假设检验spss操作例题

1、单样本 T 检验按规定苗木平均高达 1.60m 以上可以出圃，今在苗圃中随机抽取 10 株苗木，测定的苗木高度如下：1.75 1.58 1.71 1.64 1.55 1.72 1.62 1.83 1.63 1.65 假设苗高服从正态分布，试问苗木平均高是否达到出圃要求？（要求 a =0.05）解： 1）根据题意，提出：虚无假设Ho：苗木的平均苗高为Ho=1.6m;备择假设Hi:苗木的平均苗高Hi1.6m;2）定义变量：在spss软件中的“变量视图”中定义苗木苗高，之后在“数据视图”中输入苗高数据；3）分析过程在spss软件上操作分析，输出如下:rj = 10表i.i：单个样本统计量N均值标准差

2、均值的标准误苗高101.6680.08430.02666表1.2:单个样本检验检验值=1.6差分的95%置信区间tdfSig.（双侧）均值差值下限上限苗高2.5519.031.06800.0077.12834）输出结果分析由图1.1和表1.1数据分析可知，变量苗木苗高成正态分布，平 均值为1.6680m,标准差为0.0843,说明样本的离散程度较小，标准 误为0.0267，说明抽样误差较小。由表1.3数据分析可知，T检验值为2.55，样本自由度为9, t检验的 p 值为 0.0310.05,说明差异性显著，因此，否定无效假设 H0，取备择假设 H1。由以上分析知：在显著水平为 0.05 的水平

3、上检验，苗木的平均 苗高大于1.6m，符合出圃的要求。独立样本 T 检验 从两个不同抚育措施育苗的苗圃中各以重复抽样的方式抽得样本如 下： 样本 1 苗高（ CM ）：52 58 71 48 57 62 73 68 65 56 样本 2 苗高（CM ）:56 75 69 82 74 63 58 64 78 77 6673设苗高服从正态分布且两个总体苗高方差相等（齐性） ，试以显著水 平a =005检验两种抚育措施对苗高生长有无显著性影响。解： 1 ）根据题意提出：虚无假设Ho：两种抚育措施对苗木生长没有显著的影响；备择假设已：两种抚育措施对苗高生长影响显著；2） 在spss中的“变量视图”中定

4、义变量“苗高1”，“抚育措施”， 之后在“数据视图”中输入题中的苗高数据，及抚育措施，其中措施 一定义为“ 1”措施二定义为“ 2”；3）分析过程在spss软件上操作分析输出分析数据如下；图2苗木苗烏分布直方图jl *BS.S8标;隹吕倉= 9.152 N = 22苗鬲表2.1:组统计量抚育措施N均值标准差均值的标准误苗高111061.008.2332.60321269.588.2402.379表2.2:独立样本检验方差方程的Levene检验tdf均值方程的t检验FSig.Sig.（双侧）均值差值标准误差值差分的95%置信区间下限上限苗高1假设方差相等假设方.005.946-2.43420.0

5、24-8.5833.527-15.940-1.227差不相-2.43419.296.025-8.5833.527-15.957-1.210等4）输出结果分析由上述输出表格分析知：在两种抚育措施下的苗木高度的平均值分别为61.00cm; 69.58cm。苗高均值差异性分析的 F值为0.946,说明通过方差方程的检验其两总体的苗高均值齐性，标准差分别为8.233、8.240。由表2.2知通过均值方程的t检验的t值为-2.434,样 本的p值为0.0240.05,说明差异性显著，因此，拒绝虚无假设 H。， 肯定备择假设Hi。由分析知，在显著水平为 0.05水平时检验，两种抚育措施对于 苗高的影响显著

6、。配对样本T检验为比较两种方法对乳酸饮料中脂肪含量测定结果是否不同，某人随机抽取了 10份乳酸饮料制品，分别用脂肪酸水解法和哥特里-罗 紫法测定其结果如下表第（1 ）（3）栏。问两法测定结果是否不同？两种方法对乳酸饮料中脂肪含量的测定结果 （）编号哥特里罗紫法（方法1）脂肪酸水解法（方法2）10.8400.58020.5910.50930.6740.50040.6320.31650.6870.33760.9780.51770.7500.45480.7300.51291.2000.997100.8700.506解：1）根据题意提出：虚无假设Ho：两种方法的测定结果是相同的的备择假设Hi :两种方

7、法的测定结果是不同的；2）在spss中的“变量视图”中定义变量“方法1”，“方法2”, 之后在“数据视图”中分别输入题中的方法 1和方法2的检测结果。3）分析过程在spss软件上操作分析输出分析数据如下：表3.1成对样本统计量均值N标准差均值的标准误对1哥特里罗紫法.7952010.184362.058300脂肪酸水解法.5228010.185981.058812表3.2成对样本相关系数N相关系数Sig.对1哥特里罗紫法&脂肪酸水解法10.828.003表3.3成对样本检验成对差分tdfSig.（双侧）均值标准差均值的标准误差分的95%置信区间下限上限对1哥特里罗紫 法-脂肪酸水 解法.272

8、400.108681.034368.194654.3501467.9269.000均值 .795二 184N = 10图3.2脂肪酸水解法（方法2）测量结果分布直方图.186N = 104）输出结果分析由上述输出表格分析知：在表 3.1中，两种测量方法下的脂肪含 量的平均值分别为 0.79520%; 0.52280%。标准差分别为 0.184362、 0.185981。说明方法1的测定结果均值较高，标准差较小。采用配对 样本t检验进行验证，由表3.2表示配对样本的相关分析。由表 3.3 可知，配对t检验结果,t = 7.926，自由度=9,双侧检验P=0.000v0.05, 说明差异性显著，因

9、此，拒绝虚无假设H。，肯定备择假设H1。由分析知，在显著水平为 0.05水平时检验，可认为两种方法对 脂肪含量的测定结果不同，哥特里-罗紫法测定结果较高。单因素方差分析某化肥生产商需要检验三种新产品的效果，在同一地区选取3块同样大小的农田进行试验，甲农田中使用甲化肥，在乙农田使用乙 化肥，在丙地使用丙化肥，得到6次试验的结果如表所示，试在0.05 的显著性水平下分析甲乙丙化肥的肥效是否存在差异。三块农田的产量甲504649524848乙384047364641丙515049465050解：1）根据题意提出：虚无假设Ho：三块农田的产量均值是相同的的备择假设N :三块农田的产量均值是不同的；2）

10、 在spss中的“变量视图”中定义变量“产量”，“化肥”，之 后在“数据视图”中分别输入题中的产量和化肥的数据。3）分析过程在spss软件上操作分析输出分析数据如下：圉4”2产绘分布立方图产量N均值标准差标准误均值的95%置信区间极小值极大值分量间方差下限上限化肥甲648.832.041.83346.6950.984652化肥乙641.334.3671.78336.7545.923647化肥丙649.331.751.71547.5051.174651总数1846.504.6811.10344.1748.833652模型固定效应2.961.69845.0147.99随机效应2.58735.375

11、7.6318.622表4.1产量均值描述表4.2产量的方差分析产量平方和df均方F显著性组间(组合)241.0002120.50013.745.000线性项对比.7501.750.086.774偏差240.2501240.25027.405.000组内131.500158.767总数372.50017表4.3产量的多重分析(1)化肥(J)化肥均值差(I-J)标准误显著性95%置信区间下限上限化肥甲化肥乙7.500*1.709.0013.8611.14化肥丙-.5001.709.774-4.143.14化肥乙化肥甲-7.500*1.709.001-11.14-3.86化肥丙-8.000*1.70

12、9.000-11.64-4.36 .化肥丙化肥甲.5001.709.774-3.144.14化肥乙8.000*1.709.0004.3611.64*.均值差的显著性水平为0.05。4）输出结果分析由上述输出表格分析知：在表 4.1中，施用三种化肥的产量的平 均值分别为 48.83，41.33, 49.31。标准差分别为 2.041，4.367， 1.751。在图4.1中可以看出三种化肥使用后的产量均值是不相等的， 图4.2表明产量是成正态分布的。对于影响产量的因素仅化肥种类一 项，因此可以采用单因素方差分析进行多总体样本均值检验。由表 4.2可知单因素方差组间检验结果F =13.745,自由度

13、=2，双侧检验P=O.OOV0.05，说明差异性显著，因此，拒绝虚无假设 Ho,接受备择 假设H。由分析知，在显著水平为 0.05水平时检验，可认为三种化肥对 施用后的产量均值不同，其中丙种化肥产量最高，肥效最好。多因素方差分析研究目的：超市中某商品的销量与摆放位置和超市规模关系 研究方法：按照超市规模选择大、中、小三家超市，在每家超 市中随机选A货架1 （货架阳面第一位）、B端架、C堆头、D货 架2 （货架阳面第二位）各两个位置，记录其统一周期商品的销 售量，然后对其做单变量多因素方差分析。调研数据:超市规模摆放位置ABCD大型7078758282897175中型57656978738060

14、57小型4550566365714853解：1）根据题意提出：虚无假设Ho：同种商品在不同规模超市和不同摆放位置的情况下， 销售量不存在显著差异。备择假设Hi :同种商品在不同规模超市和不同摆放位置的情况下，销售量存在显著差异。2） 在spss中的“变量视图”中定义变量“规模”，“位置”，“销 售量”之后在“数据视图”中分别输入题中的规模和位置，销售量的 数据。3）分析过程在spss软件上操作分析输出分析数据如下：表5.1主体间因子值标签N规模1.00大型82.00中型83.00小型8位置1.0A位置62.0B位置63.0C位置64.0D位置6表5.2主体间效应的检验因变量：销售量源III型平

15、方和df均方FSig.校正模型3019.333a11274.48512.767.000截距108272.6671108272.6675035.938.000规模1828.0832914.04242.514.000位置1102.3333367.44417.090.000规模*位置88.917614.819.689.663误差258.0001221.500总计111550.00024校正的总计3277.33323a. R 方=.921 （调整 R 方 =.849）规模N子集123小型856.3750中型867.3750大型877.7500Sig.1.0001.0001.000已显示同类子集中的组均

16、值。基于观测到的均值。误差项为均值方（错误）=19.273。a. 使用调和均值样本大小=8.000。b. Alpha = .05。表5.3规模同类子集的销售量a bStudent-Newman-Keuls 表5.4位置同类子集的销售量a bStudent-Newman-Keuls 位置N子集123D位置660.6667A位置660.8333B位置670.5000C位置676.6667Sig.9481.0001.000,已显示同类子集中的组均值。基于观测到的均值。误差项为均值方（错误）=19.273。a. 使用调和均值样本大小=6.000。b. Alpha = .05。4）输出结果分析由表5.1可知，变量“超市规模”有三个水平，即大型、中型 和小型，每个水平有 8个个案；变量“摆放位置”有 4个水平，即 A、B、C和D,每个水平有6个个案。从表5.2可知，从表中可以看出，同种商品不同规模和不同摆放位置的“销售量”的检验统计量F的观测值为30.409，检验