和是否班主任哪个对教师的压力有显著的影响？ 见lesson7文件夹中“分科双科教学实验.sav” 专题八：非参数估计和卡方检验 通过样本对总体作推论的方法主要分两类： 参数检验：需要前提假设，总体正态，多个样本方差齐性，变量为连续型的测量数据等。 非参数检验：对数据分布没有要求。适用于参数检验的数据都可以用非参数检验。 非参数检验的效能大约为参数检验的95%，而且样本越大，检验结果越精确。 一、卡方检验（Chi-Squre Test） χ2检验是对所得到的分类、分等的计数资料与依据某种假设所期望的理论次数之间进行差异的显著性检验的方法。 关于自由度 自由度（degree of freedom, df）：一个样本的各项数值可以自由变动的项目个数。 如样本有n个项目,每项数值都可自由变动,则其自由度为n； 如n个项目的平均数已确定,则只有n-1个项目可以自由变动,而剩余的另一个项目的数值必然由该样本的平均数与(n-1)个项目的数值所决定,不能自由变动。这时,n个项目的自由度就为n-1。 ? ? ? ? ? ? 报告的格式如下： t检验：???t(n-1)=..., p=... or 0.05. F检验：F(组间df，组内df)=……，p=……。 注意：组间自由度=n1-1，组内自由度=n2-1 χ2检验在教育研究中主要有两个用途： 一是按一个分类标志分类的资料，检验各类实际观察次数与理论次数是否相符合，即吻合性检验（配合度、拟合度检验）； ——非参数检验-Chi Square 二是按两个或两个以上分类标志分类的资料，检验这几个分类标志（或因素）之间是否独立，即独立性检验。 ——描述统计-crosstab(列联表) （一）吻合性检验 Χ2吻合性检验自由度的确定，考虑两个因素： 类别的个数； 计算理论次数时，需用的统计量的个数。 自由度=类别的个数-统计量的个数 一般统计量涉及到“总数”，df=n-1 如涉及到正态分布（总数、平均数、标准差），则df=n-3 例1：想了解一次关于对课程改革态度的调查中，支持、反对和无所谓的人数的比例是否显著差异。见support.sav 如果数据输入格式不同，该如何分析。见support2.sav （二）独立性检验 Χ2独立性检验 列联表 Descriptive Statistics -Crosstabs df=(R-1)(C-1) 虚无假设为：比例相等 两种录入格式：activity.sav和activity2.sav 一般报告 未校正卡方（Pearson Chi-Squre）(n≥40, T ≥5。如果p≈α，改用确切概率法—2*2的时候出现) 校正卡方（Continuity Correction，只在2*2时计算） (n≥40,1≤T5时用) 确切概率法（Fisher’s Exact Test）(n40,或有T1) 也可参考似然比卡方（likelihood ratio） Φ值和Cramer’s V 表示两变量关系强度或效应度，0.1表示低，0.3表示关系一般，0.5表示关系高。 只适用于2*2，2*3或3*2交互分析。 当卡方检验的自由度大于1时，表明本次卡方检验是对多个假设的综合检验。 因此如果检验结果存在显著差异，有必要对每个假设分别进行检验。 进一步的两两比较 Data-select cases 软键盘上几个奇怪的符号的含义如下： 最后报告 可以做柱状图进行比较 结果解释 练习：随机抽取某学校数学系和中文系学生各100名，对某一英语教学软件的效果进行评价，根据评价结果检验两系学生的评价态度的差异。 二、两个独立样本的差异显著性检验 T检验？ 前提：等距变量、正态分布、方差齐性 若前提不满足，数据不是正态分布，或者数据仅达到顺序变量的水平，该如何做？ Mann-Whitney U检验，不直接对原始数据进行计算，而是先把数据由低到高转换为等级再进行，也叫秩和（等级之和）检验。 Mann-Whitney U可以检验中位数是否有显著差异。 前提：两组数据分布相同，至少是顺序变量；随机性与独立性；