spss统计第八章.ppt

,单击此处编辑母版标题样式,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,第八讲 单因素方差分析,任课教师：徐国庆,本节课主要内容,一、复习前面内容,二、假设检验的介绍,三、单因素方差分析,一、复习,总体、个体、样本、样本容量、统计量、参数,例：,1,、对灯泡厂一季度生产的灯泡质量检测，从一季度生产的全部灯泡中随机抽取一部分。,2、商学院学生月消费水平调查，分别从每个年级中抽取一部分男女学生。,描述统计,推断统计,指标描述,图表描述,参数估计,假设检验,统计分析,总体分布,-1.96,95%,+1.96,2.5%,2.5%,样本平均数分布,二、假设检验,1,、什么是假设检验？,先对研究总体的参数作出某种,假设,，然后利用样本的信息对这一假设进行检验的方法。,通常作出相互对立的假设,原假设,（又称零假设、虚无假设）,vs,备择假设,（研究假设）,对总体参数作假设,例,a：,商学院学生月消费水平调查，分别从每个年级中随机抽取一部分男女学生。,研究假设：商学院学生消费水平高于全国大学生平均消费水平。,例,b：,某人对人的味觉差异很感兴趣，他发现不同地区的人对咸味的体验有差异。于是他想证实南方和北方人在这方面是否有明显的差别。,研究假设：商学院学生消费水平男生不同于（高于或低于）女生。,研究假设：南方和北方人对咸味的体验有差异。,假设的命题（表达）,H,0,：,原假设（通常假设无差异）,H,1,：,备择假设,例：,a、,商学院学生消费水平高于全国大学生平均消费水平。,H,0,：?,H,1,：？,b、,某人对人的味觉差异很感兴趣，他发现不同地区的人对咸味的体验有差异。于是他想证实南方和北方人在这方面是否有明显的差别。,H,0,：？,H,1,：？,二、假设检验,2、假设检验的理论依据,小概率事件在一次观察中不可能发生。,-小概率原理,小,概率事件用,来表示，通常,=0.05,或,=0.01,利用上述原理,在,原假设成立的条件下，算得某事件发生的概率(,p),很小（属于小概率事件）。而在一次观察中，该事件竟然出现了，则我们可以认为原假设是不正确的，从而否定（拒绝）原假设。,显著性水平：,=0.05,或,=0.01,当,P,时，不拒绝,H,0,，,差别尚无统计学意义。,当,P,时，拒绝,H,0,，,接受,H,1,，,差别有统计学意义。,二、假设检验,3、假设检验的逻辑,统计学不是对研究假设的真实性直接进行检验的，而是检验其对立面。,备择假设,原假设,反证法的逻辑：若研究假设对立面成立，则研究假设不成立；若研究假设对立面不成立，则研究假设成立。,二、假设检验,4、假设检验的步骤,建立原假设和备择假设；,根据需要选择适当的显著性水平,(,即小概率的大小)；,根据样本数据计算出统计值，并查表得出对应概率大小（,p）；,将该概率值,p,与显著性水平,进行比较,以判定是接受原假设还是接受备择假设。,应 用,S P S S,二、假设检验,例：某人对人的味觉差异很感兴趣，他发现不同地区的人对咸味的体验有差异。于是他想证实南方和北方人在这方面是否有明显的差别。他让被试品尝一杯含盐的水是否刚刚感到咸，得到如下数据结果：单位（克/杯）,北方人：0.84，1.05，1.20，1.20，1.39，1.53，,1.67，1.80，1.87，2.07，2.11,南方人：0.54，0.64，0.64，0.75，0.76，0.81，,1.16，1.20，1.34，1.35，1.48，1.56，1.87,步骤：,1、,H,0,：,南方和北方人对咸味的体验没有差异。,H,1,：,南方和北方人对咸味的体验有差异。,2、显著性水平,=0.05；,3、spss,的操作,p=？,4、,比较,p,与,，,做出结论。,三、单因素方差分析,数据库,voters.,sav,比较三位候选人各自选民群体年龄是否存在差异。,两组平均数的差异性检验需要用到,t,检验，但是，超过两组平均数的检验则不适合。,原因：若对于两组以上平均数也用,t,检验，则会增加拒绝原假设（犯错误）的机会。,不犯错的概率 犯错误的概率,一次,t,检验：,95%5%,两次,t,检验：,(1-5%)(1-5%)9.75%,K,次,t,检验：,(1-5%),k 1-(1-5%)k,一次,t,检验：,=0.05,两次,t,检验：,=0.10,四次,t,检验：,=0.26,九次,t,检验：,=0.40,为能保证,=0.,05,只使用,一种检验,同时比较多组平均数的差异,。,多个平均数的差异检验,单因素方差分析,one way ANONA,Analyze-compare means-one way ANONA,选入因变量，可有多个变量,选入分组变量，必须满足只取有限个水平的条件。,One-Way,Anova,主对话框,比较对话框,事后比较,选择项,事后比较对,话框,若,F,值检验结果显著，则需进行事后比较；否则，无须这一步。,1.,LSD,法：类似于,t,检验，仍有很大犯错误的可能。若存在明确的对照组，比较对照组与其他组的差异是用到该方法。,2.,Tukey,法：能保证,p0.05,的标准，控制犯错误的可能。若对多个均 数间进行两两比较，且各组人数相等，宜用该方法。,3.,Scheffe,法：较保守的检验方法（即使,F,值检验出差异，,Scheffe,法也可能检验不出差异），各组人数不等时适用。,Options,对话框,选择缺失值的处置方式,:,在检验变量中含有缺失值的观测将不被计算,在任何一个变量中含有缺失值的观测都将不被计算,规定输出的统计量,:,输出描述统计量,用,Levene,检验进行方差一致性检验,输出均数分布图,例题分析,例,1,某灯泡厂用四种不同配料方案制成的灯丝，生产了四批灯泡。每批灯泡中随机抽取若干个灯泡测其使用寿命,(,单位,:,小时,),数据如下表，求四种灯丝做成的灯泡的使用寿命有无显著差异。,灯泡,灯丝,1,2,3,4,5,6,7,8,甲,1600,1610,1650,1680,1700,1700,1780,乙,1450,1590,1350,1650,1700,丙,1640,1550,1600,1620,1640,1600,1740,1800,丁,1410,1420,1430,1470,1540,1580,灯泡使用寿命,在该例中，可以把灯泡的使用寿命看作因变量，灯丝的配料为自变量，四种配料方案为四个组。,(,数据文件：,“,灯泡使用（单因素方差）,.,sav,),1,、使用默认选项操作步骤,1,）定义两个变量：,Filament,变量，取值,1、2、3、4,分别代表甲、乙、丙、丁，标签为“灯丝”。,Hours,变量其值为灯泡的使用寿命，标签为“灯泡使用寿命”。,2,）按,Analyze,Compared Means One-Way,Anova,顺序打开“单因素分析”主对话框。,3,）从变量列表框中选取,hours,入,Dependent List,框中；,选取,filament,变量入,Factor,框中，单击“,OK”,运行。,4,）输出结果及分析,灯泡使用寿命的单因素方差分析结果,上表说明：,第一列：方差来源；第二列：离均差平方和；第三列：自由度；,第四列：均方；第五列：,F,值；第六列：显著值，即,F,统计量的,P,值。,2,、使用可选项操作步骤,1,）定义变量和选取变量同,1,的操作步骤,2,）打开,Post Hoc,对话框，进行事后比较，在,Equal Variance Assumed,栏中选择,LSD,、,Tukey,法和,Scheffe,法。,3,）打开,Options,对话框，输出统计量选择项。,选中,Descriptive,复选框，输出描述性统计量。,选中,Homogeneity-of-variance,复选框，用,Levene,检验进行方差一致性检验。,选中,Means plot,复选框，输出均数分布图。,4,）单击,OK，,提交运行,输出结果及分析,描述性统计表,输出,观测量数目,均值,最小值,最大值,标准差,标准误差,各组中每个因变量的,95%,的置信区间,方差一致性检验,上表为方差一致性检验结果，其显著值,P,大于,0.05,，说明各组的方差在,0.05,的显著水平上没有显著性差异，即方差具有一致性。,单因素方差分析结果,均值多重比较结果,各列的内容：,第一列：事后比较方法及甲、乙、丙、丁各组。,第二列：各组样本容量。,第三列：通过事后比较而划分的子集。,由于各组样本含量不等，计算均值用的是调和平均数的样本量,6.034,。,均值分布图,以灯丝为横轴，以灯泡使用的平均时间为纵轴，从此图上可看出各组均值的分布,。,两个独立样本平均数差异的显著性检验,Analyze,-compare means-independent samples t test,统计值,t=2.524,p=0.019,返回,