spss统计第八章.ppt

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 统计分析 总体分布 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 H0 原假设 通常假设无差异 H1 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 H0 H1 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 H0 H1 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H0 差别尚无统计学意义 当P 时 拒绝H0 接受H1 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 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SPSS 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 H0 南方和北方人对咸味的体验没有差异 H1 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 k1 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onewayANONAAnalyze comparemeans onewayANONA 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 WayAnova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p 0 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 ComparedMeans One WayAnova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DependentList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PostHoc对话框 进行事后比较 在EqualVarianceAssumed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Meansplot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