社会统计学与SPSS应用课件.ppt

精选 * 四、积矩相关系数的区间估计 精选 * 精选 * 0.489 ≤r≤0.695 精选 * 第六章 假设检验 一、研究假设与虚无假设 研究假设H1 虚无假设H0 抽样分布 H0为真，则H1为假； H0为假，则H1为真。 精选 * 二、否定域与显著性水平 精选 * 精选 * 精选 * 而显著水平表示否定域在整个抽样分布中所占的比例，也即表示样本的统计值落在否定域内的概率。 否定域CR就是抽样分布内一端或两端的小区域，如何样本的统计值在此区域范围内，则否定虚无假设。 精选 * 三、单侧（尾）与双侧（尾）检验 精选 * 四、Ⅰ型错误与Ⅱ型错误 Ⅰ型错误：拒绝H0时所犯的错误。犯Ⅰ型错误的概率通常以α表示，故又称α型错误。 Ⅱ型错误：接受H0时所犯的错误。犯Ⅱ型错误的概率通常以β表示，故又称β 型错误。 α型错误与β 型错误成反比。 精选 * 精选 * 五、单均值的Z检验 适用条件 样本是随机抽取的 n≥100或n≥30 均值的抽样分布近似为正态分布 精选 * 精选 * 例：从全区工人中随机抽取n=120名工人进行一项政治水平的测验，发现样本平均分为 =57分，标准差S=18.5。可否证明全区工人该项测验的平均分M=60分。设p=0.05。 精选 * 解： n=120, 精选 * 精选 * Z＞-1.96，故接受H0，即全区工人该项测验的平均分为60分。 精选 * 若H1：M＜60 H0：M=60 解：这是单尾检验，查表得Z≤-1.65 精选 * 精选 * Z＜-1. 65，故否定H0，接受H1，即全区工人该项测验的平均分小于60分。 若p=0.01，仍为左侧单尾检验，查表得Z≤-2.33，样本统计值Z=-1.78＞-2.33，故接受H0，即该区工人该项测验的平均分为60分。 精选 * 例：有人调查早期教育对儿童智力发展的影响，从受过良好早期教育的儿童中随机抽取n=70人进行韦氏儿童智力测验，结果样本平均数为 =103.3，能否认为受过良好早期教育的儿童智力高于一般水平（总体M=100,σ=15）。 精选 * 精选 * H1：M＞100 H0：M=100 p=.05 查表得：Z≥1.65 依题意： 精选 * Z=1.84 ≥1.65 ∴拒绝H0，接受H1，即即受过良好早期教育的儿童的平均智力要优于一般儿童的智力。 精选 * 六、单均值的t检验 适用条件 样本是随机抽取的 n≤30 精选 * 自由度（degrees of freedom，df）：有多少个案的数值可以随意变更。 自由度是指样本中独立的或能自由变化的数据的个数。 例：一个样本n=4,数据分别为 8、9、11、12 ， =10 要保证平均数恒定，只能自由改变3个数据，如7、15、8，第四个数必定为10。 精选 * 对于样本，由于 是固定的，所以df=n-1 对于总体，由于μ是未知的，所以df=n 精选 * t的抽样分布的形状（如扁平或高耸的程度）取决于自由度。 精选 * t分布表（P391，附录5：t分布） 精选 * 例：一个随机样本，n=26， =65，S=10。 H1：M＞60 H0：M=60 p≤.05 解：df=n-1=26-1=25，查表得：t≥1.708 样本 精选 * 七、本章小节 精选 * 第四章 概率与统计推断 第一节 抽样的意义与问题 第二节 抽样的历程 第三节 随机与非随机抽样法 参阅 风笑天：《现代社会调查方法》 精选 * 第四节 概率与抽样分布 推断统计（inferential statistics）：通过对样本数据的统计分析，在一定可靠程度上推测相应的总体的数据特征及规律。 统计值（statistic）：即样本值 参数值（parameter）：即总体值 代表性样本（representative sample）：是指可以从这个样本的数据对总体的特征做出准确的、无偏估计的一个样本。 精选 * 一、二项抽样分布 精选 * 精选 * 精选 * 精选 * 精选 * 二项抽样分布特征： 每次抽样只有两种可能结果； 每次抽样“成功”的概率为P，失败的概率为Q，P+Q=1，且每次抽样的概率都相同； 每次抽样相互独立； 抽样可重复N次； 在N次抽样中，出现“成功”的次数的概率分布就叫二项分布。 精选 * 二、均值抽样分布 精选 * 精选 * 精选 * 精选 * 精选 * 均值抽样分布特征： 如果样本相当大，则抽样分布接近正态分布； 抽样分布的均值就是总体均值，抽样分布的标准差叫标准误（standard error）； 精选 * 精选 * 精选 * 有95%的样本均值在M±1.96SE范围内，有99%的样本均值在M±2.58SE范围内。 精选 * 精选 * 精选 * 三、参数估计与假设检验 参