单样本T检验_city2数学建模竞赛.docxVIP

分析流程

数据源：

Appendix2-HohhotCity.xlsx

算法配置：

算法：单样本T检验

分析结果：

暂无结论

分析步骤

1.正态性检验。对数据进行Shapiro-Wilk（小数据样本，一般样本数5000及以下）或者Kolmogorov–Smirnov（大数据样本，一般样本数5000以上）检验，查看其显著性：若呈现出显著性(P0.05)，说明不符合正态分布，通常现实研究情况下很难满足检验，若其样本峰度绝对值小于10并且偏度绝对值小于3，结合正态分布图可以描述为基本符合正态分布，亦或改用非参数检验，若不呈现出显著性(P0.05)，说明符合正态分布。

2.单样本T检验。在通过正态性检验后，可以通过单样本T检验判断P值是否呈现出显著性(P0.05)，若呈显著性，根据均值与检验值进行差异分析，描述差异大小。

详细结论

输出结果1：正态性检验结果

样本量

平均值

标准差

偏度

峰度

S-W检验

K-S检验

3656

8851.032

3192.428

0.947

2.203

0.943（0.000***）

0.104（0.000***）

注：***、**、*分别代表1%、5%、10%的显著性水平

图表说明：

上表展示了定量变量Price(USD)描述性统计和正态性检验的结果，包括均值、标准差等，用于检验数据的正态性。

●通常正态分布的检验方法有两种，一种是Shapiro-Wilk检验，适用于小样本资料（样本量≤5000）；另一种是Kolmogorov–Smirnov检验，适用于大样本资料（样本量5000）。

●若呈现显著性(P0.05)，则说明拒绝原假设（数据符合正态分布），该数据不满足正态分布，反之则说明该数据满足正态分布。

PS：通常现实研究情况下很难满足检验，若其样本峰度绝对值小于10并且偏度绝对值小于3，结合正态分布直方图、PP图或者QQ图可以描述为基本符合正态分布。

智能分析：

分析项：Price(USD)样本N＜5000，采用S-W检验，显著性P值为0.000***，水平上呈现显著性，拒绝原假设，因此数据不满足正态分布，其峰度（2.203）绝对值小于10并且偏度（0.947）绝对值小于3，可以结合正态分布直方图、PP图或者QQ图进行进一步分析。

输出结果2：正态性检验直方图

Price(USD)

图表说明：

上图展示了定量变量Price(USD)数据正态性检验的结果，若正态图基本上呈现出钟形（中间高，两端低），则说明数据虽然不是绝对正态，但基本可接受为正态分布。

输出结果3：单样本T检验

检验值

样本量

平均值

标准差

t

P

8851.032

3656

8851.032

3192.428

0

1.000

注：***、**、*分别代表1%、5%、10%的显著性水平

图表说明：

上表展示了模型检验结果，包括字段名、检验值、样本数、最大值、最小值等统计量。

●分析模型是否呈现显著性(P0.05)。

●若呈显著性，则说明数据与检验值存在差异性，反之，数据与检验值不存在差异性。

●结合均值与检验值进行差异分析，描述差异大小。

智能分析：

单样本T检验的结果显示，基于变量Price(USD)和输入的检验值8851.032，显著性P值为1.000，水平上不呈现显著性，不能拒绝原假设，因此Price(USD)和检验值8851.032不存在差异性。

参考文献

[1]?ScientificPlatformServingforStatisticsProfessional2021.SPSSPRO.(Version1.0.11)[OnlineApplicationSoftware].?Retrievedfrom.

[2]?FisherBox,Joan.Guinness,Gosset,Fisher,andSmallSamples.StatisticalScience.1987,2(1):45–52.