spss假设检验

对样本来自的两总体是否存在显著的净相关进行推断、两总体的偏相关系数与0无显著差异、分析-相关-偏相关-变量【腰围、体重】-控制【脂肪比重】-显著性检验【双尾】-选项【零阶相关性】

假设检验

• 参数检验
  • （总体分布已知）
  • 1总体
    • 单样本t检验
      • 目的：利用来自某总体的样本数据，推断该总体的均值是否与指定的检验值存在显著差异
      • 前提：样本来自的总体应服从or近似服从正态分布
      • 举例：总分与60分的差异
      • 操作：分析-比较均值-单样本t检验-检验变量【总分】-检验值【自己填】-看sig双侧
  • 2总体
    • 两独立样本t检验
      • 目的：对两总体的均值是否有显著差异进行推断
      • 前提：
        • 样本来自的总体应服从or近似服从正态分布
        • 两个样本相互独立：从一总体抽取一个样本、对从另一总体中抽取样本没有任何影响
        • 两个样本量可以不相等
      • 举例：（同一届同一专业毕业的）男生、女生的月平均工资是否存在显著差异
      • 操作：分析-比较均值-独立样本t检验-检验变量【认知得分】-分组变量【性别】-定义组1 2-！！！先看第一个（F）显著性，如果>0.05看第一行，<0.05看第二行
    • 两配对样本t检验
      • 目的：利用来自两个总体的配对样本，推断两个总体的均值是否存在显著差异
      • 配对样本：抽取的两个样本不是相互独立、而是相互关联的
      • 前提：
        • 两个样本的样本量相同
        • 两个样本的观测值的先后顺序一一对应、不能随意更改
      • 举例：
        • 研究某减肥产品的减肥效果，对比减肥前与减肥后的体重总体均值是否有差异
        • 研究两种不同促销方式对商品销售额的平均值是否有显著影响
      • 操作：分析-比较均值-成对样本t检验-配对变量
  • 3总体及以上-方差分析
    • 介绍
      • 分析分类型自变量对数值型因变量影响的一种统计分析方法
      • 从分析数据的差异入手，分析哪些因素是影响数据差异的众多因素中的主要因素
      • 自变量对因变量的影响称为自变量效应
        • 方差分析检验这种效应是否显著
      • 影响观测变量的主要因素
        • 观测变量在某控制变量的不同水平下出现了明显的波动，则控制变量为主
        • 观测变量在某控制变量的各个水平下没有出现明显的波动，则随机变量（抽样误差）为主
    • 前提
      • 各总体服从正态分布
      • 各总体均值的方差相同
      • 观测值之间相互独立
    • 类型
      • 单因素方差分析
        • 只考虑一个控制因素的影响
        • 目的：为了检验某个控制因素的改变，是否会给观测变量带来显著影响
        • 举例：
          • 考察不同肥料对某农作物亩产量是否有显著差异
          • 考察不同温度下某化工产品的获得率
          • 考察妇女生育率在不同地区是否有显著差异
        • 操作：分析-比较均值-单因素ANOVA-因变量【销售额】-因子【广告形式】
        • 结论：P>0.05-控制变量不同水平对观测变量均值没有产生显著影响，控制变量对观测变量的效应同时为0（全为0）
        • （选项）方差齐性检验
          • 检验在控制变量不同水平下，各观测变量总体方差是否相等
          • 方法：
            • Levene F 检验
          • 因变量的分布不满足方差齐性的要求时，采用
            • Welch检验
            • Brown-Forsythe检验
        • （事后比较）多重比较检验
          • 目的：考察不同水平的控制变量对观测变量的影响程度
          • 原假设：不同水平下观测变量的总体均值不存在显著差异
          • 方法
            • LSD方法
              • （更敏感）
            • Bonferroni方法
            • Tukey方法
            • Scheffe方法
            • S-N-K方法
        • （对比）趋势检验
          • 举例：
            • 地区的人口增长 对某商品的销售额是否有显著影响（销售额随人口线性增长？）
            • 儿童的坐高随着年龄的增长是否有线性变化趋势
            • 某疾病的发病率在某地区是否有线性增长的趋势
          • 方法
            • 交叉列联表分析 时 卡方检验结果
              • “线性和线性组合”
                • 判断p值
            • 方差检验的趋势检验
              • 控制变量必须为定序变量
              • 原假设：控制变量和观测值之间不存在线性关系（零线性关系）
        • （对比）先验对比检验
      • 多因素方差分析
        • 目的：考虑两个及以上的控制因素和它们的相互作用对观测变量的影响
        • 原假设：控制变量不同水平下观测变量各总体的均值无显著差异，控制变量各效应和交互作用效应同时为0
        • 决策：
          • AF-P<0.05
            • 控制变量A的不同水平下观测变量各总体的均值存在显著差异， 控制变量A的各效应不同时为0， 控制变量A的不同水平对观测变量均值产生了显著影响
          • BF-P<0.05
            • ……
          • ABF-P<0.05
            • ……
          • （分析饱和模型-先检验A、B的效应、再推断AB的交互作用是否显著； 分析随机效应模型-先AB的交互作用，再A、B）
        • 操作：分析-一般线性模型-单变量-因变量【销售额】-固定因子【广告形式】【地区】
        • （模型-构建项）非饱和模型分析
        • （事后比较+对比-偏差）均值比较分析
          • A对观有显著影响，比较A各水平下观各总体均值与实测总体平均值的偏差
        • （图）控制变量交互作用的图形分析
      • 协方差分析
        • 目的：人为难以控制的因素为协变量，在剔除协变量对观测变量得到影响的条件下，分析可控变量对观测变量的影响
        • 原假设：协变量对观测变量的线性影响不显著
        • 操作：分析-一般线性模型-单变量-因变量【喂养后体重增加】-固定因子【饲料种类】-协变量【喂养前体重】
        • （对比-简单）协方差分析的均值对比
        • （图）图形分析
      • 相关性
        • 举例：检验成绩和某项能力之间的相关性
        • 操作：分析-相关-双变量-变量【总分】+【能力值】
• 非参数检验
  • （总体分布未知）
    • 适用于
      • 小样本数据
      • 总体分布未知/偏态
      • 方差不齐
      • 混合样本
  • 单样本非参数检验
    • 单样本卡方检验
      • 原假设
        • 样本来自的总体分布与期望分布或某一理论分布无显著差异
          • （单侧检验）
      • 操作：分析-非参数检验-旧对话框-卡方-检验变量【死亡日期】-期望值【值-2.8添加……】
    • 二项分布检验
      • 原假设
        • 样本来自的总体与指定的二项分布无显著差异
      • 操作：分析-非参数检验-旧对话框-二项分布检验-检验变量列表【是否合格】-检验比例【0.9】-定义二分法【从数据中获取】
    • 单样本K-S检验
      • 原假设
        • 样本来自的总体与指定的理论分布无显著差异
        • （正态分布、均匀分布、指数分布、泊松分布）
      • 操作：分析-非参数检验-旧对话框-单样本K-S检验-检验变量列表【周岁儿童的身高】-检验分布【正态】
    • 变量随机性检验（游程检验）
      • 原假设
        • 总体变量值的出现是随机的
      • 操作：分析-非参数检验-旧对话框-游程检验-检验变量列表【耐电压值】-分割点【中位数】
  • 两独立样本的非参数检验
    • 两独立样本的曼-惠特尼检验
      • 原假设
        • 两独立样本来自的两总体的分布无显著差异
    • 两独立样本的K-S检验
      • 原假设
        • 两独立样本来自的两总体的分布无显著差异
    • 两独立样本的游程检验
      • 原假设
        • 两独立样本来自的两总体的分布无显著差异
    • 两独立样本的极端反应检验
      • 原假设
        • 两独立样本来自的两总体的分布无显著差异
    • 操作：分析-非参数检验-旧对话框-2个独立样本-检验变量列表【使用寿命】-分组变量【使用工艺】-定义组【1，2】-检验类型【都选】
  • 多独立样本的非参数检验
    • 中位数检验
      • 原假设
        • 多个独立样本来自的多个总体的中位数无显著差异
    • Kruskal-Wallis检验
      • 原假设
        • 多个独立样本来自的多个总体的分布无显著差异
    • Jonckheere-Terpstra检验
      • 原假设
        • 多个独立样本来自的多个总体的分布无显著差异
    • 操作：分析-非参数检验-旧对话框-K个独立样本-检验变量列表【周岁儿童身高】-分组变量【城市】-定义范围【1，4】-检验类型【都选】
  • 两配对样本的非参数检验
    • McNemar检验
      • 原假设
        • 两配对样本来自的两总体的分布无显著差异
          • （单侧检验）
    • 符号检验
      • 原假设
        • 两配对样本来自的两总体的分布无显著差异
    • Wilcoxon符号秩检验
      • 原假设
        • 两配对样本来自的两总体的分布无显著差异
          • （单侧检验）
    • 操作：分析-非参数检验-旧对话框-2个相关样本-检验对【学习前的认知、学习后的认知】-检验类型【都选】
  • 多配对样本的非参数检验
    • Friedman检验
      • 原假设
        • 多个配对样本来自的多个总体的分布无显著差异
          • （促销形式的效果）
      • 操作：分析-非参数检验-旧对话框-K个相关样本-检验变量【促销形式1、2、3】-检验类型【~】
    • Cochran Q检验
      • 原假设
        • 多个配对样本来自的多个总体的分布无显著差异
          • （满意度差异-公司表现）
      • 操作：分析-非参数检验-旧对话框-K个相关样本-检验变量【航司1、2、3】-检验类型【~】
    • Kendall协同系数检验
      • 原假设
        • 评判者的评判标准不一致
      • 操作：分析-非参数检验-旧对话框-K个相关样本-检验变量【123456号歌手得分】-检验类型【傅莱德曼、肯德尔】