(实验五均值比较与T检验.doc

实验五 均值比较与T检验 均值（Means）过程 对准备比较的各组计算描述指标，进行预分析，也可直接比较。 单样本T检验（One-Samples T Test）过程 进行样本均值与已知总体均值的比较。 独立样本T检验（Independent-Samples T Test）过程 进行两独立样本均值差别的比较，即通常所说的两组资料的t检验。 配对样本（Paired-Samples T Test）过程 进行配对资料的显著性检验，即配对t检验。 单因素方差分析（One-Way ANOVA）过程 进行两组及多组样本均值的比较，即成组设计的方差分析，还可进行随后的两两比较，详情请参见单因素方差分析。 预备知识： 假设检验的步骤： 第一步，根据问题要求提出原假设（Null hypothesis）和备选假设（Alternative hypothesis）； 第二步，确定适当的检验统计量及相应的抽样分布； 第三步，计算检验统计量观测值的发生概率； 第四步，给定显著性水平并作出统计决策。 第二步和第三步由SPSS自动完成。 假设检验中的P值 P值（P-value）是指在原假设为真时，所得到的样本观察结果或更极端结果的概率，即样本统计量落在观察值以外的概率。 根据“小概率原理”，如果P值非常小，就有理由拒绝原假设，且P值越小，拒绝的理由就越充分。 实际应用中，多数统计软件直接给出P值，其检验判断规则如下（双侧检验）： 若P值a，则拒绝原假设； 若P值≥ a ，则不能拒绝原假设。 均值比较中原假设H0：μ=μ0（即某一特定值）（适用于单样本情形） 或 H0：μ1=μ2。（适用于两独立样本情形） Means（均值）过程 选择：分析Analyze==均值比较Compare Means ==均值means; 1、基本功能 分组计算、比较指定变量的描述统计量，还可以给出方差分析表和线性检验结果表。 优点 各组的描述指标被放在一起便于相互比较，如果需要还可以直接输出比较结果，无须再次调用其他过程。 2、重要结果解释 常用统计描述量报表。这里按默认情况输出均数，样本量和标准差。由于我们选择了分组变量，因此三项指标均给出分组及合计值，可见以这种方式列出统计量可以非常直观的进行各组间的比较。 上表为单因素方差分析表。在选择了Anova table and eta或Test for linearity复选框时出现。实际上就是在检验各组间均数有无差异。上面各项的具体含义将在单因素方差分析一节中解释。 单样本T检验( One-Samples T Test ) 选择：分析Analyze==均值比较Compare Means ==单样本T检验One-Sample T Test; 1、基本功能 用于进行样本所在总体均值与已知总体均值的比较，可以自行定义已知总体均值为任意值。 方法 方差已知：用U检验法 方差未知：用T检验法（较为常用） 结果解释 上表为单样本t检验表，第一行注明了用于比较的已知总体均数为1，下面从左到右依次为t值(t)、自由度(df)、P值(Sig.2-tailed)、两均数的差值(Mean Difference)、差值的95%可信区间。由上表可知：t=2.975，P=0.007。因此可以认为血磷值的总体均数不等于1。 两独立样本T检验(Independent-Samples T Test ) 选择Analyze==Compare Means == Independent-Samples T Test; 1、基本功能 用于进行两样本均数的比较，即常用的两样本t检验。 方法 假设条件: 两个独立的样本，并且总体服从正态分布。 两个正态总体均值的假设检验： 1）两个总体方差已知，用U检验法 2）两个总体方差未知，且方差齐性，用T检验法 3）两个总体方差未知，且方差非齐性，用T检验法 关键 进行两独立样本t检验之前，必须正确地组织数据。 SPSS要求将两组样本数据存放在一个SPSS变量中，即存放在一个SPSS变量列上。同时，为区分哪些样本来自哪个总体，还应定义一个存放总体标志的标志变量。 步骤 1） 选择Analyze==Compare Means ==Independent-Samples T Test; 2）选择检验变量到Test Variables框； 3）选择总体标志变量到Grouping Variables框中； 4）单击Define Groups 按钮定义两总体的标志值，其中：Use specified values表示分别输入两个对应两个不同总体的变量值；Cut point框中应输入一个数字，大于等于该值的对应一个总体，小于该值的对应另一个总体； 5） 两独立样本t检验的option选