spss的均值比较过程(编辑修改稿)

spss的均值比较过程(编辑修改稿)内容摘要：

Mean N Std. Deviation Std. Error Mean Pair 1 看电视小时数 15 看书小时数 15 .926 （ 2）相关性分析 表 413是进行两配对变量之间简单相关性分析结果输出表。 表中第三列表示样本容量，第四列表示看电视时间和看书时间的简单相关系数，第五列表示概率 P值。 从结果来看， “ tv”和 “ book”变量的相关系数等于 ，呈简单正相关关系；同时相伴概率 P值 平。 （ 3）两配对样本 t检验结果表 Paired Differences t df Sig.(2tailed) Mean Mean 95% Confidence Interval of the Difference Lower Upper Pair 1 看电视小时数 看书小时数 3 .115 14 .043 实例进 阶 分析： 亚洲 金融 危 机的影响 1. 实例内容 在 1997年，亚洲许多国家爆发了大规模的金融危机，致使许多国家的经济发展停滞不前。 投资商预言：亚洲经济的低迷对 1997年第四季度美国公司的收益造成负面影响。 下面的样本数据表 415显示了部分美国公司在 1996年第四季度和 1997年第四季度的每股收益（ 《 华尔街日报 》 ， 1998年 1月 28日）。 你能根据数据判断投资商的预言吗。 表 415列出了美国公司在亚洲金融危机爆发前后第四季度的每股收益。 如果亚洲金融危机对美国公司产生显著影响，那么这两组数据的均值就应该存在显著差异性。 由于每组数据是同一公司在 1996年和 1997年第四季度的收益，因此本案例也属于两配对样本的 t检验问题。 因此，进行如下假设检验。 H0 ：美国公司在 1996年和 1997年第四季度的收益没有显著差异，即亚洲金融危机对美国公司收益没有造成影响。 H1 ：美国公司在 1996年和 1997年第四季度的收益存在显著差异，即亚洲金融危机对美国公司收益造成明显影响。 具体操作步骤如下。 Step01 打开数据文件。 这里变量 “ x”表示 1996年美国公司的收益；变量 “ y”表示 1997年美国公司的收益。 Step02 选择菜单栏中的 【 Analyze（分析） 】 →【 Compare Means（比较均值） 】 → 【 Paired Sample T Test（配对样本 T检验） 】 命令，弹出 【 Paired Sample T Test（配对样本 T检验） 】 对话框。 Step03 在左侧的候选变量列表框中依次选择检验变量 “ x”和变量 “ y”，将其添加至 【 Paired Variable(s)（成对变量） 】 列表框中，进行 “ x”和 “ y” 变量的配对 t检验。 Step04 单击 【 Paired Sample T Test（配对样本 T检验） 】 对话框中的 【 OK】 按钮，结束操作 3. 实例结果及分析 （ 1）基本统计信息汇总表 （ 2）相关性分析 表 417是 1996年收益和 1997年收益的简单相关性分析结果输出表。 从结果来看， “ x”和 “ y”变量的相关系数等于 ，呈高度正相关关系；同时相伴概率 P值 一步说明这两组样本相关性显著。 （ 3）两配对样本 t检验结果表 第 5章 SPSS 的方差分析 方差分述析概 在第 4章中我们讨论了如何对一个总体及两个总体的均值进行检验 ， 如我们要确定两种销售方式的效果是否相同 ， 可以对零假设进行检验。 但有时销售方式有很多种 ， 这就是多个总体均值是否相等的假设检验问题了 ， 所采用的方法是方差分析。 方差分析的 概念 43210 :  H 序号 销售方式 1 2 3 4 5 水平均值 方式一 77 86 81 88 83 83 方式二 95 92 78 96 89 90 方式三 71 76 68 81 74 74 方式四 80 84 79 70 82 79 总均值 表 51 某公司产品销售方式所对应的销售量 方差分析中有以下几个重要概念。 （ 1）因素（ Factor） :是指所要研究的变量，它可能对因变量产生影响。 如果方差分析只针对一个因素进行，称为单因素方差分析。 如果同时针对多个因素进行，称为多因素方差分析。 （ 2）水平（ Level） :水平指因素的具体表现，如销售的四种方式就是因素的不同取值等级。 （ 3）单元（ Cell） :指因素水平之间的组合。 （ 4）元素（ Element） :指用于测量因变量的最小单位。 一个单元里可以只有一个元素，也可以有多个元素。 （ 5）交互作用（ Interaction） :如果一个因素的效应大小在另一个因素不同水平下明显不同，则称两因素间存在交互作用。 方差分析的基本思想 在表 51中 ， 要研究不同推销方式的效果 ， 其实就归结为一个检验问题 ， 设为第 i（ i=1,2,3,4） 种推销方式的平均销售量 ， 即检验原假设是否为真。 从数值上观察 ， 四个均值都不相等 ， 方式二的销售量明显较大。 从表 51可以看到， 20个数据各不相同，这种差异可能是由以下两方面的原因引起的。 一是推销方式的影响，不同的方式会使人们产生不同消费冲动和购买欲望，从而产生不同的购买行动。 这种由不同水平造成的差异，称之为系统性差异。 43210 :  H二是随机因素的影响。 同一种推销方式在不同的工作日销量也会不同 ， 因为来商店的人群数量不一 ， 经济收入不一 ， 当班服务员态度不一 ， 这种由随机因素造成的差异 ， 我们称之为随机性差异。 两个方面产生的差异用两个方差来计量： 一是变量之间的总体差异 ， 即水平之间的方差。 二是水平内部的方差。 前者既包括系统性差异 ， 也包括随机性差异；后者仅包括随机性差异。 1 2 3 4 方差分析的基本假设 （ 1）各样本的独立性。 即各组观察数据，是从相互独立的总体中抽取的。 （ 2）要求所有观察值都是从正态总体中抽取，且方差相等。 在实际应用中能够严格满足这些假定条件的客观现象是很少的，在社会经济现象中更是如此。 但一般应近似地符合上述要求。 水平之间的方差（也称为组间方差）与水平内部的方差（也称组内方差）之间的比值是一个服从 F分布的统计量 F = 水平间方差 / 水平内方差 = 组间方差 / 组内方差 SPSS在单因素方差分析中的应用 单因素方差分析也叫一维方差分析 ， 它用来研究一个因素的不同水平是否对观测变量产生了显著影响 ， 即检验由单一因素影响的一个 （ 或几个相互独立的 ） 因变量由因素各水平分组的均值之间的差异是否具有 统计意义。 应用方差分析时 ， 数据应当满足以下几个条件：  在各个水平之下观察对象是独立随机抽样，即独立性；  各个水平的因变量服从正态分布，即正态性；  各个水平下的总体具有相同的方差，即方差齐； 方差分析认为： SST（总的离差平方和） =SSA（组间离差平方和） +SSE（组内离差平方和） 如果在总的离差平方和中，组间离差平方和所占比例较大，说明观测变量的变动主要是由因素的不同水平引起的，可以主要由因素的变动来解释，系统性差异给观测变量带来了显著影响；反之，如果组间离差平方和所占比例很小，说明观测变量的变动主要由随机变量因素引起的。 SPSS将自动计算检验统计量和相伴概率 P值，若 P值小于等于显著性水平 α ，则拒绝原假设，认为因素的不同水平对观测变量产生显著影响；反之，接受零假设，认为因素的不同水平没有对观测变量产生显著影响。 多重比较是通过对总体均值之间的配对比较来进一步检验到底哪些均值之间存在差异。 多重比较检验只能分析两两均值之间的差异性 ， 但是有些时候需要比较多个均值之间的差异性。 具体操作是将其转化为研究这两组总的均值是否存在显著差异 ，即与是否有显著差异。 这种比较是对各均值的某一线性组合结构进行判断 ， 即上述检验可以等价改写为对进行统计推断。 这种事先指定均值的线性组合 ， 再对该线性组合进行检验的分析方法就是各组均值的精细比较。 显然 ， 可以根据实际问题 ， 提出若干种检验问题。 121 ()2  341 ()2  单因素方差分析的 SPSS操作详解 Step01：打开主操作窗口 选择菜单栏中的 【 Analyze（分析） 】 → 【 Compare Means(比较均值 )】 → 【 OneWay ANOVA(单因素 ANOVA)】 命令，弹出 【 OneWay ANOVA(单因素 ANOVA)】 对话框，这是单因素方差分析的主操作窗口。 Step02：选择因变量 在 【 OneWay ANOVA(单因素 ANOVA)】 对话框的候选变量列表框中选择一个或几个变量，将其添加至 【 Dependent List(因变量列表 )】 列表框中，选择的变量就是要进行方差分析的观测变量（因变量）。 Step03：选择因素变量 在 【 OneWay ANOVA(单因素 ANOVA)】 对话框的候选变量列表框中选择一个变量，将其添加至【 Factor(因子 )】 列表框中，选择的变量就是要进行方差分析的因素变量。 Step04：均值精细比较 单击 【 Contrasts】 按钮，弹出如右图所示的 【 Contrasts(对比 )】 对话框。 Step05：均值多重比较 单击 【 Post Hoc】 按钮，弹出如下图所示的 【 Post Hoc Multiple Comparisons(两两比较 )】 对话框，该对话框用于设置均值的多重比较检验。 （ 1） 方差齐性 （ Equal Variances Assumed） 时 ， 有如下方法供选择。  LSD（ Leastsignificant difference） ：最小显著差数法 ，用 t检验完成各组均值间的配对比较。 Bonferroni（ LSDMOD） ： 用 t检验完成各组间均值的配对比较 ， 但通过设置每个检验的误差率来控制整个误差率。 Sidak：计算 t统计量进行多重配对比较。 可以调整显著性水平 ， 比 Bofferroni方法的界限要小。  Scheffe：用 F分布对所有可能的组合进行同时进入的配对比较。 此法可用于检查组均值的所有线性组合 ， 但不是公正的配对比较。 REGW F：基于 F检验的 RyanEinotGabrielWelsch多重比较检验。  REGW Q：基于 Student Range分布的 RyanEinotGabrielWelsch range test多重配对比较。 SNK：用 Student Range分布进行所有各组均值间的配对比较。 Tukey：用 StudentRange统计量进行所有组间均值的配对比较，用所有配对比较误差率作为实验误差率。 Tukey39。 sb： 用 stndent Range分布进行组间均值的配对比较，其精确值为前两种检验相应值的平均值。 Duncan：指定一系列的 Range值，逐步进行计算比较得出结论。 Hochberg‘s GT2：用正态最大系数进行多重比较。  Gabriel：用正态标准系数进行配对比较，在单元数较大时，这种方法较自由。  WallerDunca：用 t统计量进行多重比较检验 ， 使用贝叶斯逼近的多重比较检验法。  Dunt：多重配对比较的 t检验法 ， 用于一组处理对一个控制类均值的比较。 默认的控制类是最后一组。 （ 2） 方差不具有齐性 （ Equal Varance not assumed） 时 ， 有如下方法供选择。 Tamhane’s T2： 基于 t检验进行配对比较。 Dunt’s T3： 基于 Student最大模的成对比较法。 GamesHowell： GamesHowell比较 ， 该方法较灵活。 Dunt’s C： 基于 Student极值的成对比较法。 （ 3） Significance：确定各种检验的显著性水平 ， 系统默认值为 ， 可由用户重新设定。 Step06：其他选项输出 单击 【 Options】 按钮，在弹出的对话框 中进行如下设置。 (1)【 Statistics(统计量 )】 复选框 :选择输出统计量。 ● Descriptive：要求输出描述统计量。 选择此项输出观测值容量、均值、标准差、标准误、最小值、最大值。