差异显著性检验
合集下载
显著性差异分析
显著性差异分析显著性差异分析是一种常用的统计方法，用于确定两组或多组数据之间是否存在显著差异。
通过显著性差异分析，我们能够确定变量之间的差异性程度，进而得到有关数据的重要结论。
本文将介绍显著性差异分析的概念、原理以及常用的方法。
一、显著性差异分析的概念显著性差异分析是基于统计学的假设检验方法，旨在帮助我们判断两组或多组数据在某个或某些变量上是否存在显著的统计差异。
通过显著性差异分析，我们可以对数据进行全面的比较和评估，从而得出科学、客观的结论。
二、显著性差异分析的原理显著性差异分析的原理基于概率论和数理统计学的基本假设检验方法。
在进行显著性差异分析时，我们首先需要设置一个原假设（H0）和一个备择假设（H1）。
原假设通常假定两组或多组数据在某个或某些变量上没有显著差异，备择假设则假设存在显著差异。
基于原假设和备择假设，我们选取适当的统计检验方法来计算数据集的统计量，并与理论分布进行比较。
根据计算得到的统计量和临界值进行比较，我们可以得出关于数据差异性的结论，判断是否拒绝或接受原假设。
三、常用的显著性差异分析方法1. t检验t检验是一种用于小样本（样本容量较小）的显著性差异分析方法。
常见的 t检验包括独立样本t检验和配对样本t检验。
独立样本t检验用于比较两组不相关的样本数据之间的差异，而配对样本t检验则用于比较同一组样本在不同时间或条件下的差异。
2. 方差分析(ANOVA)方差分析是用于比较三组或三组以上数据之间差异的显著性分析方法。
方差分析将总变异分解为组内变异和组间变异，通过比较组间和组内的方差来判断数据是否存在显著差异。
方差分析广泛应用于实验设计、医学研究等领域。
3. 非参数检验非参数检验是一种用于无法满足正态分布假设的数据进行显著性差异分析的方法。
非参数检验不对样本数据的分布进行特定要求，而是通过排列、秩和等方法来进行统计推断。
常用的非参数检验方法包括Wilcoxon秩和检验、Mann-Whitney U检验等。
两个样本的差异显著性检验
（2）零假设 H0：µ1=µ2 备择假设可能是以下三种的任何一种：
① HA： µ1 > µ2 (已知 µ1 不可能小于 µ2） ② HA： µ1 < µ2 (已知 µ1 不可能大于 µ2） ③ HA： µ1 ≠ µ2 ( 包括以上两种情况） （3）显著水平：常用 α=0.05 或 α=0.01 两个水平
Fdf1,df2,(1-α) =1 / Fdf2,df1,α ① 相应于 HA： σ1 ≠ σ2， 应做双侧检验，当 F > Fα/2 以及 F < F 1-α/2
时拒绝 H0
例.2
测定了 20 位青年男子和 20 位老年男子的血压值（收缩压 mmHg）如下表，问老年人血压值个体间的波动是否显著 高于青年人？
n1 n2
20
⑤建立 H0 的拒绝域：因 HA： µ1> µ2，故为上尾单侧 检验。当 u > u0.05 时拒绝 H0，由附表查出 u0.05 = 1.645.
⑥结论： 因 u < u 0.05，即 P > 0.05, 所以接受 H0 结论是 第一渔场的马面鲀体长并不比第二号渔场长。
5.标准差（σ i）未知但相等时，两个平均数间差异 显著性检验—成组数据 t 检验
（4）检验统计量：
u ( X1 X 2) (1 2)
2 1
2 2
n1 n2
在 H0：µ1=µ2 的假设下，上式变为：
u X1 X 2
2 1
2 2
n1 n2
例.3 调查两个不同渔场的马面鲀体长，每一渔场调查20条，平均
体长分别为x1 =19.8cm, x2 =18.5. σ1 = σ2 = 7.2 cm。问在
（4）检验统计量：在 H0：σ1= σ2 下可用下式： Fdf1,df2 = s12/s22, df1 = n1-1, df2 = n2-1
差异显著性检验t检验课件
t检验的基本假设
正态分布
t检验的前提假设是数据服从正态分布，因为正态分布是统计学中常用的连续型 概率分布之一。如果数据不服从正态分布，t检验的结果可能会受到偏差。
方差齐性
在进行t检验之前，需要确保两组数据的方差齐性，即两组数据的离散程度相近。 如果方差不齐，t检验的结果可能会受到影响。
ห้องสมุดไป่ตู้
02 t检验的步骤与操作
t检验的实施步骤
01
02
03
确定检验假设
根据研究目的确定检验假 设，包括原假设和备择假 设。
计算t值
根据样本数据计算t值，使 用适当的自由度和统计软 件进行计算。
解读t值
根据t值和临界值判断差异 显著性，得出结论。
t检验的结果解读
差异显著性判断
根据t值和p值判断两组数据之间是否 存在显著差异。
结果解释
例如，某品牌推出两款手机，研究人员通 过配对样本的t检验来比较这两款手机在 用户使用体验上的差异是否显著。
THANKS
在满足一定条件下，卡 方检验的精确度高于t检 验。
05 t检验的案例分析
单一样本的t检验案例
总结词
单一样本的t检验用于检验一个样本的平均值与已知的或假设的常数之间的差异是否显著。
详细描述
例如，某品牌新款手机的电池寿命为24小时，研究人员想通过单一样本的t检验来检验实际使用中的电池寿命是 否与标称值相符。
t检验的应用场景
比较两组独立样本的均值差异
当需要比较两组独立样本的均值是否存在显著差异时，可以使用t检验。例如， 比较不同年龄组的身高均值是否存在显著差异。
比较实验组与对照组的均值差异
在实验设计中，比较实验组和对照组的均值是否存在显著差异是常见的应用场 景。例如，比较不同药物治疗组与对照组的疗效均值是否存在显著差异。
差异显著性检验课件
符号检验是一种通过计算正例和反例的符号差来推断差异是否显著的方法。
威尔科克森符号秩检验是一种在处理小样本数据时，对两配对样本或独立样本进行差异显著性检验的方法。
Kruskal-Wallis H检验是一种对三个或更多独立样本进行差异显著性检验的方法。
曼-惠特尼U检验是一种对两个独立样本进行差异显著性检验的方法，它基于样本的中位数而非平均数。
差异显著性检验课件
目录
差异显著性检验概述单因素方差分析（ANOVA）多因素方差分析（MANOVA）配对样本t检验非参数检验方法差异显著性检验在实践中的应用
01
CHAPTER
差异显著性检验概述
01
02
在科学、工程、医学等领域，差异显著性检验被广泛应用于实验结果的分析与解释。
差异显著性检验（significance test）是一种统计方法，用于确定两个或多个样本间是否存在显著差异。
原理
配对样本t检验的前提假设是，两个样本的总体方差是相同的，且服从正态分布。它基于假设检验的理论框架，通过比较两个样本的均值差异来判断是否存在显著差异。
定义
收集配对样本的数据，即相同受试者或同一组受试者在不同条件下进行的两次测量结果。
收集数据
将两次测量的数据分别作为两个样本，并计算每个样本的平均值和标准差。
样本间存在明显差异，需要确定这种差异是否具有显著性。
研究者对样本数据有疑问，需要验证数据的可靠性和稳定性。
在多个实验组之间进行比较，分析各组之间的差异。
02
CHAPTER
单因素方差分析（ANOVA）
定义
单因素方差分析是一种用于比较三个或更多组均值的统计方法，它分析的是单一变量（也称为因素）在不同水平下各组均值是否存在显著差异。
平均数差异的显著性检验
第一步：提出假设 第二步：选择检验统计量并计算其值 第三步：一般情况下，经常应用的是右侧 F检验。 第四步：统计决断 查附表3 举例（见教材）
0
1
2
H :
1
1
2
2．计算检验的统计量
t
X1 X2
2 X1
2 X
2
2r X1 X2
n 1
99 101
0.954
142 152 2 0.72 14 15
28 1
3．确定检验形式 左侧检验 4．统计决断 当df=27时，
t(27)0.05 1.703
t=0.954<1.703，P>0.05 所以，要保留零假设，即一年后儿童的智 商没有显著地提高。
t(9)0.05 2.262
t(9)0.01 3.250
t 3.456** 3.250
p<0.01，所以，在0.01的显著性水平上拒 绝零假设，接受备择假设。即可得出小学分散
识字教学法与集中识字教学法有极其显著的差 异的结论。
又如：
某小学为了更有效地训练中年级学生掌握有关 计算机操作的基本技能，特对两种训练方法的有效 性进行了比较研究。在四年级学生中，根据智力水 平、兴趣、数学和语文成绩，以及家庭中有无学习 计算机的机会等有关因素都基本相同的条件下，将 学生匹配成34对，然后把每对学生拆开，随机地分 配到不同的训练组中，经训练后，两组学生考核的 分数如下，问两种不同的训练方法是否确实造成学 习效果上的显著性差异？
n1 n2
如
假设某小学从某学期刚开学就在中、高年 级各班利用每周班会时间进行思想品德教育， 学期结束时从中、高年级各抽取两个班进行道 德行为测试，结果如下表所示，问高年级思想 品德教育的效果是否优于中年级？
0
1
2
H :
1
1
2
2．计算检验的统计量
t
X1 X2
2 X1
2 X
2
2r X1 X2
n 1
99 101
0.954
142 152 2 0.72 14 15
28 1
3．确定检验形式 左侧检验 4．统计决断 当df=27时，
t(27)0.05 1.703
t=0.954<1.703，P>0.05 所以，要保留零假设，即一年后儿童的智 商没有显著地提高。
t(9)0.05 2.262
t(9)0.01 3.250
t 3.456** 3.250
p<0.01，所以，在0.01的显著性水平上拒 绝零假设，接受备择假设。即可得出小学分散
识字教学法与集中识字教学法有极其显著的差 异的结论。
又如：
某小学为了更有效地训练中年级学生掌握有关 计算机操作的基本技能，特对两种训练方法的有效 性进行了比较研究。在四年级学生中，根据智力水 平、兴趣、数学和语文成绩，以及家庭中有无学习 计算机的机会等有关因素都基本相同的条件下，将 学生匹配成34对，然后把每对学生拆开，随机地分 配到不同的训练组中，经训练后，两组学生考核的 分数如下，问两种不同的训练方法是否确实造成学 习效果上的显著性差异？
n1 n2
如
假设某小学从某学期刚开学就在中、高年 级各班利用每周班会时间进行思想品德教育， 学期结束时从中、高年级各抽取两个班进行道 德行为测试，结果如下表所示，问高年级思想 品德教育的效果是否优于中年级？
差异显著性检验课件
详细描述
该方法通过比较两组数据的秩次（相 对大小）来检验差异显著性，特别适 用于处理小样本数据或数据不符合正 态分布的情况。它能够提供更准确的 差异显著性判断。
秩次检验
总结词
秩次检验是一种非参数统计方法，通过 比较数据的秩次来分析差异显著性。
VS
详细描述
秩次检验适用于处理不服从正态分布的数 据，尤其在处理小样本数据或数据分布不 明确时具有优势。它能够提供更全面的差 异显著性分析结果，包括差异的方向和显 著性水平。
，或者比较多个分类变量之间的
关联程度。
适用场景
实验研究
当需要比较实验组和对照组之 间的差异时，可以使用差异显
著性检验。
调查数据
在社会科学调查中，当需要比 较不同群体或地区的差异时， 可以使用差异显著性检验。
医学研究
在医学研究中，差异显著性检 验常用于比较不同治疗方案或 药物的效果。
质量控制
在生产过程中，差异显著性检 验可用于检测产品质量或过程 参数的波动是否在可接受范围
流行病学调查
分析不同人群的生理指标 差异，研究疾病的流行病 学特征。
心理学研究中的应用
人格特质研究
通过比较不同人格特质人群的心理指标， 探究人格特质与心理指标的关系。
认知能力评估
评估不同认知能力人群的心理指标差异， 了解认知能力的发展规律。
情绪状态分析
分析不同情绪状态下心理指标的变化，探 究情绪状态对心理指标的影响。
常用方法
t检验
用于比较两组均值的差异，包括 独立样本t检验和配对样本t检验。
01
方差分析
02 用于比较两组或多组数据的方差 是否存在显著差异，包括单因素 方差分析和多因素方差分析。
该方法通过比较两组数据的秩次（相 对大小）来检验差异显著性，特别适 用于处理小样本数据或数据不符合正 态分布的情况。它能够提供更准确的 差异显著性判断。
秩次检验
总结词
秩次检验是一种非参数统计方法，通过 比较数据的秩次来分析差异显著性。
VS
详细描述
秩次检验适用于处理不服从正态分布的数 据，尤其在处理小样本数据或数据分布不 明确时具有优势。它能够提供更全面的差 异显著性分析结果，包括差异的方向和显 著性水平。
，或者比较多个分类变量之间的
关联程度。
适用场景
实验研究
当需要比较实验组和对照组之 间的差异时，可以使用差异显
著性检验。
调查数据
在社会科学调查中，当需要比 较不同群体或地区的差异时， 可以使用差异显著性检验。
医学研究
在医学研究中，差异显著性检 验常用于比较不同治疗方案或 药物的效果。
质量控制
在生产过程中，差异显著性检 验可用于检测产品质量或过程 参数的波动是否在可接受范围
流行病学调查
分析不同人群的生理指标 差异，研究疾病的流行病 学特征。
心理学研究中的应用
人格特质研究
通过比较不同人格特质人群的心理指标， 探究人格特质与心理指标的关系。
认知能力评估
评估不同认知能力人群的心理指标差异， 了解认知能力的发展规律。
情绪状态分析
分析不同情绪状态下心理指标的变化，探 究情绪状态对心理指标的影响。
常用方法
t检验
用于比较两组均值的差异，包括 独立样本t检验和配对样本t检验。
01
方差分析
02 用于比较两组或多组数据的方差 是否存在显著差异，包括单因素 方差分析和多因素方差分析。
第九讲-2 非参数检验-差异显著性检验
单个样本的Wilcoxon符号秩和检验
• 单个样本中位数和总体中位数比较，目的 是推断样本所来自的总体中位数M与某个已 知的中位数M0是否有差别。
• 用样本各变量与M0的差值，即推断差值的 总体中位数和0是否有差别。
• 已知某地正常人尿氟含量的中位数为 45.30µmol/L,今在该地某厂随机抽取12名 工人，测得尿氟含量如表所示。
T界值表（配对比较的符号秩和检验用）
N
单侧：0.05 双侧：0.10
5 0--15
6 2--19
7 3--25
8 5--31
9 8--37
10 10--45
11 13--53
12 17--61
单侧：0.025 单侧：0.01 单侧：0.005 双侧：0.05 双侧：0.02 双侧：0.010
0--21
秩和检验概述
“秩”：按数据大小排定的次序号，又称秩次号。 编秩：将观察值按顺序由小到大排列，并用序号代替原始
变量值本身。 用秩次号代替原始数据后，所得某些秩次号之和，即按某
种顺序排列的序号之和，称为秩和，反映了一组数据在 分布上的范围位置。 基本思想： 基于秩次（通过编秩，用秩次代替原始数据信息来进行检 验）。 即检验各组的平均秩或秩和是否相等。如果经检验得各组 的平均秩和秩和不相等，则可以推论数据的分布不同。
非参数检验
• 许多调查或实验所得的科研数据，常常具有如下特点： （1）资料的总体分布类型未知或无法确定； （2）资料分布类型已知，但不符合正态分布； （3）某些变量可能无法精确测量如等级资料。 （4）一端或两端为不确定数值的资料 这时做统计分析就不能使用参数检验，而是要采用非参
数检验：即不考虑总体分布类型是否已知，不比较总 体参数，只比较总体分布的位置是否相同的统计方法。
显著性差异分析
显著性差异分析在统计学中，显著性差异分析是一种用于确定两组或多组数据之间是否存在显著差异的方法。
通过对数据进行比较和分析，我们可以确定差异是否是由于随机变化引起的，或者是否存在一些真实的、有意义的差异。
本文将介绍显著性差异分析的基本概念和常用方法。
一、显著性差异分析的概念显著性差异分析是指通过对数据进行统计学分析，确定两组或多组数据之间的差异是否具有统计学上的显著性。
显著性差异通常是通过假设检验来确定的。
在假设检验中，我们设立一个原假设和一个备择假设，然后通过计算得到的统计量来判断数据是否支持原假设还是备择假设。
二、常用的显著性差异分析方法1. t检验：t检验是一种常用的显著性差异分析方法，适用于比较两组数据的平均值是否有显著差异。
在t检验中，我们需要计算一个t值，然后与临界值进行比较，从而决定差异是否显著。
2. 方差分析：方差分析是一种适用于比较多组数据之间差异的方法。
方差分析会将总体方差分解为组内方差和组间方差，然后通过计算F值进行显著性检验。
如果F值大于临界值，则可以认为数据之间存在显著差异。
3. 卡方检验：卡方检验是一种适用于比较分类数据的差异的方法。
在卡方检验中，我们将观察值与期望值进行比较，通过计算卡方统计量来判断数据之间是否存在显著差异。
三、显著性差异分析的步骤1. 确定显著性水平：在进行显著性差异分析之前，我们需要确定一个显著性水平。
通常，显著性水平被设置为0.05或0.01，这表示如果得到的p值小于显著性水平，我们将拒绝原假设，认为差异是显著的。
2. 收集数据：在进行分析之前，我们需要收集需要比较的数据。
这些数据可以是数值型数据，也可以是分类数据，具体取决于所使用的统计分析方法。
3. 计算统计量：根据所选择的统计分析方法，我们需要计算相应的统计量。
例如，在t检验中，我们需要计算t值；在方差分析中，我们需要计算F值。
4. 进行假设检验：根据计算得到的统计量，我们可以进行假设检验。
- 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)。
设” （alternative hypothesis）（ 也称为“备择假设”）。
零假设是待检验的假设，如果待检验的假设不成立，那么 其对立假设就成立。
2．假设检验的两类错误
第一类错误: 也称为弃真错误，是指零假设H0实际上是真 实的，而检验结果却拒绝了它。出现第一类错误的概率是 显著性水平α，因此犯第一类错误的概率是可以控制的。
同的测量。假设两组样本的个数分别为n1和n2，检验这两 组样本的均值是否相等可以分为以下两种情况考虑。
1.
两总体方差
Байду номын сангаас
2 1
和
2 2
未知，但它们相等。
此时属于两样本等方差检验，其统计量t的计算式为：
t
(n1
X1 X2
1)S12
(n2
1)S
2 2
n1 n2 2
1 n1
1 n2
~
t (n1
n2
2)
（independent variable）、另一个为因变量（dependent
variable）。
如不同性别的游客对某景区提供的住宿条件的满意度存在
显著差异，这里视性别为自变量，满意度为因变量，即认
为这种满意度的差别是因为性别的不同引起的。
因变量 类别变量 连续变量
自变量（类别变量） 卡方检验
t检验、方差分析
统计量t服从自由度为（n1+n2-2）的t分布。
式中，X1 和 X 2 分别为两组样本的均值，n1和n2分别为两
组样本的个数，S12
(2) 单侧检验
有一个临界值，一个拒绝域， 拒绝域的面积为α。
当所考察的数值越大越好时， 用单侧检验。
如考察灯泡的寿命
当所考察的数值越小越好时， 用单侧检验。
如考察产品的废品率
单侧检验按α查表求临界值。
4．假设检验的步骤
(1) 提出假设。
H0 : 1 2
H1 : 1 2
(2) 选取检验统计量，并在原假设Ｈ0成立的条件下计算统计 量的值。
(3) 对于给定的显著性水平α，决定临界值。 α的取值范围为α≤0.01，α≤0.05和α≤0.10，一般情况下， 常用α≤0.05。 当α≤0.05时，差异显著，当α≤0.01时，差异极显著。
(4) 对假设做出判断。 通过对计算获得的统计量与临界值的比较，作出接受或
拒绝零假设的决定。
显著性水平值α定得越大，拒绝域就越大，就越不容易接 受原假设，反之，显著性水平值定得越小，拒绝域就越小， 就越容易接受原假设。因此，在统计检验的问题中，要注 意α值的确定问题。
使用统计软件进行假设检验，在输出的结果中，会出现P 值（Sig.），P值是判断检验结果的另一个衡量标准，是 进行检验决策的另一个依据。P值是拒绝零假设的最小值。 当P≤α时，拒绝H0，表明样本均值存在显著差异； 当P> α时，接受H0，表明样本均值不存在显著差异。
5. 检验方法的选择
一般而言，差异显著性检验涉及的变量关系可以理解为一 种因果关系。从统计学的观点来看，这种涉及两类变量的 检验属于双变量（bivariate）的统计检验。对于双变量的 假设检验，我们必须指定其中的一个变量为自变量
第二类错误:也称为取伪错误，是指零假设H0实际上是不 真实的，而检验结果却接受了它。第二类错误的概率用β
表示。
检验结果
总体情况
零假设Ｈ0为真
对立假设Ｈ1为真
接受Ｈ０ 拒绝Ｈ０
判断正确 第一类错误
第二类错误 判断正确
同量弃当时，真弃减但错 真少这误错犯又和误这是取的两不伪概类现错率错实误降误的的低的概时概率，率存取的在伪唯此错一消误的彼的方长概法的率是关就增系会大增:样加本容 因水当此平取α，伪通错常误都的是概首率先降控低制时弃，真弃错真误错的误概的率概，率即就确会定增显加著性
一、假设检验 二、独立样本T检验 三、单因素方差分析
不同性别、不同年龄、不同教育背景、不同收入、 不同客源地的游客群体在旅游购物、游憩动机、 游憩满意度、乃至旅游影响感知等方面肯定存在 差异，但如果只探讨他们之间的微小差异是没有 意义的，我们需要了解的是他们在这些方面是否 存在显著差异。
差异显著性检验属于假设检验的范畴，因而必须 首先了解什么是假设检验（Hypothesis Testing）。
1. 零假设和对立假设
如：我们假设不同性别的游客对某一景区提供的住宿条 件的满意程度不存在显著差异，我们以H0代表这个假 设，H0就称为“零假设”（null hypothesis）（也称为
“原 假设”或“虚无假设”）。
其对立面，不同性别的游客对某一景区提供的住宿条件的 满意程度存在显著差异，通常以H1代表，称为 “对立假
一、假设检验
（一）假设检验的基本原理
所谓假设，可以理解为是研究者对于某个有待解决的问题 所提出的暂时性或尝试性的答案。就差异显著性的假设检 验而言，其假设的陈述形式是一种差异式陈述方式。
例如： 不同性别的游客对某一景区提供的住宿条件的满意程度是 否存在显著差异？ 不同收入的游客群体对某一景区自然风光的评价是否存在 显著差异？ 要回答这些问题，我们最好先提出有关假设 。
二、独立样本T检验
（一）基本原理
当自变量为间断（类别）变量，因变量为连续变量时，常 使用T检验与方差检验进行有关分析。
SPSS软件提供的T检验有3种形式，分别是单样本T检验 （One-Sample T Test），独立样本T检验（Independent
-Sample T Test）和成对样本T检验（Paired-Sample T Test）。
在旅游研究中，比较常用的是独立样本T检验，因而本章 仅讨论独立样本T检验。独立样本T检验在一些教科书中 被称为独立双样本T检验，顾名思义，其显然仅适用于自 变量为两组的情况。如考虑不同性别的游客心理感知差异 时，由于性别只有男女两组，此时应该采取独立样本T检 验方法进行有关检验。
独立样本T检验常用于进行两独立样本均值的比较。所谓 独立样本是指两组样本之间没有任何联系，但各自接受相
3．双侧检验和单侧检验
假设检验的两种形式
双侧检验
单侧检验
原假设Ｈ0 备择假设Ｈ1
µ= µ0 µ≠ µ0
µ≥ µ0 µ< µ0
µ≤µ0 µ> µ0
(1) 双侧检验
有两个临界值，两个拒
绝域，每个拒绝域的面积为
α
２
µ>
，原假设µ= µ0，只要 µ0或µ<µ0有一侧出现，
就要拒绝原假设。
双侧检验按 α 查表求临界值。 ２
零假设是待检验的假设，如果待检验的假设不成立，那么 其对立假设就成立。
2．假设检验的两类错误
第一类错误: 也称为弃真错误，是指零假设H0实际上是真 实的，而检验结果却拒绝了它。出现第一类错误的概率是 显著性水平α，因此犯第一类错误的概率是可以控制的。
同的测量。假设两组样本的个数分别为n1和n2，检验这两 组样本的均值是否相等可以分为以下两种情况考虑。
1.
两总体方差
Байду номын сангаас
2 1
和
2 2
未知，但它们相等。
此时属于两样本等方差检验，其统计量t的计算式为：
t
(n1
X1 X2
1)S12
(n2
1)S
2 2
n1 n2 2
1 n1
1 n2
~
t (n1
n2
2)
（independent variable）、另一个为因变量（dependent
variable）。
如不同性别的游客对某景区提供的住宿条件的满意度存在
显著差异，这里视性别为自变量，满意度为因变量，即认
为这种满意度的差别是因为性别的不同引起的。
因变量 类别变量 连续变量
自变量（类别变量） 卡方检验
t检验、方差分析
统计量t服从自由度为（n1+n2-2）的t分布。
式中，X1 和 X 2 分别为两组样本的均值，n1和n2分别为两
组样本的个数，S12
(2) 单侧检验
有一个临界值，一个拒绝域， 拒绝域的面积为α。
当所考察的数值越大越好时， 用单侧检验。
如考察灯泡的寿命
当所考察的数值越小越好时， 用单侧检验。
如考察产品的废品率
单侧检验按α查表求临界值。
4．假设检验的步骤
(1) 提出假设。
H0 : 1 2
H1 : 1 2
(2) 选取检验统计量，并在原假设Ｈ0成立的条件下计算统计 量的值。
(3) 对于给定的显著性水平α，决定临界值。 α的取值范围为α≤0.01，α≤0.05和α≤0.10，一般情况下， 常用α≤0.05。 当α≤0.05时，差异显著，当α≤0.01时，差异极显著。
(4) 对假设做出判断。 通过对计算获得的统计量与临界值的比较，作出接受或
拒绝零假设的决定。
显著性水平值α定得越大，拒绝域就越大，就越不容易接 受原假设，反之，显著性水平值定得越小，拒绝域就越小， 就越容易接受原假设。因此，在统计检验的问题中，要注 意α值的确定问题。
使用统计软件进行假设检验，在输出的结果中，会出现P 值（Sig.），P值是判断检验结果的另一个衡量标准，是 进行检验决策的另一个依据。P值是拒绝零假设的最小值。 当P≤α时，拒绝H0，表明样本均值存在显著差异； 当P> α时，接受H0，表明样本均值不存在显著差异。
5. 检验方法的选择
一般而言，差异显著性检验涉及的变量关系可以理解为一 种因果关系。从统计学的观点来看，这种涉及两类变量的 检验属于双变量（bivariate）的统计检验。对于双变量的 假设检验，我们必须指定其中的一个变量为自变量
第二类错误:也称为取伪错误，是指零假设H0实际上是不 真实的，而检验结果却接受了它。第二类错误的概率用β
表示。
检验结果
总体情况
零假设Ｈ0为真
对立假设Ｈ1为真
接受Ｈ０ 拒绝Ｈ０
判断正确 第一类错误
第二类错误 判断正确
同量弃当时，真弃减但错 真少这误错犯又和误这是取的两不伪概类现错率错实误降误的的低的概时概率，率存取的在伪唯此错一消误的彼的方长概法的率是关就增系会大增:样加本容 因水当此平取α，伪通错常误都的是概首率先降控低制时弃，真弃错真误错的误概的率概，率即就确会定增显加著性
一、假设检验 二、独立样本T检验 三、单因素方差分析
不同性别、不同年龄、不同教育背景、不同收入、 不同客源地的游客群体在旅游购物、游憩动机、 游憩满意度、乃至旅游影响感知等方面肯定存在 差异，但如果只探讨他们之间的微小差异是没有 意义的，我们需要了解的是他们在这些方面是否 存在显著差异。
差异显著性检验属于假设检验的范畴，因而必须 首先了解什么是假设检验（Hypothesis Testing）。
1. 零假设和对立假设
如：我们假设不同性别的游客对某一景区提供的住宿条 件的满意程度不存在显著差异，我们以H0代表这个假 设，H0就称为“零假设”（null hypothesis）（也称为
“原 假设”或“虚无假设”）。
其对立面，不同性别的游客对某一景区提供的住宿条件的 满意程度存在显著差异，通常以H1代表，称为 “对立假
一、假设检验
（一）假设检验的基本原理
所谓假设，可以理解为是研究者对于某个有待解决的问题 所提出的暂时性或尝试性的答案。就差异显著性的假设检 验而言，其假设的陈述形式是一种差异式陈述方式。
例如： 不同性别的游客对某一景区提供的住宿条件的满意程度是 否存在显著差异？ 不同收入的游客群体对某一景区自然风光的评价是否存在 显著差异？ 要回答这些问题，我们最好先提出有关假设 。
二、独立样本T检验
（一）基本原理
当自变量为间断（类别）变量，因变量为连续变量时，常 使用T检验与方差检验进行有关分析。
SPSS软件提供的T检验有3种形式，分别是单样本T检验 （One-Sample T Test），独立样本T检验（Independent
-Sample T Test）和成对样本T检验（Paired-Sample T Test）。
在旅游研究中，比较常用的是独立样本T检验，因而本章 仅讨论独立样本T检验。独立样本T检验在一些教科书中 被称为独立双样本T检验，顾名思义，其显然仅适用于自 变量为两组的情况。如考虑不同性别的游客心理感知差异 时，由于性别只有男女两组，此时应该采取独立样本T检 验方法进行有关检验。
独立样本T检验常用于进行两独立样本均值的比较。所谓 独立样本是指两组样本之间没有任何联系，但各自接受相
3．双侧检验和单侧检验
假设检验的两种形式
双侧检验
单侧检验
原假设Ｈ0 备择假设Ｈ1
µ= µ0 µ≠ µ0
µ≥ µ0 µ< µ0
µ≤µ0 µ> µ0
(1) 双侧检验
有两个临界值，两个拒
绝域，每个拒绝域的面积为
α
２
µ>
，原假设µ= µ0，只要 µ0或µ<µ0有一侧出现，
就要拒绝原假设。
双侧检验按 α 查表求临界值。 ２