第5章：SPSS参数检验
第五章SPSS参数检验
假设检验的基本原理
• 基本信念：利用小概率原理进行反证明。小概率事 件在一次实验中不可能发生。
例如：对人民大学男生平均身高进行推断
– H0：平均身高为173
– 样本平均身高为178，由于存在抽样误差，不能直接拒绝H0。 而需要考虑：在H0成立的条件下，一次抽样得到平均身高为178的可 能性有多大。如果可能性较大，是个大概率事件（与相比较），则不 能认为H0不正确。否则，如果可能性较小，是个小概率事件， 但确实发生了，则只能认为H0不正确。
SPSS两配对样本t检验
(一) 含义: 根据配对样本对两总体均值是否有显著差异进行推断.
例如： 某种减肥茶是否有效 (二)要求:
• 两样本数据必须两两配对,即:样本个数相同,个案顺序相同.如:减 肥茶的效果、不同广告形式对销售额的影响.(控制了个案自身的 影响)
• 两总体服从正态分布
SPSS两配对样本t检验
在test后的框中输入检验值
SPSS单样本t检验
(五)option选项
• confidence interval:指定输出－0的置信区间.默认值为 95%.
• Missing values: 缺失值的处理(单样本检验时以下选项没有差别)
– exclude cases analysis by analysis:当分析时涉及到有缺失 值变量时再剔除相应的个案
(三)基本思路
• H0:两总体均值无显著差异,差值序列的均值u0 =0.
• 构造统计量：同单样本均值检验
t D
– D=X- u0 S为差值序列的标准差
S/ n
– 实质是先求出每对测量值的差值;然后检验差值序列的均值
是否与0有显著差异.
SPSS 教程 第五章 方差分析
目录1、单因素方差分析1)准备分析数据2)启动分析过程3)设置分析变量4)设置多项式比较5)多重比较6)提交执行7)结果与分析2、多因素方差分析1)准备分析数据2)调用分析过程3)设置分析变量4)选择分析模型5)选择比较方法6)选择均值图7)选择多重比较8)保存运算值9)选择输出项10)提交执行11)结果分析方差分析是用于两个及两个以上样本均数差别的显著性检验。
由于各种因素的影响，研究所得的数据呈现波动状，造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。
方差分析的基本思想是：通过分析研究不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。
方差分析主要用途：①均数差别的显著性检验，②分离各有关因素并估计其对总变异的作用，③分析因素间的交互作用，④方差齐性检验。
在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。
通常是比较不同实验条件下样本均值间的差异。
例如医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响；不同化学药剂对作物害虫的杀虫效果等，都可以使用方差分析方法去解决。
方差分析原理方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个：(1) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示，记作SS w，组内自由度df w。
(2) 实验条件，实验条件，即不同的处理造成的差异，称为组间差异。
用变量在各组的均值与总均值之偏差平方和表示，记作SS b，组间自由度df b。
总偏差平方和 SS t = SS b + SS w。
组内SS t、组间SS w除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MS w和MS b，一种情况是处理没有作用，即各组样本均来自同一总体，MS b/MS w≈1。
第5章 SPSS 20.0均值检验
对总体特征的推断一般采用参数估计（点估计 和区间估计）和假设检验两类方法实现。SPSS兼顾 了这两类方式，由于其核心原理基本类似，这里仅以 对假设检验的基本思想做重点讨论。 假设检验的基本思想是首先对总体参数提出假设， 然后利用样本告之的信息去验证提出的假设是否成立。 如果样本数据不能充分证明和支持假设，则在一定的 概率条件下，应拒绝该假设；相反，如果样本数据不 能够充分证明或者支持假设是不成立的，则不能推翻 假设。上述假设检验推断过程所依据的基本信息是小 概率原理，即发生概率很小的随机事件，在某一次特 定的实验中是几乎不可能发生的。
表5-1 单个样本统计量
N 钢管内径 10
均值 100.1040
标准差 .47596
均值的标准误 .15051
表5-1给出了单一样本均值检验的描述性统 计量、标准差和均值标准误差。钢管内径 均值为100.1040，接近总体100
表5-2是单一样本均值检验的结果列表，给 出了t统计量、自由度、双尾概率以及显著 性水平及置信区间。双尾概率P=0.507>显 著性水平0.05，接受原假设，说明钢管内径 与平均值100无显著差异。
表5-6 独立样本检验 方差方程的 Levene 检验 均值方程的 t 检验 差分的 95% 置 Sig.( F 电池使用 假设方差 时间 相等 假设方差 不相等 5.456 20.17 2 .000 .100 Sig. .755 t 5.484 df 21 双侧) .000 均值 差值 1.133 33 1.133 33 .20771 标准误 差值 .20665 信区间 下限 .7035 9 .7003 0 上限 1.563 08 1.566 36
0
其中
第5讲SPSS非参数检验
数据文件：“糖果中的卡路里.sav” 菜单：“分析→非参数检验→旧对话框→K个独立样本”
多独立样本非参数检验整体分析与设计的内容
输入最大值、 最小值。
Kruskal-Wallis H检 验：是曼-惠特尼U 检验在多个独立样 本下的推广。
检验各个样本是否来自有相同中位数的 总体。--- 这种检验的效能最低。
2）对数据的测量尺度无约束，对数据的要求也不严格，任何数据类型 都可以。
3）适用于小样本、无分布样本、数据污染样本、混杂样本等。
注：若参数检验模型的所有假设在数据中都能满足，而且测量达到了所 要求的水平，那么，此时用非参数检验就浪费了数据。
因此，若所需假设都满足的情况下，一般就选择参数检验方法。
卡方检验
此时，零假设：两总体的 均值无显著性差异；就可 能不成立。
K-S检验。以变量的秩 作为分析对象；而非变 量值本身。
也需要先将两组样本混 合、升序排列。
两独立样本非参数检验整体分析与设计的内容 二、操作
该检验有特定用途，给出的结果均为单侧 检验。若施加的处理时的某些个体出现正 向效应，而另一些个体出现负向效应时， 就应当采用该检验方法。 基本思想为：将一组样本作为控制样本， 另一组作为试验样本。以控制样本为对照， 检验试验样本相对于控制样本是否出现了 极端反应。若无极端反应，则认为两总体 分布无显著性差异；否则，有显著性差异。
选择分布
“结”的处理
单样本K-S检验
整体分析与设计的内容
三、补充描述性统计的P-P图和Q-Q图
P-P图的输出样子： P-P图
期望（理论）累计 概率值
去势P-P图
样本数据实际累计 概率值
实际与期望的差值
样本数据实际累计 概率值
第五章 SPSS参数检验1
作出决策
拒绝假设!
别无选择.
☺☺ ☺
☺☺ ☺☺
☺☺
抽取随机样本
☺X均=值20☺
原假设
(null hypothesis)
1. 又称“0假设”，研究者想收集证据予以反对的假设，用 H0表示
2. 所表达的含义总是指参数没有变化或变量之间没有关系 3. 最初被假设是成立的，之后根据样本数据确定是否有足够
的证据拒绝它
假设检验的理论依据
假设检验所以可行,其理论背景为 实际推断原理,即“小概率原理”
人们在实践中普遍采用的一个原则：
小概率事件在一次试验 中基本上不会发生 .
小概率原理及实际推理方法
1、小概率事件 如果在某次试验或观测中，某事件出现
的概率很小，这样的事件叫小概率事件。
2、小概率原理
小概率事件在一次试验或观测中几乎是不可能发 生的。
至此，SPSS将自动计算t统计量和对应的概 率p值。
• 推断储户一次平均存（取）款金额是否为2000 • 推断家庭人均住房面积的均值是否为20平方米
练习
根据各保险公司人员构成情况数据，对我国目 前保险公司从业人员的受高等教育的程度和年轻化 的程度进行推断：
• 保险公司具有高等教育水平的员工比例的平均值不 低于0.8；
解：研究者想收集证据予以证明的假设应该是“ 生产过程不正常”。建立的原假设和备择假设为
H0 ： 10cm H1 ： 10cm
提出假设
(例题分析)
• 【例】某品牌洗涤剂在它的产品说明书中声称 ：平均净含量不少于500克。从消费者的利益 出发，有关研究人员要通过抽检其中的一批产 品来验证该产品制造商的说明是否属实。试陈 述用于检验的原假设与备择假设
3. 在一次试验中小概率事件一旦发生，我们就有 理由拒绝原假设
SPSS数据的参数检验和方差分析
用样本方差 s 2 代替总体方差 2 ，用统计量： t x u0 n S
当零假设成立，则统计量服从正态分布。
检验的拒绝域为W t tn1( / 2) 即W t tn1( / 2)或t tn1( / 2)
2019/12/22
11
zf
•接受H1并不表示H1为真，只是表示样本资料并没有充分证据可以拒绝H1，也可 能会发生‘拒绝正确零假设的错误，即第一类错误’
•接受H0并不表示H0为真，只是表示样本资料并没有充分证据可以拒绝H0，也可
能会发生‘备选假设正确时反而说零假设正确的错误，即第二类错误’
2019/12/22
7
zf
注意：
• 此例中备择假设H1: u 160cm的假设称为双尾检验 （ Two-tailed Test ） ；
• （3）确定显著性水平α
• （4）确立2/22
4
zf
例：现对某地区成年女性的平均身高进行检验，看是
否达到160 cm 。随机抽样了50个样本，抽样样本均值
为162。
• （1）提出零假设（null hypothesis）和备择假设 （alternative hypothesis）
• 小概率思想是指小概率事件（P<0.01或P<0.05等）在一次 试验中基本上不会发生。
• 利用反证法思想，先提出假设H0，再用适当的统计方法确 定假设成立的可能性大小，如可能性小,则认为假设不成立； 反之，则认为假设成立。
2019/12/22
3
zf
假设检验的步骤 • （1）提出一个原假设和备择假设 • （2）确定检验统计量
相应的假设检验问题为： H0：μ1=μ2 H1: μ1大于μ2
统计分析与Spss应用第五章(描述性统计分析)
选入需要描述的 变量，可选入多个
确定是否将原始数 据的标准正态变换 结果存为新变量。
变量列表顺序 字母顺序 均数升序 均数降序。
Descriptive Statistics N 血清总胆固醇 Valid N (listwise) Minimum Maximum 101 2.70 7.22 101 Mean Std. Deviation 4.6995 .86162
5.1.1 对话框界面及 各部分选项说明 【Display frequency tables复选框】确定是 否在结果中输出频数 表。 【Statistics钮】单击 后弹出Statistics对话 框，用于定义需要计 算的其他描述统计量。
集中趋势指标
百分位数指标
计算百分数时选此项
离散趋势指标 分布指标
1
.002
.000
Hale Waihona Puke .006.002b
.000
.005
639 61.974 d 65.957 55.621 9.398
e
40 40
.014 .006
.016b .009b .011b .003
b
.008 .003 .004 .000
.025 .016 .018 .006 .001
b
1
.002
.000
.002
descriptive statistics菜单主要内容
(1)频数分布表分析(Frequencies)：其特色就是产生 频数表，对分类数据和定量资料都适用。 (2)统计描述分析(Descriptive)进行一般性描述，适 用于服从正态分布的定量资料。 (3) Explore 过程：用于对数据分布状况不清楚时的 探索性分析，它会杂七杂八给出一大堆可能用到的 统计指标和统计图，让研究者参考。 (4)Crosstabs 过程则完成计数资料和等级资料的统计 描述和一般的统计检验我们常用的X2 检验也在其中 完成 (5)Ratio过程；用于对两个连续性变量计算相对比指 标，它可以计算出一系列非常专业的相对比描述指 标。
SPSS的参数检验和非参数检验
实验报告数检验和非参数检验学期：_2013__至2013_ 第_1_学期课程名称:_数学建模专业:数学实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿一、实验目的及要求熟练掌握t检验及其结果分析。
熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。
二、实验内容使用指定的数据按实验教材完成相关的操作。
1、给幼鼠喂以不同的饲料，用以下两种方法设计实验：方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下：方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显著不同。
2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天三种品牌牛奶的日销售额数据，如下表所示：请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。
实验报告附页三、实验步骤（一）方式1：1、打开SPSS软件，根据所给表格录入数据，建立数据文件；2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口；3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。
方式2：1、打开SPSS软件，根据所给表格录入数据，建立数据文件；2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口3、选择检验变量饲料到Test Variable(s)框中。
4、选择总体标志变量组号到Grouping Variables框中。
5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。
（二）1、打开SPSS软件，根据所给表格录入数据，建立数据文件；2、选择菜单Analyze->Nonparametric->k Independent sample3、选择待检验的若干变量入包装1，包装2，包装3到Test Variable(s)框中；4、选择推广的平均秩检验(Friedman检验)，单击OK。
第五章spss的参数检验
第五单元 spss 的参数检验1、某公司经理宣称他的雇员英语水平很高，如果按照英语六级考试的话，一般平均得分为75分。
现从雇员中随机选出11人参加考试，得分如下： 80, 81, 72, 60, 78, 65, 56, 79, 77,87, 76 请问该经理的宣称是否可信。
原假设：样本均值等于总体均值 即u=u0=75步骤：生成spss 数据→分析→比较均值→单样本t 检验→相关设置→输出结果 表5-1设，且置信区间为（67.31,80.14），表中从置信区间上也可以看出73.73在此区间，更加证明 一般六级成绩为75 ，即认为该总经理的话可信。
2、经济学家认为决策者是对事实做出反应，不是对提出事实的方式做出反应。
然而心理学家则倾向于认为提出事实的方式是有关系的。
为验证哪种观点更站得住脚，调查者分别以下面两种不同的方式随机访问了足球球迷。
原假设：决策与提问方式无关，即u-u0=0步骤：生成spss 数据→分析→比较均值→两独立样本t 检验→相关设置→输出结果 表5-3策者的决策与提问方式有关。
由表5-4看出，独立样本在0.05的检验值为0，小于0.05，故拒绝原假设，认为决策者对事实所作出的反应与提问方式有关，心理学家的观点更站得住脚。
3、一种植物只开兰花和白花。
按照某权威建立的遗传模型，该植物杂交的后代有75%的几率开兰花，25%的几率开白花。
现从杂交种子中随机挑选200颗，种植后发现142株开了兰花，请利用SPSS进行分析，说明这与遗传模型是否一致？原假设：开蓝花的比例是75%，即u=u0=0.75步骤：生成spss数据→分析→比较均值→单样本t检验→相关设置→输出结果表5-5），0.75不在此区间内，进一步说明原假设不成立，故认为与遗传模型不一致。
4、给幼鼠喂以不同的饲料，用以下两种方法设计实验：方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下：方式2：甲组有12只喂饲料1，乙组有9只喂饲料2所测得的钙留存量数据如下请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。
SPSS的参数检验和非参数检验
实验二 SPSS的参数检验和非参数检验（验证性实验 4学时）1、目的要求：熟练掌握t检验及其结果分析。
熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。
2、实验内容：使用指定的数据按实验教材完成相关的操作。
3、主要仪器设备：计算机。
练习：1、给幼鼠喂以不同的饲料，用以下两种方法设计实验：鼠体内钙的留存量有显著不同。
2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天并说明分析结论。
1 参数检验概述假设检验的基本思想.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；.采用逻辑上的反证法，依据统计上的小概率原理。
2 单样本的T检验2.1检验目的：•检验单个变量的均值是否与给定的常数(总体均值)之间是否存在显著差异。
如：分析学生的IQ平均分是否为100分；大学生考研率是否为5%。
•要求样本来自的总体服从或近似服从正态分布。
2.2 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。
2.3 单样本t检验的基本操作步骤1、选择选项Analyze－Compare means－One-Samples T test，出现窗口：2、在Test Value框中输入检验值。
3、单击Option按钮定义其他选项。
Option选项用来指定缺失值的处理方法。
其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。
可见，较第二种方式，第一种处理方式较充分地利用了样本数据。
在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。
SPSS统计分析第五章方差分析
单因素方差分析的选择项
Contrasts：可以指定一种要用t检验来检验的Priori对比,即进 行均值的多项式比较选项； Post Hoc：可以指定一种多重比较检验； Option：可以指定要输出项〕
Polynomial<多项式比较>：均值的多项式比较是包括 两个或更多个均值的比较.单因素方差分析的Oneway ANOVA过程允许进行高达5次的均值多项式比 较.Linear线性、Quadratic二次、 Cubic三次、 4th 四次、 5th五次多项式
2．水平
因素的不同等级称作水平. 例如,性别因素在一般情况下只研究两个水平：男、女.化学实验或 生物实验中的"剂量"必须离散化为几个有限的水平数.如：1ml、 2ml、4ml三个水平. 应该特别注意的是在SPSS数据文件中,作为因素出现的变量不能 是字符型变量,必须是数值型变量.例如性别变量SEX,定义为数值 型,取值为0、1.换句话说,因素变量的值实际上是该变量实际值的 代码,代码必须是数值型的.可以定义值标签F、M〔或Fema1e、 ma1e〕来表明0、1两个值的实际含义,以便在打印方差分析结果 时使用.使结果更加具有可读性.
6．协方差分析
在一般进行方差分析时,要求除研究的因素外应该 保证其他条件的一致.作动物实验往往采用同一胎 动物分组给予不同的处理,研究各种处理对研究对 象的影响就是这个道理. 例如研究身高与体重的关系时要求按性别分别进 行分析.这样消除性别因素的影响.不同年龄的身 高对体重的关系也是有区别的,被测对象往往是不 同年龄的.要消除年龄的影响,应该采用协方差分 析.
2．方差分析的假设检验
假设有m个样本,如果原假设H0：样本均数都相同 μ1=μ2=μ3=········=μm=μ,m个样本有共同的方差σ2. 则m个样本来自具有共同的方差σ2和相同的均数μ的 总体. 如果经过计算结果组间均方远远大于组内均方的F＞ F0.05<f组间,f组内>,〔括号中的两个f是自由度〕则p ＜0.05,推翻原假设,说明样本来自不同的正态总体,说 明处理造成均值的差异,有统计意义.否则,F＜F0.05<f 组间,f组内>,P＞0.05承认原假设,样本来自相同总体, 处理无作用.
第五章 spss的参数检验
第五章spss的参数检验1.某公司经理宣称他的雇员英语水平很高，如果参加英语六级考试，一般平均得分为75分。
现从雇员中随机选出11人参加考试，得分如下：80,81,72,60,78,65,56,79,77,87,76。
请问：该经理的宣称是否可信？首先建立spss数据文件：然后进行单样本t检验：结果输出：结果分析：结果：该经理的宣称可信，他的雇员参加英语六级考试一般平均得分为75分。
分析：由样本统计可知，11个雇员平均得分为73.73，标准差为9.551，均值标准误为2.880；再看样本检验，t统计量的观测值为-0.442，自由度为10，t统计量的双侧概率P-值是0.668，样本均值与原假设检验值的差为-1.273，总体均值与原假设值差的95%的置信区间为（-7.69,5.14），由此计算出总体均值的95%的置信区间为（67.31,80.14）。
根据题意，该问题应采用双侧检验，因此比较α和ρ。
如果α取0.05，由于ρ大于α，因此不能拒绝原假设，认为该公司雇员参加英语六级考试一般平均得分为75分。
95%的置信区间告诉我们有95%的把握认为该公司雇员参加英语六级考试一般平均得分为67.31~80.14分之间，75分包含在置信区间内，也证实了上述推断。
2.在某年级随机抽取35名大学生，调查他们每周的上网时间情况，得到的数据如下（单位：小时）：24 17 26 29 386 28 44 39 830 17 26 32 4010 20 27 43 3315 30 28 35 2647 25 17 26 4516 36 29 37 15（1)请利用SPSS对上表数据进行描述统计，并绘制相关的图形。
首先建立spss数据文件：然后进行描述统计：结果输出：结果分析：从结果输出可知，35名大学生平均每周上网27.54小时，标准差为10.7小时。
平均每周上网小时呈左偏平峰分布，因此均值作为集中趋势的代表存在低估，且平均每周上网小时的整体离散趋势较弱。
SPSS第5章 平均数比较
5.3.2 单一样本T检验过程选择
• 顺序单击“Analyze”→“Compare Means”→“One Sample T test”命令，可打开图5.3的对话框。“Test Variable”框中的变量是需要作检验的变量，要从源变 量框中选取某个变量进入该框，然后单击向右的箭头， 再在“Test Value”参数框中输入一个定值作为假设检 验值（总体参数）。 • “Options”对话框将给出置信水平“Confidence Interval”和缺失值“Missing Value”处置方式。置信水 平必须在1-99之间，如90、95，99等（一般取95）。 缺失值的处置方式一般有两种（图5.4）：一种是只 要变量中含有缺失值，该组样本都被剔除（Exclude cases Listwise）；另一种是尽可能保留样本，仅剔除 被分析变量的那个变量中含有缺失值的Cases。
•1、统计检验中的假设条件
•假设是进行检验的前提，是有待确认的一种事实。例 如，某样本是否满足正态分布，两样本平均数是否源 于同一总体等等。
•假设检验中，首先要建立一个关于总体参数的假设（原 假设），然后抽取样本，检验所做假设正确与否。在进行 研究时，往往需要根据已有的理论和经验，事先对研究结 果作出一种预想希望能证实的一种假设。这种假使叫科学 假设或被择假设，记为H1；而要对总体的某种假设（论断） 作出判断时，常要对相反的假设进行统计检验，称这个假 设为零假设（或虚无假设、无偏假设），记作H0。进行假 设检验的目的是为了推翻假设，主要是推翻假设时的犯错 误概率容易把握，而承认假设正确的概率不容易把握。 •假设建立得合适与否是决定检验成败的关键，统计中的 假设检验有两个基本要求。第一，建立假设的目的是为了 推翻原假设，因为推翻假设远远比承认原假设容易，因此， 真正需要证明的往往作为备择假设，即使不能推翻原假设， 也只能说，没有足够的证据推翻原假设。第二，原假设必 须是虚无（无显著性差异）假设，即必须包括等号，因为 所有的统计分析、统计计算都建立在这个基础之上；而备 择假设一定不能包含等号。
《统计分析与SPSS的应用(第五版)》课后练习答案(第5章)
《统计分析与SPSS的应用（第五版）》（薛薇）课后练习答案第5 章SPSS的参数检验1、某公司经理宣称他的雇员英语水平很高，如果按照英语六级考试的话，一般平均得分为75分。
现从雇员中随机选出11人参加考试，得分如下：80, 81, 72, 60, 78, 65, 56, 79,77,87, 76 请问该经理的宣称是否可信。
原假设：样本均值等于总体均值即u=u0=75步骤：生成spss 数据→分析→比较均值→单样本t 检验→相关设置→输出结果（Analyze->compare means->one-samples T test ；）采用单样本T 检验（原假设H0:u=u0=75, 总体均值与检验值之间不存在显著差异）；单个样本统计量N 均值标准差均值的标准误成绩11 73.73 9.551 2.880单个样本检验检验值= 75差分的95% 置信区间t df Sig.( 双侧) 均值差值下限上限成绩-.442 10 .668 -1.273 -7.69 5.14分析：指定检验值:在test 后的框中输入检验值（填75），最后ok!分析：N=11 人的平均值（mean）为73.7，标准差（std.deviation）为9.55,均值标准误差(std error mean) 为2.87.t 统计量观测值为-4.22，t 统计量观测值的双尾概率p-值（sig.(2-tailed)）为0.668，六七列是总体均值与原假设值差的95%的置信区间,为(-7.68,5.14), 由此采用双尾检验比较 a 和p。
T 统计量观测值的双尾概率p-值（sig.(2-tailed) ）为0.668＞a=0.05 所以不能拒绝原假设；且总体均值的95% 的置信区间为(67.31,80.14), 所以均值在67.31~80.14 内,75 包括在置信区间内,所以经理的话是可信的。
2、在某年级随机抽取35 名大学生，调查他们每周的上网时间情况，得到的数据如下（单位：小时）：（1）请利用SPSS 对上表数据进行描述统计，并绘制相关的图形。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
统计方法
描述统计
推断统计
估计
假设检验
参数检验
非参数检验
பைடு நூலகம்
2) 假设检验的基本思想
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； 采用逻辑上的反证法，依据统计上的小概率原理。 抽样分布 这个值不像我 们应该得到的 样本均值 ...
...因此我们拒 绝假设= 50
... 如果这是 总体的真实均 值 20
SPSS统计分析方法及应用第四章
SPSS 参数检验
--均值比较
1.参数检验概述
1)推断统计与假设检验
推断统计是根据样本数据推断总体数量特征的统计分析 方法。 推断统计通常包括以下两个内容：一是总体分布已知， 根据样本数据对总体分布的统计参数（如均值、方差）进行 推断，此时采用的推断方法称为参数估计或者参数检验；二 是总体分布未知，根据样本数据对总体的分布形式进行推断， 此时采用的推断方法称为非参数检验。
两个独立样本之差的抽样分布
s1 m1
抽取简单随机样 样本容量 n1 计算X1 计算每一对样本 的X1-X2
总体1
s2 m2
总体2
抽取简单随机样 样本容量 n2 计算X2
所有可能样本 的X1-X2
抽样分布
m1 m2
方差齐性检验（Levene F方法）：
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。 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。
按分析顺序排除个案：表示计算时涉及的变量上有缺失值， 则剔除在该变量上为缺失值的个案； 按列表顺序排除个案：表示剔除所有在任意变量上含有缺失 值的个案后再进行分析。较第二种方式，第一种处理方式较 充分地利用了样本数据。
练习
根据各保险公司人员构成情况数据，对我国目前保险公
司从业人员的受高等教育的程度和年轻化的程度进行推断：
保险公司具有高等教育水平的员工比例的平均值不低于0.8； 年轻人比例的平均值与0.5无显著差异。
4. 两独立样本的T检验
1) 两独立样本T检验的目的
利用来自两个总体的独立样本，推断两个总体的均值是否 存在显著性差异； 两独立样本的样本容量可以相等，也可以不相等； 样本来自的总体服从或近似服从正态分布。
m = 50 H0
样本均值
3) 假设检验的步骤
提出原假设（零假设）H0；
确定适当的检验统计量； 计算检验统计量的值发生的概率（P值）； 给定显著性水平 作出统计决策。 ；
2. MEANS 过程
功能：分组计算、比较指定变量的描述统计量。包括均值、 标准差、总和、观测数、方差等等，还可以给出方差分析表 和线性检验结果。 【分析】->【比较均值】->【均值】
3) 两配对样本T检验的基本操作步骤
选择菜单【分析】－【比较均值】－【配对样本T检验】 为研究某种减肥茶是否具有明显的减肥效果，某美体健身 机构对35名肥胖志愿者进行了减肥跟踪调研。首先将其喝减肥 茶以前的体重记录下来，三个月后再依次将这35名志愿者喝茶 后的体重记录下来。通过这两组样本数据的对比分析，推断减 肥茶是否具有明显的减肥作用。 这里，体重可以近似认为服从正态分布。从样本数据的获 取过程看，这两组样本是配对的，可借助两配对样本t检验的 方法，通过检验喝茶前后体重的均值是否发生显著变化来确定 减肥茶的减肥效果。
2) 单样本T检验的实现思路
提出原假设： H
0
: m m0
X m0 计算检验统计量和概率P值 t S n
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。
3) 单样本t检验的基本操作步骤
选择选项【分析】--【比较均值】--【单样本T检验】
关键的任务。SPSS要求将两组样本数据存放在一个SPSS变量 中，同时，为区分哪些样本来自哪个总体，还应定义一个分 类变量。 SPSS两独立样本t检验的基本操作步骤是： 1、选择菜单【分析】－【比较均值】－【独立样本T检验】
4) 两独立样本T检验的应用举例
例1：城镇储户与农村储户一次存（取）款金额的均值比较 利用居民储蓄调查数据，分析城镇储户与农村储户的 一次平均存（取）款金额是否存在显著差异？ 分析：该问题中，由于城镇储户和农村储户可以 看成两个总体，且储蓄金额可近似认为服从正态分布， 且样本数据的获取是独立抽样的，因此，可以用两独 立样本t检验的方法进行分析。零假设是城镇储户和 农村储户的一次平均存（取）款金额无显著差异，即
5. 两配对样本T检验
1) 两配对样本T检验的目的
利用来自两个总体的配对样本，推断两个总体的均值是否存 在显著性差异； 两配对样本的样本容量应该相等，两组样本观察值的顺序一 一对应，不能随意改变；
样本来自的总体服从或近似服从正态分布。
2) 两配对样本T检验的实现思路
提出原假设：两总体均值不存在显著差异； 选择检验统计量。两配对样本T检验是间接通过单样本T检 验实现的。配对样本T检验实际上是先求出每对观测值之差值， 对差值变量求平均。检验配对变量均值之间差异是否显著， 实质是检验差值变量的均值与0之间差异的显著性； 计算样本统计量观测值和概率P值； 根据显著性水平和概率P值进行统计推断。
差异所解释的结果变量的方差的比例。
线性相关检验：检验线性相关性，即不同组的均值间是 否存在线性趋势。当分组变量为数值型变量时系统自动进
行线性相关性检验。
举例
3. 单样本T检验
1) 检验目的
检验单个变量的均值是否与给定的常数(总体均值)之间 是否存在显著差异。如：分析学生的IQ平均分是否为100分； 大学生考研率是否为5%。 要求样本来自的总体服从或近似服从正态分布。
2) 两独立样本T检验的实现思路
提出原假设
m1 m2 0 两总体均值不存在显著差异：
计算统计量和P值：首先利用F检验确定两个总体的方差是否 相等；然后再选择合适的T统计量计算观测值和概率P值；
根据显著性水平和概率P值进行统计决策。
3) 两独立样本T检验的基本操作步骤
进行两独立样本t检验之前，正确地组织数据是一个非常
3、对综合得分排序并指定分组
首先对样本的综合得分按升序排序，可以利用SPSS的数 据排序过程实现；然后，指定低分组和高分组。这里，指定
得分前25％的样本，即前25个样本为低分组，记为1。指定得
分后25％的样本，即后25个样本为高分组，记为2。标记变量 为bj。这里，低分组是对自己工作有较高认可程度的人群， 高分组则是对自己工作的认可程度较低的人群。 4、分析低分组和高分组人群在回答第一题至第八题，即在变 量t1至t8上是否存在显著差异。
m1 m2 0
例2：工作认可度与工作状态的分析
利用某机构工作人员对自己工作看法的调查数据，借助 项目分析法的核心思想，研究工作人员对自己工作的不同认 可程度是否会影响工作时的态度。 分析： 1、由于变量t9至t16是反向记分题，在分析时需要重修记分， 即将变量值1，2，3，4分别转成4，3，2，1。可以用数据分 组（Recode）过程实现，结果分别保存在t9_1至t16_1。 2、计算变量t9_1至t16_1的综合得分，可以利用SPSS的变量 计算（Compute）过程实现。
因变量列表：用于选入需要分析的变量，如果选入两个
以上变量，系统会在同一张输出表中依次给出分析结果。
层：用于选入分组变量，如果选入两个以上的变量，系 统会根据layer的设置情况作出不同的反应。
选项：用于选择需要计算的描述统计量和统计分析。
第一层的统计量复选框：用于选择是否检验第一层的分 组变量对结果变量的影响有无统计意义。 Anova表和eta：对分组变量进行单因素方差分析，用于 度量分组变量和结果变量间的关联性。Eta平方表示由组间