第四讲 连续变量的参数检验：均值比较检验PPT.pptVIP

第四讲 连续变量的统计推断（一）：均值比较的t检验;第一节 假设检验概述;统计方法;参数检验：事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立； 非参数检验：是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。 ;0;;... 因此我们拒绝假设 ? = 50;;什么是P 值?;双侧检验的P 值;左侧检验的P 值;右侧检验的P 值;利用 P 值进行检验 (决策准则);四、假设检验的两类错误;第一类错误（Ⅰ类错误）也称为 α错误：拒真，是指当虚无假设(H0)正确时，而拒绝H0所犯的错误。这意味着研究者的结论并不正确，即观察到了实际上并不存在的处理效应。 第二类错误（Ⅱ类错误）也称为β错误：纳伪，是指虚无假设错误时，反而接受虚无假设的情况，即没有观察到存在的处理效应。 ;四、均值比较检验的SPSS实现;均值：分组计算样本的描述性统计量。 单样本t检验：单样本t检验，即比较样本均值和总体均值的t检验。 独立样本 t检验：独立两样本t检验，即比较两独立样本均值的t检验。 配对样本t检验：配对样本t检验，即比较配对设计的差数均值与0的t检验。 单因素 ANOVA：单因素方差分析。 ;第二节 均值（Means）—分组计算样本的描述性统计量;案例：在CCSS项目中，以项目启动时的2007年4月的数据为指数基线，基线期指数值为100，随后各期所计算出的指数则代表当期数值相对于“基线”调查数值的变动比例。CCSS_Sample.sav中提供了北京、上海、广州3个一线城市的调查数据，现有如下目的： 对2007年4月北京、上海、广州3个一线城市的消费者信心指数值的均值进行描述。 ;;;对2007年4月3个城市消费者信心指数均值进行分组描述的分析步骤：;;;第二步：均值描述过程;点击选项（Options）…;结果解读： 1、数据摘要与基本分组信息 ;2、方差分析结果;4、选取不同分层变量对结果的影响 （1）分组变量设置为一层，则输出两个独立的表格。 ;如上图， 将两个分组变量“城市”和“学历”定义在同一层内，即二者是平等的关系，所以会分别按照性别和地区分组输出两张基本信息表。; （2）分组变量设置为两层，则输出一个交叉表格。 ;如前图，将“城市”作为第一层分组变量，“学历”作为第二层分组变量，二者之间是有层次关系的，所以最后输出的是先按城市分组，在同一城市内再按学历分组的一张基本信息表。;方法二：运用“探索分析”，;2007年4月总指数的正态性检验和Q－Q图;2007年4月三个城市总指数的箱线图;2007年4月三个城市总指数的比较：;第二节 单样本的t检验;总体均值的检验;总体均值的检验(?2 已知或?2未知、大样本);总体均值的检验 (?2未知小样本);单样本T检验的实现思路 提出原假设： 计算检验统计量和概率P值 给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 ;三、单样本t检验的SPSS实现;在检验值框中输入检验值100;输出结果：;人均住房面积单样本t检验结果;单样本t检验的应用条件： 由中心极限定理可知，即使原数据不服从正态分布，只要样本容量足够大，其样本均值的抽样分布仍然是正态的，因此，当样本量较大时，研究者很少去考虑单样本t检验的适用条件。 也就是说，只要数据分布不是强烈的偏态，一般而言，单样本和检验都是适用的。;练习;第三节 两独立样本的T检验;两个独立样本之差的抽样分布;两个总体均值之差的检验 (?12、 ?22 已知);两个总体均值之差的检验 (?12、 ?22 未知，大样本);两个总体均值之差的检验 (?12、 ?22 未知但相等,小样本);两个总体均值之差的检验 (?12、 ?22 未知且不相等,小样本);方差齐性检验（Levene F方法）： 原理： 计算两组样本的均值 计算各个样本与本组均值的平均离差绝对值； 利用单因素方差分析推断两独立总体平均离差绝对值是否有显著差异。 注意： 在对两独立样本进行T检验时，两组样本方差相等和不等时使用的计算t值的公式不同，所以首先进行方差F检验。 用户需要根据F检验的结果自己判断选择t检验输出中的哪个结果，得出最后结论。 如果推断两总体方差相等则看方差相等的T检验值和P值， 如果推断两总体方差不相等则看方差不相等的T检验值和P值。;二、两独立样本T检验的SPSS实现;案例：研究者认为家庭收入高低可能会影响消费者信心的平均水平，收入较高的家庭其消费者信心应当较低收入家庭更高。 根据前期研究成果，CCSS项目中，将受访家庭按照年收入是否大于4.8万无人民币分为两组。 要求，以2007年4