【正文】 據(jù)文件中建立兩個(gè)變量，分別為“品種”、“產(chǎn)量”，度量標(biāo)準(zhǔn)分別為“名義”、“度量”，變量“品種”的值標(biāo)簽為： a— 品種 A， b— 品種 B，錄入數(shù)據(jù)后，保存名為 data5 SPSS數(shù)據(jù)文件 。 0H1 2 1 2221212()XXtSSnn??? ? ???SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 29 獨(dú)立樣本 T檢驗(yàn) 基本概念及統(tǒng)計(jì)原理 利用 Levene F方差齊性檢驗(yàn)方法檢驗(yàn)兩總體方差是否存在顯著差異；首先提出原假設(shè)；執(zhí)行檢驗(yàn)過(guò)程中 ， 若概率 p 值小于給定的顯著性水平 （ 一般為 ） ， 則拒絕原假設(shè) ，認(rèn)為兩個(gè)總體的方差不等；否則認(rèn)為兩個(gè)總體的方差無(wú)顯著性差異 。 1）當(dāng)樣本方差相等時(shí)， t統(tǒng)計(jì)量定義為： 其中 和 分別為兩樣本容量， , 和 分別為兩樣本標(biāo)準(zhǔn)差。 例如 ， 為比較兩種牧草對(duì)奶牛的飼養(yǎng)效果 ， 隨機(jī)從奶牛群中選取喂養(yǎng)不同牧草的奶牛各 10頭記錄每日平均產(chǎn)奶的量， 根據(jù)記錄的數(shù)據(jù)推斷兩種牧草對(duì)奶牛飼養(yǎng)的效果有無(wú)顯著性差異 。 ?打開(kāi)“單樣本 T檢驗(yàn)：選項(xiàng)”對(duì)話框 ,設(shè)置置信區(qū)間為 95%(缺省為 95%)。假設(shè)數(shù)據(jù)呈正態(tài)分布，請(qǐng)檢驗(yàn)生產(chǎn)線的工作情況。 在零假設(shè)成立的條件下 ， 均值檢驗(yàn)使用 t統(tǒng)計(jì)量 ， 構(gòu)造的 t統(tǒng)計(jì)量為： 其中 ， 用 代入 ， t統(tǒng)計(jì)量服從自由度為 n1的 t分布 ， S為樣本標(biāo)準(zhǔn)差 。 。 ?研究的對(duì)象和目標(biāo)不同。 與參數(shù)檢驗(yàn)的原理相同，非參數(shù)檢驗(yàn)過(guò)程也是先根據(jù)問(wèn)題提出原假設(shè)，然后利用統(tǒng)計(jì)學(xué)原理構(gòu)造出適當(dāng)?shù)慕y(tǒng)計(jì)量，最后利用樣本數(shù)據(jù)計(jì)算統(tǒng)計(jì)量的概率 P值，與顯著性水平進(jìn)行比較，得出拒絕或者接受原假設(shè)的結(jié)論。 0HSPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 14 主要內(nèi)容 參數(shù)估計(jì) 假設(shè)檢驗(yàn) 參數(shù)檢驗(yàn)與非參數(shù)檢驗(yàn) 單樣本 T檢驗(yàn) 獨(dú)立樣本 T檢驗(yàn) T檢驗(yàn) SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 15 參數(shù)檢驗(yàn)及非參數(shù)檢驗(yàn) 參數(shù)檢驗(yàn)簡(jiǎn)介 參數(shù)檢驗(yàn)的總體分布形式是已知的或假定的，只是一些參數(shù)的取值或范圍未知，分析的主要目的是估計(jì)參數(shù)的取值范圍，或?qū)ζ溥M(jìn)行某種統(tǒng)計(jì)檢驗(yàn)。概率 p值就是在零假設(shè) 成立時(shí)檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值發(fā)生的概率，該概率值間接地給出了樣本值在零假設(shè)成立的前提下的概率，對(duì)此可以依據(jù)一定的標(biāo)準(zhǔn)來(lái)判斷其發(fā)生的概率是否為小概率。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 11 假設(shè)檢驗(yàn) 假設(shè)檢驗(yàn)的一般步驟 ?第 1步 給出檢驗(yàn)問(wèn)題的原假設(shè)； 根據(jù)檢驗(yàn)問(wèn)題的要求，將需要檢驗(yàn)的最終結(jié)果作為零假設(shè)。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 10 假設(shè)檢驗(yàn) 小概率事件原理 在概率論中我們把發(fā)生概率小到接近于 0的事件稱(chēng)為小概率事件（即在大量重復(fù)試驗(yàn)中出現(xiàn)的頻率非常低）。 4．概率 P值 P值是當(dāng)原假設(shè)正確時(shí)，觀測(cè)到的樣本信息出現(xiàn)的概率。也就是說(shuō)，我們大約有 95%的把握作出正確的決策。 ? ?1H0HSPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 8 假設(shè)檢驗(yàn) 基本概念及統(tǒng)計(jì)原理 ?顯著性水平 :在作假設(shè)檢驗(yàn)時(shí)，我們犯第一類(lèi)錯(cuò)誤的最大概率稱(chēng)為檢驗(yàn)的顯著性水平。這樣的假設(shè)通常稱(chēng)為零假設(shè)或原假設(shè)，記為 。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 5 統(tǒng)計(jì)推斷與假設(shè)檢驗(yàn) 參數(shù)估計(jì) SPSS實(shí)例分析 【 例 51】 從一個(gè)正態(tài)總體中隨機(jī)抽取容量為 8的樣本，各樣本值分別為 10， 8， 12， 15， 6， 13， 5， 11；求總體均值在95%的置信區(qū)間。如用樣本均值直接作為總體均值的估計(jì)值，用樣本方差直接作為總體方差的估計(jì)值等。 （ 1）矩估計(jì)法 （ 2）極大似然估計(jì)法 （ 3）穩(wěn)健估計(jì)法 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 4 統(tǒng)計(jì)推斷與假設(shè)檢驗(yàn) 區(qū)間估計(jì)簡(jiǎn)介 因?yàn)辄c(diǎn)估計(jì)直接用樣本估計(jì)值作為總體參數(shù)的估計(jì)值，沒(méi)有提供關(guān)于估計(jì)精度的任何信息，存在抽樣標(biāo)準(zhǔn)誤差，故提出了未知參數(shù)的區(qū)間估計(jì)法。 分析： 這是一個(gè)求總體均值的區(qū)間估計(jì)問(wèn)題，進(jìn)行總體均值的區(qū)間估計(jì)可以采用探索分析或單樣本 T檢驗(yàn)，本例中采用探索分析，具體分析步驟同例 43。 ?備擇假設(shè)： 與原假設(shè)對(duì)應(yīng)的假設(shè)，只有在原假設(shè)被否定后才可接受的假設(shè)； 例如，如果零假設(shè)是 ，則備擇假設(shè)是 。這個(gè)概率常記為，通常抽樣前就指定好，這樣得到的結(jié)果才不會(huì)影響我們的選擇。此時(shí)，我們說(shuō)拒絕假設(shè)的顯著性水平為，即犯拒絕本應(yīng)接受的假設(shè)這類(lèi)錯(cuò)誤的概率是 。通常用 P值與預(yù)先設(shè)定的顯著性水平值比較，若 P值小于顯著性水平，則認(rèn)為該概率值足夠小，應(yīng)拒絕原假設(shè)。 在統(tǒng)計(jì)學(xué)上，把小概率事件看成在一次特定的抽樣中不可能發(fā)生的事件，稱(chēng)為“小概率事件實(shí)際不可能原理”。例如，需要檢驗(yàn)?zāi)硨W(xué)校的高考數(shù)學(xué)平均成績(jī)是否同往年的平均成績(jī)一樣，都為 75,由此可做出零假設(shè)， ?第 2步 選擇檢驗(yàn)統(tǒng)計(jì)量； 在統(tǒng)計(jì)推斷中，總是通過(guò)構(gòu)造樣本的統(tǒng)計(jì)量并計(jì)算統(tǒng)計(jì)量的概率值進(jìn)行推斷，一般構(gòu)造的統(tǒng)計(jì)量應(yīng)服從或近似服從常用的已知分布，例如均值檢驗(yàn)中最常用的 t分布和 F分布等。 0HSPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 13 假設(shè)檢驗(yàn) 假設(shè)檢驗(yàn)的一般步驟 第 5步 在給定顯著性水平條件下，做出統(tǒng)計(jì)推斷結(jié)果。如正態(tài)總體的均值是否與某個(gè)值存在顯著差異，兩個(gè)總體的均值是否有顯著差異等。 非參數(shù)檢驗(yàn)包括單樣本（ O）、獨(dú)立樣本（ I）、相關(guān)樣本（ R）的非參數(shù)檢驗(yàn)。 ?研究的統(tǒng)計(jì)量有所不同。 例如 ， 從新生的入學(xué)成績(jī)的抽樣數(shù)據(jù)推斷平均成績(jī)是否為 75分；在人口普查中 ， 某地區(qū)職工今年的平均收入是否和往年的平均收入有顯著差異 。 在給定原假設(shè)的前提下 ， SPSS將檢驗(yàn)值代入 t統(tǒng)計(jì)量 ， 得到檢驗(yàn)統(tǒng)計(jì)量觀測(cè)值 ， 以及根據(jù) T分布的分布函數(shù)計(jì)算出的概率 P值 。 分析 :這是一個(gè)典型的比較樣本均值和總體均值的 T檢驗(yàn)問(wèn)題 。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 24 單樣本 T檢驗(yàn) 單樣本 T檢驗(yàn) SPSS實(shí)例分析 第 3步 主要結(jié)果及分析 : ?單樣本統(tǒng)計(jì)量表 ?單樣本 T檢驗(yàn)結(jié)果表 N 均值 標(biāo)準(zhǔn)差 均值的標(biāo)準(zhǔn)誤 weight 10 檢驗(yàn)值 = 500 t df Sig（雙側(cè)） 均值差值 差分的 95% 置信區(qū)間 下限 上限 weight .469 9 .650 .80000 ? 本例置信水平為 95%，顯著性水平為 ，從上表中可以看出，雙尾檢測(cè)概率 P值為 ，大于 ，故原假設(shè)成立，也就是說(shuō)，抽樣袋裝食鹽的質(zhì)量與 500克無(wú)顯著性差異，有理由相信生產(chǎn)線工作狀態(tài)正常 下表給出了單樣本 T檢驗(yàn)的描述性統(tǒng)計(jì)量，包括樣本數(shù)（ N）、均值、標(biāo)準(zhǔn)差、均值的標(biāo)準(zhǔn)誤。 12???0H12???SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 27 獨(dú)立樣本 T檢驗(yàn) 基本概念及統(tǒng)計(jì)原理 2． 獨(dú)立樣本 T檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量 獨(dú)立樣本 T檢驗(yàn)的前提是兩個(gè)獨(dú)立的總體分別服從 和 和 。該統(tǒng)計(jì)量服從自由度為 的 t分布。 4. 獨(dú)立樣本 T檢驗(yàn)的一般步驟 在兩樣本來(lái)自正態(tài)總體且相互獨(dú)立的假設(shè)下，獨(dú)立樣本T檢驗(yàn)作為假設(shè)檢驗(yàn)的一種方法，其基本步驟與假設(shè)檢驗(yàn)的步驟是一樣的。 第 2步 獨(dú)立樣本 T檢驗(yàn)設(shè)置 : ?選擇菜單 “選擇 → 比較均值 → 獨(dú)立樣本 T檢驗(yàn)”，打開(kāi)“獨(dú)立樣本 T檢驗(yàn)”對(duì)話框，將“產(chǎn)量” 作為要進(jìn)行 T檢驗(yàn)的變量，將“品種”字段作為分組變量，定義分組變量的兩個(gè)分組分別為“ a”和“ b”。在方差相等的情況下，獨(dú)立樣本 T檢驗(yàn)的結(jié)果應(yīng)該看上表中的“假設(shè)方差相等” 一行，第 5列為相應(yīng)的雙尾檢測(cè)概率（ Sig.（雙側(cè)））為 ，在顯著性水平為 情況下， T統(tǒng)計(jì)量的概率 p值 大于 ，故不應(yīng)拒絕零假設(shè) ,，即認(rèn)為兩樣本的均值是相等的，在本例中，不能認(rèn)為兩種玉米品種的產(chǎn)量有顯著性差異。 配對(duì)樣本 T檢驗(yàn)與獨(dú)立樣本 T檢驗(yàn)的差別之一是要求樣本是配對(duì)的 。所以，配對(duì)樣本 T檢驗(yàn)就是檢驗(yàn)差值所來(lái)自的總體其均值是否為零，這就要求差值來(lái)自的總體服從正態(tài)分布。 訓(xùn)練前： 86， 77， 59， 79， 90， 68， 85， 94， 66， 72， 75， 72， 69， 85， 88 訓(xùn)練后： 78， 81， 76， 92， 88， 76， 93， 87， 62， 84， 87， 95， 88， 87， 80 第 1步 數(shù)據(jù)組織： 首先建立 SPSS數(shù)據(jù)文件 ， 建立兩個(gè)變量： “ 訓(xùn)練前 ” 、“ 訓(xùn)練后 ” ， 錄入相應(yīng)數(shù)據(jù) 。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 40 配對(duì)樣本 T檢驗(yàn) 配對(duì)樣本 T檢驗(yàn) SPSS實(shí)例分析 第 3步 運(yùn)行結(jié)果及分析： ?配對(duì)樣本 T檢驗(yàn)結(jié)果 0H 上表是配對(duì)樣本 T檢驗(yàn)的最終結(jié)果。 在 SPSS 19中 ， 所有單樣本的非參數(shù)檢驗(yàn)有一些共同的設(shè)置 。 0HSPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 46 單樣本的非參數(shù)檢驗(yàn) 卡方檢驗(yàn) 1．卡方檢驗(yàn)的概念 也稱(chēng)卡方擬合優(yōu)度檢驗(yàn)，它是 常用的非參數(shù)檢驗(yàn)方法，用于檢驗(yàn)觀測(cè)數(shù)據(jù)是否與某種概率分布的理論數(shù)值相符合，進(jìn)而推斷觀測(cè)數(shù)據(jù)是否是來(lái)自于該分布的樣本的問(wèn)題。已證明，當(dāng) n充分大時(shí)，它近似地服從自由度為 k1的卡方分布。 第 2步 數(shù)據(jù)組織 ： 建立 SPSS數(shù)據(jù)文件，建立兩個(gè)變量：“工作日”、“次品數(shù)”，錄入相應(yīng)數(shù)據(jù)，保存為文件 data5。 第 5步 卡方檢驗(yàn)的選項(xiàng)設(shè)置： 打開(kāi)“卡方檢驗(yàn)選項(xiàng)”對(duì)話框，選擇” 所有類(lèi)別概率相等（ V）“選項(xiàng)。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 55 單樣本的非參數(shù)檢驗(yàn) 二項(xiàng)分布檢驗(yàn) 3． 分析步驟 二項(xiàng)分布檢驗(yàn)亦是假設(shè)檢驗(yàn)問(wèn)題，檢驗(yàn)步驟同前。 成績(jī) 78 75 84 76 89 93 94 88 95 87 88 73 84 82 80 84 87 91 95 83 第 1步 分析： 由于成績(jī)分為優(yōu)秀與非優(yōu)秀兩種狀態(tài)，故應(yīng)用二項(xiàng)分布檢驗(yàn)。這說(shuō)明優(yōu)秀學(xué)生所占的比重是大于 10%的。 SPSS 19(中文版 )統(tǒng)計(jì)分析實(shí)用教程 電子工業(yè)出版社 60 游程檢驗(yàn) 2．統(tǒng)計(jì)原理 SPSS單樣本變量隨機(jī)性檢驗(yàn)中，利用游程數(shù)構(gòu)造檢驗(yàn)統(tǒng)計(jì)量。SPSS會(huì)根據(jù)上面式子自動(dòng)計(jì)算 Z統(tǒng)計(jì)量，并依據(jù)正態(tài)分布表