《SPSS的参数检验.ppt》由会员分享，可在线阅读，更多相关《SPSS的参数检验.ppt（31页珍藏版）》请在三一办公上搜索。
1、,第5章：SPSS的参数检验,1.SPSS简介,推断统计与参数检验 推断统计方法是根据样本数据推断总体特征的方法，它在对样本数据描述的基础上，以概率的形式对统计总体的未知数量特征（如均值、方差等）进行表述。通过对样本数据的研究来研究推断总体特征主要是出于以下两个原因：第一，总体数据无法全部收集；第二，在某些情况下虽然总体数据能够收集到，但操作时将会耗费大量的人力、物力和财力。,5.1 参数检验概述,利用样本数据对总体特征的推断通常在以下两种情况下进行：第一、总体分布已知（如总体为正态分布）的情况下，根据样本数据对总体分布的统计参数（如均值、方差等）进行推断。第二、总体分布未知的情况下，根据样本
2、数据对总体的分布形式或特征进行推断。,5.1.2 假设检验的基本思想,对总体特征的推动一般采用参数估计（点估计和区间估计）和假设检验两类形式。Spss兼顾了这两类方式。假设检验的基本思路是首先对总体参数提出假设，然后再利用样本告之的信息去验证先前提出的假设是否成立。如果样本数据不能够充分证明和支持假设，则在一定的条件下，应拒绝假设；相反，如果样本数据不能够充分证明和支持假设是不成立的，则不能推翻假设成立的合理性和真实性。上述假设检验推断过程所依据的基本信念是小概率原理，即发生概率很小的随机事件，在某一次特定的实验中是几乎不可能发生的。,5.1.3 假设检验的基本步骤,依据假设检验的基本思想，假
3、设检验可以总结成为以下四大基本步骤：第一，提出原假设（记为H0）。即根据推断检验的目的，对待推断的总体参数或分布提出一个基本假设。第二，选择检验统计量。在假设检验中，样本值（或更极端值）发生的概率并不直接由样本数据得到，而是通过计算检验统计量观测值发生的概率而间接得到。这些检验统计量服从或近似服从某种已知的理论分布。对于不同的假设检验问题以及不同的总体条件，会有不同的选择检验统计量的理论、方法和策略。,第三，计算检验统计量观测值发生的概率 选定检验统计量之后，在认为原假设成立的条件下，利用样本数据便可计算出检验统计量观测值发生的概率，即概率P-值或相伴概率（即指该检验统计量在某个特定的极端区域
4、取值在H0成立时的概率），该概率间接地给出了样本值（或更极端值）在原假设成立条件下发生的概率。对此可以依据一定的标准来判定其发生的概率是否为小概率，是否是一个小概率事件。第四，给定显著性水平a，并作出统计决策 显著性水平a是指原假设准确但却被错误地拒绝了的概率或风险，一般人为确定为0.05或0.01等，意味着不拒绝原假设正确的可能性（概率）为95%或99%。,得到检验统计量的概率P-值后的决策就是判定应拒绝原假设还是不应拒绝原假设。如果检验统计量的概率P-值小于显著性水平a，则认为如果此时拒绝假设犯错误的可能性小于显著性水平a，其概率低于预先控制的水平，不太可能犯错误，可以拒绝原假设；反之，如
5、果检验统计量的概率P-值大于显著性水平a，则认为如果此时拒绝原假设犯错误的可能性大于显著性水平a，其概率比预先控制的水平高，很有可能犯错误，不应拒绝原假设。总之，通过上述四步便可完成假设检验。在利用SPSS进行假设检验时，应明确第一步假设检验的原假设，第二步和第三步是spss自动完成的，第四步的决策需要人工判定，即人为确定显著性水平a，并与检验统计量的概率P-值相比较进而做出决策。,5.2 单样本t检验,5.2.1 单样本t检验的目的 单样本t检验的目的是利用来自某总体的样本数据，推断该总体的均值是否与指定的检验值之间存在显著差异。它是对总体均值的假设检验。单样本t检验是指研究问题中仅涉及一个
6、总体，且采用t检验的方法进行分析。单样本t检验的前提是样本来自总体应服从或近似服从正态分布。,5.2.2 单样本t检验的基本步骤,单样本t检验作为假设检验的一种方法，其基本步骤与假设检验是完全相同的。,5.2.3 单样本t检验的应用举例,案例：利用“住房状况调查.sav”，推断家庭人均住房面积的平均值是否为20平方米。分析：由于该问题涉及的是单个总体，且要进行总体均值检验，同时家庭人均住房面积的总体近似认为服从正态分布，因此，可以采用单样本t检验进行分析。原假设：总体均值与检验值之间不存在显著差异：H0：u=u0=20。U为总体均值，u0为检验值 操作：【分析（analyze）】【比较均值（c
7、ompare means）】【单样本T检验（one-samples T Test）】,指定缺失值和和输出默认95%的置信区间,表示计算时涉及的变量有缺失值，则剔除在该变量上为缺失值的个案.这种方法较下一种方法更能充分地利用样本数据,表示剔除所有在任意变量上含有缺失值的个案后在进行分析。,SPSS将自动计算出t统计量和对应的概率P-值,人均住房面积22平方米,标准差为12.7平方米,T统计量的观测值为8.64,自由度为2992（即：n-1=2993-1）,T统计量观测值的双尾概率P-值,样本均值与检验值之差（T统计量的分子部分）,总体均值与原假设值差的95%的置信区间为（1.55,2.46），由
8、此计算出总体均值的95%的置信区间为（21.55,22.46）平方米,结论,如果a给0.05，由于p（=0）小于a，由此拒绝原假设（H0：u=u0=20），认为家庭人均住房面积的平均值与20平方米有显著差异。95%的置信区间说明：有95%的把握认为家庭人均住房面积的均值在21.55 22.46平方米之间，20平方米没有包含在置信区间内，也证实了上述推断。,5.3 两独立样本t检验,5.3.1 两个独立样本t检验的目的 两独立两样本t检验的目的是利用来自两个总体的独立样本，推断两个总体的均值是否存在显著差异。5.3.2 两独立样本t检验的基本步骤（同独立样本t检验）两独立样本t检验的前提是：1.
9、样本来自的总体应服从或近似服从正态分布。2.两样本相互独立，即从一总体中抽取一组样本对从另一总体中抽取一组样本没有任何影响，两组样本的个案数目可以不等。,5.3.3 两独立样本t检验的应用举例,在进行两独立样本t检验之前，正确组织数据是一个非常关键的任务。SPSS要求将两组样本数据存放在一个SPSS变量中，即存放在一个SPSS变量列下。同时，为区分哪些样本来自哪个总体，还应定义一个存放总体标识的标识变量。案例：利用“住房状况调查.sav”，分析本市户口与外地户口家庭人均住房面积的平均值是否存在显著差异。分析：由于本市户口人均住房面积和外地户口人均住房面积可以看成两个总体，且住房面积可近似认为服
10、从正态分布，样本数据的获取是独立抽样的，因此，可以用独立样本t检验的方法进行。,原假设：本市户口和外地户口的家庭人均住房面积的平均值无显著差异，即：H0：u1u2=0 u1，u2分别为第一个和第二个总体的均值。操作：【（分析）analyze】【比较均值（compare means）】【独立样本t检验（independent-samples T test）】,定义两总体的标识值,框中输入一个数字，大于等于该值的对应一个总体，小于该值的对应另一个总体,本市户口和外地户口的家庭人均住房面积的样本平均值有一定的差距。,结论,分析结论应通过两步完成：第一步，两总体方差是否相等的F检验。该检验的F统计量的
11、观察值为65.469，对应的概率P-为0.00。如果显著性水平a为0.05，由于概率P-小于0.05，可以认为两总体的方差有显著差异。第二步，两总体均值的检验。t统计量的观测值为-3.369，对应的双尾概率P-值为0.001.如果显著性水平a为0.05，由于概率P-小于0.05，因此认为两总体的均值有显著地差异，及本市户口的家庭人均住房面积的平均值存在显著差异。,5.4 两配对样本的t检验,5.4.1 两配对样本t检验的目的 两配对样本t检验的目的是利用来自两个总体的配对样本，推断两个总体的均值是否存在显著性差异。配对样本t检验与独立样本t检验的差别之一是要求样本是配对的。所谓配对样本可以是个
12、案在“前”、“后”两种状态下某属性的两种不同特征，也可以是对某事物两个不同侧面的描述。其差别在于抽样不是相互独立，而是相互关联的。配对样本通常具有以下两个特征：1、两组样本的样本数相同。2、两组样本观测值的先后顺序是一一对应的，不能随意更改。,5.4.2 两配对样本t检验的基本步骤（同上）,5.4.3 两配对样本t经验的应用举例 案例：利用“减肥茶.sav”来推断减肥茶是否有明显的减肥作用。分析：体重可以近似认为服从正态分布，从实验设计和样本数据的获取过程可以看出，这两组样本是配对的。因此，可以借助两配对样本t检验的方法，通过检验喝茶前后体重的均值是否发生显著变化来确定减肥茶的减肥效果。操作：
13、【分析（analyze）】【均值比较（compare means）】【配对样本t检验（paired-samples t test）】,喝茶前后样本的平均值有较大的差异：喝茶后的体重平均值低于喝茶前的平均体重。,第三列是喝茶前后两组样本的简单相关系数，第四列是相关系数检验的P-值。它表明在显著性水平a为0.05时，喝茶前后体重的线性相关程度较弱。,最后一列为t检验统计量观测值对应的双尾概率P-值，接近于0.如果显著性水平a为0.05，由于概率P-值小于显著性水平a，应拒绝原假设，即认为总体上体重差的平均值与0有显著不同，意味着喝茶前后的平均体重存在显著差异，可以认为该减肥茶具有显著的减肥效果。,
