统计软件spss操作3_常用假设检验与相关分析

二、连续变量的统计推断：t-检验

问题： 做“比较均值—独立样本 t 检验“之前是否要 检查数据的正态性？方差齐性？独立性？

练习： 试检验CCSS数据中2007年4月样本的不同收 入组别（变量Ts9）的信心指数index1的均值 是否相等。
二、连续变量的统计推断：t-检验

3、 “比较均值”—配对样本 t 检验



功能：比较两个总体样本的均值是否相等。实际功 能可以理解为判断是一个总体的样本还是两个总体 的样本，又称为成组设计两样本均数比较。（通常 数据中有一个变量显示分组情况） 也有前面说的两种情况，SPSS只做一种。 操作：“分析”—“比较均值”—“独立样本 t 检验”

例：
比较“均值比较”数据中男女生“自信心”的均值 是否有差异。（即，是同属于一个总体还是分属两 个不同总体）
一、分布类型检验

四）用K-S图检验数据分布形态 原理：

Kolmogorov-Sminov单样本检验是一种分布拟合优 度的检验，其方法是将一个变量的累积分布与特定 理论分布相比较：
K=lim|Ai-Oi|

如果频数绝对差太大，就不符合特定分布。 检验CCSS的总指数是否符合正态分布。

例4： “分析”—“非参数检验”—“单样本”
三、无序分类变量的统计推断：卡方检验



四）一致性检验与配对卡方检验 （检验某两种方法的结果是否一致） 说明：有一种列联表，其行变量与列变量反映的是一 个事物的同一属性的相同水平，而只是区分方法的不 同，这相当于配对设计。例如，行变量和列变量分别 代表不同裁判员的评价分数。如果要检验两种评价的 一致性，就不应该用pearson卡方检验，而应该用 kappa一致性检验。 例4：某公司要扩展业务，选了20个店址，请两位资 深顾问来打分，评为好中差3级。请问他们的评分是 否一致？（两种处理方法是否一致）

基本程序语句：



一、分布类型检验

二）如何使用SPSS自动产生各种分布的数据 关键语句：




产生均值为u、方差为σ的正态分布数据： COMPUTE A=u+σ*RV.NORMAL(0,1). 产生a 和 b 之间均匀分布的数据： COMPUTE A=RV.UNIFORM(a,b). 产生指数分布： COMPUTE A=RV.EXP(5). 产生泊松分布： COMPUTE A=RV.POISSON(0,1).

说明：


一、分布类型检验

二）如何使用SPSS自动产生各种分布的数据 方法：

主要是利用命令语句产生数据
SET SEED 1. INPUT PROGRAM. LOOP #LOP=1 TO 30. COMPUTE A=RV.NORMAL(0,1). END CASE. END LOOP. 只要改变这个主要语 句，就可以产生其他 END FILE. 类型分布的数据。 END INPUT PROGRAM. EXECUTE.
为6.5或为7，检验的结果会 是如何？

例：
二、连续变量的统计推断：t-检验

问题： 做“比较均值—单样本 t 检验“之前是否要检 查数据的正态性？

练习： 试检验CCSS数据中2007年4月样本的信心指 数index1的均值是否等于100。
二、连续变量的统计推断：t-检验

2、 “比较均值”—独立样本 t 检验
一、分布类型检验

一）概述


目的主要是检验数据服从哪一类型的分布，或者是 完全随机的。以及如何用SPSS自动产生各种分布 的数据 主要方法有 K - S 检验和游程检验。
很多统计方法都要求数据满足正态分布，不同变量 比较有时还要求方差齐性 我们用图形直观观察数据的分布性状，也用精密的 统计技术对分布性状做严格检验
三、无序分类变量的统计推断：卡方检验


三）检验某两个分类变量是否相互独立 例2：考察2004年CCSS调查样本中不同级别 收入家庭（变量Ts9）轿车拥有率比较。 （两样本） 操作： “分析”—“描述统计”—“交叉表” （“统计量”—“卡方”）
三、无序分类变量的统计推断：卡方检验


三）检验某两个分类变量是否相互独立 例3：考察阶级认知样本中父代不同级别职业 子代收入的比较。 操作： “分析”—“描述统计”—“交叉表” （“统计量”—“卡方”）
一、分布类型检验

结论是：不符合正态分布。 双击结果图，可以得到进一步信息：


均数95.89，标准差21，在1147例样本中，实际频 率分布和假设的理论频率分布之间，正向频数差 0.075，负向则为0.102，统计量Z值为3.466， alpha值0.000，即1000次抽样中，几乎不会出现一 次差值大于0.102的情形（而现在出现了），这样 的小概率事件都发生了，意味着原假设是不对的。 K-S检验在样本量小时不敏感，样本量大时过于敏 感。实际上本例可以认为是正态分布。

例：
二、连续变量的统计推断：t-检验

例： 以张文彤《SPSS统计分析基础教程》261页 案例数据做配对检验。（文件：配对样本t检 验（治疗前后舒张压拘束比较：张文彤261页 案例）.sps）
二、连续变量的统计推断：t-检验

结果解读： 输出结果中”均值“”标准差“”标准误“和” 可信区间“等都是针对配对差值的统计量。由 结果可见，差值均值为10，相应的 P=0.027>0.025，故可以认为该药物对血压治 疗有影响。由于治疗前-治疗后的差值均值为 正，故可推断是使得病人血压下降。

例5：在轿车拥有率案例中，控制城市影响条 件下，更准确研究收入与轿车拥有率的关系。
三、无序分类变量的统计推断：卡方检验

五）分层卡方检验 （控制某些分类因素） 操作： “分析”—“描述统计”—“交叉表” （“层”框中选入城市变量S0） （“统计量”选中“风险”、 “Cochran‟s…”）
三、无序分类变量的统计推断：卡方检验
三、无序分类变量的统计推断：卡方检验

数据：site.sav
Kappa>=0.75 为一致性良好； Kappa <=0.4为 一致性较差。

操作： “数据”—“加权个案” “分析”—“描述统计”—“交叉表” （“统计量”—“kappa”）
三、无序分类变量的统计推断：卡方检验


五）分层卡方检验 （控制某些分类因素） 说明： 把研究对象分解为不同层次，每层分别研究行变量与 列变量的相关性。例如：按收入级别分3层，分别研 究不同层次收入条件下，订购商品与邮件回应的关系； 把教育学历分为本硕博，分别研究性别与职位类别的 关系。这样就排除了分层因子对所要研究的行列变量 相关性的干扰，而突出后者。 例5：在轿车拥有率案例中，控制城市影响条件下， 更准确研究收入与轿车拥有率的关系。
三、无序分类变量的统计推断：卡方检验

五）分层卡方检验 说明：

（控制某些分类因素）
把研究对象分解为不同层次，每层分别研究行变量 与列变量的相关性。例如：按收入级别分3层，分 别研究不同层次收入条件下，订购商品与邮件回应 的关系；把教育学历分为本硕博，分别研究性别与 职位类别的关系。这样就排除了分层因子对所要研 究的行列变量相关性的干扰，而突出后者。

例5：
检验“身高”数据是否符合正态分布。
请检验：回归树数据中股票 每日升幅N1是否符合正态分 布？均值？
二、连续变量的统计推断：t-检验

1、“比较均值”—单样本 t 检验（教材第八 章）



功能：是一种关于总体均值的假设检验。我们有一 个样本，研究的目的是这个样本的均值是否等于我 们已知（或假设）的总体均值。 两种情况：1）拥有一个样本的的数据；2）没有样 本数据，但有样本的参数：容量n、均值u、标准差 sd。SPSS能做第一种。 操作：“分析”—“比较均值”—“单样本t检验” 比较“均值比较”数据中“自信心”的均值是否 本例中如果假设总体的均值 等于6。（设想这是前一次调查时的自信心均值）
本例结果表明：收入与拥有车是有关联的。
三、无序分类变量的统计推断：卡方检验

五）分层卡方检验 结果解读：
（控制某些分类因素）
这里的“估计”=0.195 是指 调整了分层因素作用后，有车 /无车的OR值。可见，从 0.201降到0.195 仍然是相关 的。
四、相关分析（各类变量）
统计软件SPSS的使用 3 ——常用假设检验方法
分布类型检验、t检验、非参数检验 方差检验、卡方检验、相关分析
主要内容 OUTLINE

一、分布类型检验 二、连续变量的统计推断：t-检验 三、无序分类变量的统计推断：卡方检验 四、相关分析（各类变量） 五、连续变量的统计推断：单因素方差分析 六、有序分类变量的统计推断：非参数检验
一、分布类型检验

三）用p-p图直观数据分布形状 例1：
用p-p图检验CCSS的总指数是否符合正态分布。


操作： “分析”—“描述统计”—“p-p图” 原理：根据实际累计概率与理论累计概率的符 合程度，判断当前资料数据符合哪种分布。
一、分布类型检验

三）用p-p图直观数据分布形状 例2：
三、无序分类变量的统计推断：卡方检验

一）说明 1、概念：

以卡方分布为基础的假设检验，它的无效假设是：观察频数 与（理论）期望频数没有差别。思想是：有区别就有相关。 1）检查某个连续分布是否与某种理论分布相一致； 2）检验某个分类变量各类出现的概率是否等于指定概率； （如：36选7中每个数字出现的概率） 3）检验某两个分类变量是否相互独立；（如：吸烟是否与 得肺癌有关、原料种类与产品合格率） 4）检验控制某些分类因素的作用以后，另两个分类变量是 否相互独立；（如：控制性别年龄后吸烟与得肺癌、控制产 品工艺后原料种类与产品合格率） 5）检验某两种方法的结果是否一致。（如：两种诊断方法 对同一批人诊断、用两种方法对客户进行价值甄别）

五）分层卡方检验 （控制某些分类因素） 结果解读： 风险估计主要由优势比 OR （odds ratio）反 映，它是两个比值的比值： 低收入组 有车/无车 = 9.6/90.4 = 0.106 高收入组 有车/无车 = 34.4/65.6 =0.524 OR = 0.106/0.524 = 0.201 = 0.278/1.379 不同组有车比率 = 9.0/34.4 = 0.278 不同组无车比率 = 904/65.6 = 1.379
用p-p图检验CCSS的年龄S3是否符合正态分布。
“分析”—“描述统计”—“p-p图”
一、分布类型检验

三）用p-p图直观数据分布形状 例3：
用茎叶图比较index和S3分布形状。


“分析”—“描述统计”—“探索” 说明：直方图（加上分布曲线）也有这个效果， 但这两者不能直观出数据分布与理论值相差多 少，比不上p-p图的效果。 茎叶图说明：


功能：科学研究中常用配对样本来提高研究效率。是指：同 一受试对象处理前后的数据；同一受试对象两个部位的数据； 同一样品用两种方法（仪器等）处理的数据；配对的两个受 试对象分别接受两种处理后的数据。第一种情况的目的是推 断其处理是否有作用，后三种情况的目的是推断两种处理 （方法）的结果有无差别。 原理：对每对数据求差值，对差值进行“独立样本 t 检验” 。 完成本例的命令语句。 操作：“分析”—“比较均值”—“配对样本 t 检验” 以教材第九章第四节数据百度文库行配对样本 t 检验。
三、无序分类变量的统计推断：卡方检验

五）分层卡方检验 （控制某些分类因素） 结果解读： 几率比的一致性检验反映控制变量的影响是否 一致。
本例结果表明：在不同城市，收入对拥有车的比率 影响不一致。（所以不应当把不同城市混合在一起 研究。）

条件的独立性检验反映的是剔除城市影响后， 收入与拥有车的相关关系。

2、功能：




三、无序分类变量的统计推断：卡方检验



SPSS对应：明显的在非参数检验（上面第2 中）和交叉表过程（后3种）；理论对应：列 联表分析 二）检验某个分类变量各类出现的概率是否等 于指定概率 例1：考察2004年CCSS调查样本中性别分布 是否均衡 “数据”—“选择个案”—如果… “分析”—“非参数检验”—“单样本”