第七章定量资料的分析.ppt

第七章 定量资料的分析 第一节 统计的理解 统计是一种语言 统计是一种规律 统计是一种思想 统计是一种工具 第二节 平均值、标准差和相关系数 统计分析需要处理的是统计数据。表征某一随机现象的统计数据总是具有一定的特征。描述统计数据特征的是特征量，常用的特征量有：集中量、差异量和相关量。平均值、标准差、相关系数分别是最常用的集中量、差异量和相关量 。 一、 集中量和平均值 集中量是代表一组数据典型水平或集中趋势的 量，反映频数分布中大量数据向某一点集中的情 况。平均值（算术平均值) 是统计学中最容易理解和最常用的集中量指标，可以表示为： 标准分数又称z分数，是以标准差为单位表示一个分数在全部数据中所处的相对位置。 标准分数的定义式是：  （二）SPSS操作基本过程 SPSS功能强大，操作简单。运用SPSS对数据进行统计处理的基本过程如下： 1．建立数据库，录入数据：一是定义变量，二是录入变量值； 2．对数据进行预处理：根据需要，对数据进行整理、分组、合并、排序等； 3．统计分析：按研究要求的统计分析方法，对数据进行处理； 4．数据呈现：生成数据表和可视化图形； 5．保存和导出结果：可将结果以数据库文件格式存贮，并能以常见的数据格式输出。 （三）SPSS应用 1．启动和输入数据 启动SPSS即进入主画面新数据窗口，这时可以定义变量，输入、编辑数据文件。 （1）定义变量： 定义变量类型 定义变量长度 （2）录入数据： 2．计算平均值和标准差 录入数据或打开数据文件后，点击菜单选项Analyze—Descriptive Statistics—Descriptives，出现对话框。在左侧的源变量框中选择一个或多个变量，点击箭头图标， 进入变量框variable(s)—ok,得到输出结果（Output）。 3．计算相关系数 录入数据或打开数据文件后，点击菜单选项Analyze—Correlate—Bivariate，出现二元变量相关分析对话框。在此对话框中做如下操作： （1）选择分析变量：从源变量框中选定需要做相关分析的变量进入变量框； （2）选择分析方法：通常选皮尔逊相关(pearson)计算连续变量的相关。 选择完成后，点击ok,得出输出结果。 根据p值的大小，判断假设H0成立与否，从而推断出样本与总体参数之间的差异性程度。根据p值推断假设检验的规则如下： 常用的假设检验方法有平均数差异显著性检验、方差及方差差异显著性检验及计数数据的差异性检验。由于每一种检验方法都有较严格的试用范围和对数据的要求，因此在进行假设检验时，要根据其使用条件选择相应的检验方法。 平均数的差异显著性检验是常用的参数检验方法，分两种情况： 一是关于样本平均数与总体平均数差异的显著性检验：在大样本前提下（样本总数超过30列），且总体服从正态分布，总体方差已知的情况下，用z检验；而在小样本前提下，总体方差未知的前提下，则用t检验。 二是关于两组样本平均数差异的显著性检验，如两个总体都服从正态分布，总体方差已知的情况下，用z检验；而在总体方差未知的情况下，用t检验。 方差及方差差异的显著性检验分亦为两种情况：一是样本方差与总体方差差异的检验，用卡方检验（检验）；另一个是两个样本方差差异性的检验，用F检验。 计数资料的统计检验主要用检验，可以用来同时检验一个因素的两项或多项分类的实际观测数据，与某理论次数分布是否一致的问题，或有无显著性差异的问题；还可以用于检验两个或两个以上因素的各项分类之间，是否有关联或是否具有独立性的问题。 二 、大样本平均数差异的显著性检验—z检验 z检验适用于大样本的两个平均数之间差异显著性检验的方法。它是通过比较两个样本平均数之间差的z分数和理论的z值的大小，来判断两平均数从差异是否显著的检验方法。 z检验是以正态分布理论估计概率，来推断平均数与总体平均数的差异的检验。z值的定义式为： z为样本平均数的标准分数， 为样本平均数，为总体平均数，n 为样本容量，σ0为总体标准差，为平均数标准误（平均数在抽样分布上的标准差）。 如果总体标准差σ 0已知，样本平均数与总体平均数离差统计量呈正态分布，可以按上式计算 z 值，按正态分布估计其概率，做z 检验。 通过比较实际z值与理论z值（z值在0.01和0.05水平上的值分别为2.58和1.96），判断假设成立的概率，可以推断样本与总体参数差异性程度。表7－5是根据z值推断假设检验的规则。 根据z值推断假设检验的规则如下： 三 、小样本平均数差异的显著性检验—t检验  t检验是适用于小样本的两个平均值的差异程度的检验方法。如果总体标准差0未知，需要用样本标准差作为0的估计值，这样，样本平均