SPSS统计分析非参数检验.pptxVIP

会计学;非参数检验; 变量关系的显著性检验类型; 假设 m=800;B、卡方计算公式:;C、卡方分布形状;D、SPSS中卡方检验示例（性别与文化程度） 步骤： 1）确定双变量总体参数的假设： H0: X2＝0 ; H1: X2 ≠0； 2）确定检验此假设的概率标准：显著度为。 3）抽取一个样本容量为1254的随机样本，计算出样本中性别与文化程度的X2＝。 4）选择用来检验H0 的分布： X2分布，并根据显著度设立接受域(P0.05)或拒绝域(P0.05)； 5）观察样本的统计量的概率值是否落在接受域内，从而判断是接受/拒绝原假设。从下表看出，样本统计量X2＝，概率值（Significance），落在拒绝域，因此，否定H0；接受总体中X2＝的判断。此判断犯错误的概率）。;;二、 定类—定距尺度: F 检验 F检验是用来检验样本中一个定类变量和一个定距变量的关系强度测量结果（分组平均数）是否能推断总体。如不同职业的人在收入上是否有差异（即职业分组的平均收入是否不同）。 A、F 检验的假设： H0: μ1＝μ2 ＝ μ3 ＝ ...μk ； H1: μ1 ≠μ2 ≠μ3≠ ...μk ； B、F 值计算公式：;C、F分布的形状;D、SPSS中 F 检验示例（文化程度与收入） 步骤： 1）确定双变量总体参数的假设： H0: μ1＝μ2 ＝ μ3 ＝ ...μk ； H1: μ1 ≠μ2 ≠μ3≠ ...μk ； 2）确定检验此假设的概率标准：显著度为。 3）抽取一个样本容量为1254的随机样本，计算出样本中文化程度与收入的 F ＝。 4）选择用来检验H0 的分布： F 分布，并根据显著度设立接受域(P0.05)或拒绝域(P0.05)； 5）观察样本的统计量的概率值是否落在接受域内，从而判断是接受/拒绝原假设。从下表看出，样本统计量F ＝。 概率值（Significance），落在拒绝域，因此，否定H0；拒绝总体中H0: μ1＝μ2 ＝ μ3 ＝ ...μk 的判断。即由样本可以推断总体，不同的文化程度，收入有差别；文化程度与收入有关。;F值;三、 定距—定距尺度相关系数r的显著性检验: t检验 t检验也可用来检验样本中一对定距变量的相关系数r在总体上是否有效。其检验的方式与前面的假设检验大同小异。在此我们只略述检验的原假设以及检验结果。 A、相关系数检验的原假设： H0: r＝0 ； H1: r ≠0 ； B、检验结果：检验结果的概率值若小于给定的显著度，如，则推翻原假设，说明两变量总体上有相关。即样本中的相关系数在总体中也有效。;C、SPSS中相关系数 r 的t检验示例：;显著性检验结果;相关系数;四、回归系数B的显著性检验：t 检验 样本中的回归公式中计算出的自变量回归系数B在总体中是否有效，需要用t分布来检验。检验步骤同于前述的假设检验。 A、原假设： H0: B＝0 ； H1: B ≠0 ； B、检验结果：检验结果的概率值若小于给定的显著度，如，则推翻原假设，样本中的回归公式可用于说明总体。 ;C、 t分布形状:;回归系数; 第五章 参数估计与假设检验 ;主要内容;均值比较与均值比较的检验过程;一、 简介 主要用于检验单个变量的均值与假设检验值(给定的常数)之间是否存在差异，也可进行单样本的参数区间估计。 二、完全窗口分析 按Analyze—Compare Means—One-Sample T Test顺序，打开One-Sample T Test主对话框（如图5--1）;图5-1 One-Sample T Test主对话框;三、例题分析 （一） [05-1] 某校在对一项教学改革措施的评价中，随机抽取了60位学生进行态度调查，他们的10项态度7级量表的态度反应资料见下表：;（二）以[04-7]的资料来说明。已知另一地区16-18岁的少年血红蛋白平均值为11.657 （g%），检验这一地区16-18岁少年血红蛋白平均值是否与另一地区的平均值相等。 1、操作步骤 1）(打开数据文件“04-7血红蛋白.sav”。) 按Analyze—Compare Means—One Sample T Test顺序，打开主对话框。 2）将变量hb选入 Test Variable框。 3）在Test Value中输入 ，后单击OK。;2、结果分析;表5-2 单个样本检验;（三）为了解某村1300户农民的年收入状况，不重复抽取70户家庭进行调查，得出每户农民年平均收入为4500元，标准差为260