第五部分--T检验和F检验PPT课件.ppt

SPSS 差异性检验: T 检验和 F 检验 思考：下列问题的比较对象有何差异？ 某班学生语文水平是否高于数学水平？ 男生语文成绩是否高于女生语文成绩？ 某种训练方法是否可以提高幼儿的智力水平？ 假设检验 平均数的显著性检验（样本与总体） 平均数差异的显著性检验（总体与总体） 方差的差异检验 Compare Means 和 General Linear Model T 检验 ——平均数的显著性检验（样本-总体） 一、样本平均数与总体平均数差异显著性检验 例：3-4岁幼儿的平均智商为100。在采用最新的语言训练方法后，随机抽取20个幼儿，测得智商为 105 102 105 104 106 97 102 109 99 104 106 108 103 101 98 103 105 102 102 100 问:试检验该训练方式是否有助于提高幼儿的智商? Analyze——Compare Means——one-samples T Test Analyze / Compare Means/one-samples T Test Test Value空格中输入要比较的值，通常是总体的平均数 标准差 标准差是用来反映变异程度,当两组观察值在单位相同、均数相近的情况下,标准差越大,说明观察值间的变异程度越大。在标准正态分布曲线下,人们经常用均数加减标准差来计算样本观察值数量的理论分布, 即: x ±1.96 s表示95 %的观察值在此范围内; x ±2.58s表示99 %的观察值在此范围内。x ±1.96 s 是确定正常值的方法,经常在工作中被采用,也称为95 %正常值范围。 标准误 即样本均数的标准差，是样本均数的抽样误差。在实际工作中,我们无法直接了解研究对象的总体情况,经常采用随机抽样的方法,取得所需要的指标,即样本指标。样本指标与总体指标之间存在的差别,称为抽样误差,其大小通常用均数的标准误来表示。标准误差不是测量值的实际误差，也不是误差范围，它只是对一组测量数据可靠性的估计。标准误差小，测量的可靠性大一些，反之，测量就不大可靠。 抽样研究的目的之一,是用样本指标来估计总体指标。例如:用样本均数来估计总体均数。由于两者间存在抽样误差,且不同的样本可能得到不同的估计值,因此,常用“区间估计”的方法,来估计总体均数的范围。即: X ±1.96Sx表示总体均数的95%可信区间; X±2158Sx表示总体均数的99%可信区间。95%可信区间指的是:在X±1.96Sx范围中,包括总体均数的可能性为95% ,也就是说,在100次抽样估计中,可能有95次正确(包括总体均数) ,有5次错误(不包括总体均数)。99%可信区间也是这个道理,只是包括的范围更大。 在实际工作中,由于抽取的样本较小,不呈标准正态分布,而遵从t分布,所以常用t值代替1.96或2.58。可在t值表上查出不同自由度下不同界值时的t值。可见到自由度越小, t值越大,当自由度逐渐增大时, t值也逐渐接近1.96或2.58,当自由度= ∞时, t值就完全被其代替了。所以,我们常用X±t 0.05Sx表示总体均数的95%可信区间,用x±t0.01Sx表示总体均数的99%可信区间。综上所述,标准差与标准误尽管都是反映变异程度的指标,但这是两个不同的统计学概念。标准差描述的是样本中各观察值间的变异程度,而标准误表示每个样本均数间的变异程度,描述样本均数的抽样误差,即样本均数与总体均数的接近程度,也可以称为样本均数的标准差。二者不可混淆。 练习题 7岁儿童的平均身高为102，现测得某班12名7岁儿童身高分别为： 97、99、103、100、104、97、105、110、99、98、103、99 请问该班儿童身高与平均水平是否存在差异？ Analyze / Compare Means/one-samples T Test 二、非配对设计两样本均数差异显著性检验T 检验（样本-总体） 例：配制两种不同饵料A、B养殖罗非鱼，选取14个鱼池，随机均分两组进行实验。经一定试验期后的鱼量列入下表（有一鱼池遭到意外而缺失数据）。试问这两种不同饵料养殖罗非鱼的产鱼量有无差异？ A料 578 562 619 544 536 564 532 B料 642 587 631 625 598 592 Analyze / Compare Means / Indendent-samples T Test 提示：增加一列变量表示类别。 练习题 有A、B两种饮料，分别各安排10人对其中一种饮料评价（共20人，每人只喝其中一种饮料），结果如下： 两种饮料口味是否有差异？ A 1 3 2 2 3 4 5 1 2 3 B 4 5 5 4 4 2 1 4 3 3 建立数据库 A