第七章 方差分析.ppt

Page ? * STATA从入门到精通 STATA 从入门到精通 第七章 方差分析 方差分析 方差分析是基于样本方差对总体均值进行统计推断的方法，它是通过实验观察某一种或多种因素的变化对实验结果是否带来显著影响，进而鉴别各种因素的效应，从而选取一种最优方案。 方差分析包括单因素方差分析、多因素方差分析和协方差分析。 7.1 t检验的Stata基本命令 t检验是用于小样本（样本容量小于30）两个平均值差异程度的检验方法。它是用t分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。t检验包括单样本t检验、两样本t检验，其中两样本t检验又包括配对样本t检验和两独立样本t检验。 1、单样本t检验的Stata操作 单样本t检验有两种用法。一是检验样本平均数是否显著地不同于某个假设值。二是检验同一套观察值中的两个变量的统计指标是否显著地不同。这等价于两者的差值的平均数是否等于零。 在Stata应用中使用ttest命令来完成，单样本ttest有两种命令格式： 命令格式1（通过样本进行t检验）： ttest varname == # [if] [in] [, level(#)] 命令格式2（通过样本的统计指标进行t检验）： ttesti #obs #mean #sd #val [, level(#)] 其中，#obs为样本容量，#mean为样本均值，#sd为标准差，#val为待检验数值，level为置信度水平。 2、两样本t检验的Stata操作 两样本t检验的Stata操作有三种基本命令格式，如下所示： 命令格式1（通过样本进行双变量t检验）： ttest varname1 == varname2 [if] [in], [options] 命令格式2（通过样本进行分组t检验）： ttest varname [if] [in] , by(groupvar) [options] 命令格式3（通过样本的统计指标进行t检验）： ttesti #obs1 #mean1 #sd1 #obs2 #mean2 #sd2 [, options] 其中，#obs为样本容量，#mean为样本均值，#sd为标准差，#val为待检验数值，level为置信度水平。 Ttest的主要选项如下表7-1所示： 【例7.1】使用文件“减肥.dta”的数据来对样本ttest命令的应用进行说明。该例子是通过减肥茶前后的体重数据来评估减肥茶是否有效果。本例要求用单样本t检验验证在服用减肥药之前，体重的均值是否为90公斤。以及使用减肥药前后，体重是否有显著变化。 部分数据如下表7-2 所示： 主要选项 描述 * by(groupvar) 通过定义组变量 unequal 非配对的数据含有不同变量 welch 使用Welch近似 level(#) 置信水平默认95% 表7-2 减肥茶服用前后体重对比表 喝减肥茶前体重（公斤） 喝减肥茶后体重（公斤） 90 63 95 71 82 79 91 73 100 74 87 65 91 67 90 73 86 60 87 76 98 71 88 72 82 75 87 62 【例7.2】使用文件“职工信息表.dta”的数据来对两独立样本ttest命令的应用进行说明。表7-3给出了某厂职工的性别、年龄、职称及文化程度的信息。本例要求检验不同性别的职工工资是否相同，使用的方法包括一般的t检验，消除同方差假定的t检验。 表7-3 某厂职工信息表 职工号 性别 年龄 基本工资 职称 文化程度 1 男职工 48 1014 高级工程师 本科 2 男职工 49 984 工程师 专科 3 男职工 54 1044 高级工程师 高中 4 男职工 41 866 助理工程师 高中 5 男职工 38 848 助理工程师 本科 6 女职工 41 824 无技术职称 高中 7 女职工 42 824 无技术职称 高中 8 女职工 41 824 无技术职称 高中 9 女职工 42 859 工程师 专科 10 男职工 35 827 助理工程师 本科 11 男职工 56 1014 高级工程师 专科 12 男职工 59 989 工程师 专科 13 男职工 59 938 助理工程师 初中 14 男职工 41 889 工程师 本科 15 男职工 55 887 助理工程师 初中 16 男职工 45 887 助理工程师 初中 17 男职工 51 887 助理工程师 初中 18 男职工 43 879 工程师 专科 19 女职工 50 867 助理工程师 初中 20 男职工 35 879 工程师 专科 21 男职工 37 879 工程师 专科 22 男职工 37 827 助理工程师 高中 23 男职工 39 847 助理工程师 初中 24 女职工 4