第5章 平均数比较.pptVIP

第5章平均数比较与T检验5.1假设检验的一般理论5.2分组平均数的比较5.3单一样本T检验5.4独立样本——两样本平均数差异T检验5.5配对样本T检验5.6多个平均数检验5.1假设检验的一般理论假设检验的内容十分丰富，大致分样本平均数检验、成数检验、方差或标准差假设检验，也包括样本（正态、均匀）分布状态的假设检验等。就样本平均数检验而言，可分单样本检验——样本平均数与总体平均数差异检验；两独立样本检验——两独立样本平均数的检验（可分方差相等、方差不等两种情况）；两配对样本平均数的显著性检验和多个平均数显著性检验。1、统计检验中的假设条件假设是进行检验的前提，是有待确认的一种事实。例如，某样本是否满足正态分布，两样本平均数是否源于同一总体等等。假设检验中，首先要建立一个关于总体参数的假设（原假设），然后抽取样本，检验所做假设正确与否。在进行研究时，往往需要根据已有的理论和经验，事先对研究结果作出一种预想希望能证实的一种假设。这种假使叫科学假设或被择假设，记为H1；而要对总体的某种假设（论断）作出判断时，常要对相反的假设进行统计检验，称这个假设为零假设（或虚无假设、无偏假设），记作H0。进行假设检验的目的是为了推翻假设，主要是推翻假设时的犯错误概率容易把握，而承认假设正确的概率不容易把握。假设建立得合适与否是决定检验成败的关键，统计中的假设检验有两个基本要求。第一，建立假设的目的是为了推翻原假设，因为推翻假设远远比承认原假设容易，因此，真正需要证明的往往作为备择假设，即使不能推翻原假设，也只能说，没有足够的证据推翻原假设。第二，原假设必须是虚无（无显著性差异）假设，即必须包括等号，因为所有的统计分析、统计计算都建立在这个基础之上；而备择假设一定不能包含等号。2、显著性水平假设检验的目的，不在于追究样本统计量的准确值，而在于判断样本统计量与假设的总体参数之差异。不同的抽样方法能有不同的标准，于是要确定用什么标准去判断，是否接受或拒绝无差假设。在假设检验时，常用的检验标准是α临界值为0.05或0.01。在这些显著性水平下，都可以检验某个假设。但即使选择可以接受的最小概率标准，仍然存在着假设为“真”而被拒绝的可能性（α）。在检验一个假设时，选择的显著性水平α愈高，零假设为“真”而被拒绝的概率也愈高。“在5%的显著性水平下检验一个假设”是，如果假设的总体参数正确，那么样本统计量与总体参数差异过大者，容量为100的样本中不应超过5个。如果样本统计量与总体参数差异过大，就认为这个样本抽样不可能来自假设总体，所以拒绝零假设。如果假设是正确的，那么显著性水平则表示某个界限以外的样本平均数所占的比例。3、两类错误无论接受或拒绝原假设，都不可能做到百分之百的正确，总会伴有一定的错误。在统计学中把可能出现的错误归为I类错误和II类错误。当零假设正确而被拒绝时，作称作第一类错误，犯第一类错误（以真为假）的概率记作α。当零假设不正确而接受时，称作第二类错误（以假为真），犯第二类错误的概率记作β。这两类错误是相互替补的，只有甘愿增加发生第一类错误的概率时，发生第二类错误的概率才会降低。4、采用哪种分布假设检验的另一个问题是确定合适的概率分布。当总体标准差未知时一般采用T分布检验；当总体标准差已知时一般采用正态分布检验。样本容量大于30称作大样本，否则称小样本。但社会学要求50个以上才算大样本。5、假设检验的基本步骤假设检验通常遵循如下的步骤：⑴作出零假设，备择假设，并给出显著性水平（如α=0.05）。⑵选择检验方法及统计量。⑶计算出统计量的观察值以及在H0为真时观察值的相伴概率。⑷判断：若Sig值α=0.05，拒绝H0；若Sig值≥α=0.05，则没有足够理由拒绝H0。SPSS的许多检验过程给出的都是双侧相伴概率，若要求单侧相伴概率，则所求单侧相伴概率将是检验过程给出的双侧相伴概率之半。5.2分组平均数的比较平均数的形式有如下三种：处于不同样本变量间的平均数，处于不同变量样本间的平均数，一个变量按照另外一个变量分组的平均数。本章主要讨论的是第三种平均数。在处理调查、观察或实验数据时，经常要讨论统计值之间的差异问题。如两个平均数、两个比例是否来自同一统计总体，差异是否明显；能否用样本平均数或比例推断或估计总体平均数或比例。5.2.1分组平均基本