SPSS统计分析第四章均值比较与T检验.ppt

第四章 均值比较与T检验 统计分析常常采取抽样研究的方法。即从总体中随机抽取一定数量的样本进行研究来推论总体的特性。由于总体中的每个个体间均存在差异，即使严格遵守随机抽样原则也会由于多抽到一些数值较大或较小的个体致使样本统计量与总体参数之间有所不同。 由此可以得出这样的认识：均值不相等的两个样本不一定来自均值不同的总体。 能否用样本均数估计总体均数，两个变量均数接近的样本是否来自均值相同的总体？换句话说，两个样本某变量均值不同，其差异是否具有统计意义，能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。 对来自正态总体的两个样本进行均值比较常使用T检验的方法。T检验要求两个被比较的样本来自正态总体。两个样本方差相等与不等时使用的计算t值的公式不同。 进行方差齐次性检验使用F检验。对应的零假设是：两组样本方差相等。p值小于0.05说明在该水平上否定原假设，方差不齐；否则两组方差无显著性差异。 F值的计算公式是：F＝S12(较大)/S22(较小) 进行均值比较及检验的过程 一、MEANS过程 MEANS过程计算指定变量的综合描述统计量。当观测量按一个分类变量分组时，MEANS过程可以进行分组计算。例如要计算学生的平均身高，SEX变量把学生按性别分为男、女生两组，MEANS过程可以分别计算男、女生平均身高。用于形成分组的变量应该是其值数量少且能明确表明其特征的变量。 使用MEANS过程求若干组的描述统计量，目的在于比较。因此必须分组求均值。这是与Descriptives过程不同之处。 MEANS过程的基本功能是分组计算指定变量的描述统计量。包括均值、标准差、总和、观测量数、方差等一系列单变量描述统计量。还可以给出方差分析表和线性检验结果。 Mean过程的数据文件要求：至少有一个连续变量、一个分类变量（离散变量）。对连续变量求其基本描述统计量。分类变量用来分组。 以27个学生的身高为例说明操作步骤（data11-01） 变量no编号，sex性别，age年龄，h身高，w体重。 线性检验结果 练习题 已知97个被调查幼儿的体健资料并建立了CHILD.sav数据文件。试按性别（X2）对身高（X5）与体重（X4）做平均数分析。 CHILD.sav数据文件在SP11DATA文件夹下 二、T test过程 1、单一样本T检验(One-sample T Test) 检验单个变量的均值是否与给定的常数（一般为理论值、标准值或经过大量观察所得的稳定值等）之间存在差异。样本均数与总体均数之间的差异显著性检验属于单一样本T检验。 举例：已知某地区12岁男孩平均身高为142.3cm。1973年某市测量120名12岁男孩身高资料。分析该市12岁男孩的身高与该地区平均身高有无明显差异。 建立数据库(data11--02) Confidence interval:95%：置信区间项，可以自定义。 Missing Values：选择对缺失值的处理方法 Exclude cases analysis by analysis:带有缺失值的观测值当它与分析有关时才被剔除； Exclude cases listwise：剔除所有列在Test、Grouping矩形框中的变量带缺失值的项 身高基本描述统计量 单样本T检验分析结果 练习题 已知某水样中含CaCO3的真值为20.7mg/L，现用某方法重复测定该水样11次CaCO3的含量（mg/L）为：20.99，20.41，20.10，20.00，20.91，22.60，20.99，20.41，20.00，23.00，22.00。问该方法测得的均值是否偏高？ 2、Independent Sample T test（独立样本T检验） 独立样本的T检验用于检验是否两个不相关的样本来自具有相同均值的总体。必须注意使用这种检验的条件是必须具有来自两个不相关组（非配对）的观测量，其均值必须是对你想在两组中都计算的变量的综合测度。 如果分组样本彼此不独立，例如测量的是研究对象用药前后某项指标，要求比较用药前后某项指标均值是否有显著性差异，应该使用配对 T检验的功能（Paired Sample T test）。 如果分组不止两个，应该使用One-Way ANOV过程进行单变量方差分析。 如果你试图比较的变量明显不是正态分布的，则应该考虑使用一种非参数检验过程（Nonparametric test）。 如果想比较的变量是分类变量，应该使用Crosstabs功能。 Use special values：按分组变量的值进行分组 Cut point：当分组变量为连续变量时，选择该选项后，在后面的矩形框中输入一个连续变量值，将观测量分为大于该值和小于该值的两个组，检验在这两个组之间进行，