spss教程_6-1(参数检验).ppt

主要内容 MEANS过程 单一样本T检验 (One-Sample T Test） 独立样本T检验 (Independent-Sample T Test) 配对样本T检验 (Paired-Sample T Test) 2、结果分析 表5-9 是血红蛋白值的观测量个数、均值、标准差和均值的标准误等统计量。 假设检验的基本思想 Analyze—Compare Means—Paired-Sample T Test 基本操作 例题分析 例1: 减肥茶效果检验 例题分析 例2: pairst1.sav 表5-1血红蛋白值(g%) 11.35 8.78 10.98 11.67 13.78 16.04 12.55 10.09 9.87 13.65 12.35 7.88 血红蛋白值 16 16 17 17 18 18 18 18 16 16 18 16 年龄 1 2 1 1 1 1 2 2 2 1 1 1 性别 40 39 38 37 36 35 34 33 32 31 30 29 编号 14.67 16 1 28 10.06 17 2 14 11.56 17 2 27 12.25 18 2 13 12.56 18 2 26 15.50 16 1 12 8.56 17 2 25 12.83 18 2 11 8.67 18 2 24 14.03 18 1 10 15.09 18 1 23 8.05 16 2 9 12.78 16 1 22 12.40 16 1 8 11.36 16 2 21 14.56 17 1 7 7.78 17 2 20 11.35 17 2 6 8.54 18 2 19 8.99 17 2 5 11.66 18 1 18 9.87 17 2 4 8.36 16 2 17 12.56 16 1 3 9.65 18 1 16 10.57 18 1 2 10.88 16 1 15 13.66 18 1 1 血红蛋白值 年龄 性别 编号 血红蛋白值 年龄 性别 编号 例题分析 1） 打开数据文件“Means过程.sav” 。 2)按顺序Analyze Compare Means Means打 开主对话框。 3)单击Option, 打开Options对话框,选择统计项目。 4）单击OK完成。 1、操作步骤 例题分析 选hb sex 按Next,进入layer 2of 2,选age 图6—3 在主对话框选送变量 图6—4 第二层变量框 选择统计项目 按此 按钮 复选此2项,第一层次分组选择计算方差分析和线性检验 图6—5 Options对话框 表6—1 观测量摘要表 表6—1 是观测量摘要表，观测量总个数为40，其中有效值为40个、无效值0。 2. 结果及分析 例题分析 表6—2 分组描述统计量 表6—2 分三部分：第一、二部分先按性别分组，再按年龄分组计算观测值合计、均数、标准差、方差和个数；第三部分只按年龄分组，最后一行为合计。 表6—3 按性别分组的描述性统计量 血红蛋白* 性别 例题分析 表6—4 按年龄分组的描述统计量 血红蛋白* 年龄 表6—3、4是将sex和age一起放在layer 1of 1中，分别计算男、女（不作年龄分组）。年龄分三组（不作性别分组）的观测值合计、均数、标准差、方差和个数。 例题分析 表6—5 方差分析表 表6—5是方差分析表，共6列：第一列方差来源：组间的、组内的、总的方差；第二列为平方和；第三列为自由度；第四列为均方；第五列为F值；第六列为F统计量的显著值，显著值小于0.05,所以性别对血红蛋白值有显著影响。 表6—6 eta统计量 表6—6是eta统计量表，η统计量表明因变量和自变量之间联系的强度，0.567的值处于中等水平，η2是因变量中不同组间差异所解释的方差比，是组间平方和与总平方和之比，即由64.5256除以 200.787得到。 表6—7 按年龄分组的方差分析表 表6—7是将年龄作为第一层自变量得到的方差分析表，Linearity是假设因变量均值是第一层自变量值的线性函数，Deviation from Linearity是不能由线性模型解释的部分。 表6—8 按年龄分组的eta统计量 表6—8是将年龄作为第一层自变量得到的eta统计量表，R和R2测度线性拟合的良好度，R是观测值与预测值之间的相关系数。 仍以表5-1的资料来说明。已知另一地区16-18岁的少年血红蛋白平均值为11.657g%，检验这一地区16-18岁少年血红蛋白值是否与另一地区的平均值相等。 例