八均数比较.PPT

第八讲 均数比较 什么是均数比较 均数比较：compare means 比较两组或多组数据的总体平均数是否存在显著差异，这是比较两组或多组被试在某个方面是否存在显著差异的常用办法（假设检验） 知识回顾：为什么做假设检验 通过获得随机样本来实施抽样研究的例子很多，但研究者关心的并不仅仅是样本中所包含的个体，更希望得到相应的总体间有无差别的结论，这就需要作假设检验。 分析实例 问题：随机抽取了200名大学生，其中男生100名，女生100名，测量其身高体重，如何证明男女生的身高体重存在差异？ 现有的两个样本的均数不同，其差别可能有两个方面的原因造成 样本所来自的总体没有差异，现有差别为抽样误差 样本所来自的总体存在差异，差异为本质差异 为识别这两种可能，应当对其做假设检验 知识回顾：假设检验原理 基础：小概率原理，即一般认为小概率事件在一次随机抽样中不会发生。 基本思想：先建立一个关于样本所属总体的假设（H0），考察在假设条件下随机样本的特征信息是否属小概率事件，若为小概率事件，则怀疑假设成立有悖于该样本所提供特征信息，因此拒绝假设H0；接受H1 。 H0：男生和女生的身高和体重没有差异。 如果p（即sig）0.05，则说明其为小概率事件，不可能发生。应该拒绝H0 ，接受H1 （男生和女生的身高和体重存在本质差异）。 假设检验之均数比较 One－Samples T Test（单样本） Independent－Samples T Test（独立样本） Paired－Samples T Test（配对样本） One－Way ANOVA（单因素方差分析） One-Samples T Test 样本平均数与总体平均数的比较 推断这个样本相应的总体均数是否等于、大于或者小于某个已知的总体均数 当样本量较大时，很少去考虑单样本t检验的适用条件，而是要看均数能否代表相应数据的集中趋势（避免存在极值） 当样本量较小时，一般要求样本取自正态分布总体，可事前用正态性检验或作图来判断。 Independent- Samples T Test 两样本均数的比较 满足条件： 独立性（independence） 正态分布（normality） 方差齐性（Homogeneity ） T检验对数据稍微偏离应用条件有较好的耐受性，所以分析时往往无需严格检验分布。 Paired-Samples T Test 4种常见配对设计情况 同一受试对象处理前后的数据（如：前后测） 同一受试对象两个部分的数据（如：主观、客观题） 同一样品用两种方法（仪器等）检验的结果（如：语文成绩和数学成绩） 配对的两个受试对象分别接受两种处理的数据 在本质上，配对t检验就是单样本t检验，因此其适用条件的考察也和单样本t检验近似。 One-way ANOVA 进行两组及多组间样本均数的比较 满足条件： 独立性（independence） 正态分布（normality） 方差齐性（Homogeneity ） 方差齐性检验（Homogeneity） 多重比较（LSD）：两两比较 小练习 1、根据练习数据1，考察1班与2班语文成绩是否差异显著；考察语文和数学的试卷难度是否有显著差异（即每个人的语文数学成绩是否有显著差异）。 2、根据练习数据2，考察少数民族与非少数民族职员的工资是否差异显著；当前工资与过去工资是否差异显著；不同职务类型（店员、保管员、管理者）的员工工资是否差异显著，并做两两比较。 * 要检测的变量 需要与之对比的数值 要检测的变量 分组变量，需要定义，只能定义两组 要检测的变量，只能成对出现 选择两个变量，按住一个，然后按着ctrl键按另外一个， 然后按右边的箭头进入右侧窗口 因变量 自变量 多重比较 选项（方差齐性检验等）