统计软件SPSS课件：第4章 SPSS的均值比较过程

1、第4章SPSS的均值比较过程 4.1 SPSS在单样本t检验的应用1.使用目的 单样本t检验的目的是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之间存在明显的差异。它是对总体均值的假设检验。2.基本原理 单样本t检验作为假设检验的一种方法，其基本步骤和假设检验相同。其零假设为H0：总体均值与指定检验值之间不存在显著差异。该方法采用t检验方法，按照下式计算t统计量。 上式中，D是样本均值与检验值之差；因为总体方差未知，故用样本方差S代替总体方差；n为样本数。3.概率P值 如果概率P值小于或等于显著性水平，拒绝零假设； 如果概率P值大于显著性水平，则接受零假设。 4.软件使用方法（

2、1）在SPSS中，软件将自动计算t值，由于该统计量服从n-1个自由度的t分布，SPSS将根据t分布表给出t值对应的相伴概率P值。（2）如果相伴概率P值小于或等于给定的显著性水平，则拒绝H0，认为总体均值与检验值之间存在显著差异。（3）相反，相伴概率值大于给定的显著性水平，则不应拒绝H0，可以认为总体均值与检验值之间不存在显著差异。4.1.2 单样本t检验的SPSS操作详解Step01： 打开单样本t检验对话框。 选择菜单栏中的【分析】【比较均值】【单样本T检验】命令，弹出【单样本T检验】对话框。Step02： 选择检验变量。 在该对话框左侧的候选变量列表框中选择一个或几个变量，将其移入【检验变

3、量】列表框中。其中，左侧候选变量列表框中显示的是可以进行t检验的变量。Step03： 选择样本检验值。 在【检验值】文本框中输入检验值，相当于假设检验问题中提出的零假设H0： =0。Step04：其他选项设置。 单击【选项】按钮，弹出【单样本T检验：选项】对话框。该对话框用于指定输出内容和关于缺失值的处理方法，其中各选项的含义如下。 （1）【置信区间百分比】：该文本框用于设置在指定水平下，样本均值与指定的检验值之差的置信区间，默认值为95%。 （2）【缺失值】选项组：用于设置缺失值的处理方式，它有以下两种处理方式。 按分析顺序排除个案：点选该单选钮，表示当分析计算涉及到含有缺失值的变量时，删除

4、该变量上是缺失值的观测量。 按列表排除个案：点选该单选钮，表示删除所有 含缺失值的观测量后再进行分析。、Step05：相关统计量的Bootstrap估计 单击【Bootstrap】按钮，在弹出的对话框中可以 进行如下统计量的Bootstrap估计。 （1）支持均值和标准差的Bootstrap 估计。 （2）支持平均值差值的Bootstrap 估计和显著性检验。Step06： 单击【确定】按钮结束操作，SPSS软件自 动输出结果。4.1.3 实例图文分析：交通通勤时间1. 实例内容 根据一份公共交通调查报告显示，对于那些在一个城市乘车上下班的人来说，平均通勤时间为19分钟，其人数总量为100万3

5、00万。假设一个研究者居住在一个人口为240万的城市里，想通过验证以确定通勤时间是否和其他城市平均水平是否一致。他随机选取了26名通勤者作为样本，收集的数据如下所示。假设通勤时间服从正态分布，这位研究者能得到什么结论？ 19 16 20 23 23 24 13 19 23 16 17 15 14 27 17 23 18 18 20 18 18 18 23 19 19 282 实例操作 现在该名研究者要检验他所在城市的平均通勤时间和全国其他城市平均水平是否一致。由于题目中已给出了其他城市通勤时间的平均水平为19分钟，因此，这里就是要检验该城市通勤时间是否等于19分钟，即进行如下假设检验： Ste

6、p01：打开对话框 打开数据文件4-1.sav，选择菜单栏中的【分析】 【比较均值】【单样本T检验】命令，弹出【单样本T检验】对话框。Step02：选择检验变量 在候选变量列表框中选择“time”变量，将其添加至【检验变量】列表框中。 Step03：选择样本检验值 在【检验值】文本框中输入检验值“19”。单击【选项】按钮，在弹出的对话框的【置信区间百分比】文本框中将系统默认的95修改为 99，其目的是调整显著性水平。单击【继续】按钮返回主对话框。MeanStd. DeviationStd. Error Mean通勤时间2619.53853.75479.73638Step04：结束操作 单击【确

7、定】按钮，完成操作。此时，软件输出结果出现在结果浏览窗口中。3. 实例结果及分析 （1）描述性统计分析表（2）单样本t检验结果Test Value = 19 tdfSig. (2-tailed)Mean Difference99% Confidence Interval of the DifferenceLowerUpper通勤时间.73125.471.53846-1.51412.59114.1.4 实例进阶分析：机票的折扣费1 .实例内容 1995年2月，某个航班往返机票的平均折扣费是258美元（今日美国，1995年3月30日）。随机抽取了在3月份中15个往返机票的折扣费作为一个简单随机样本

8、，结果得到下面的数据： 310 260 265 255 300 310 230 250 265 280 290 240 285 250 260 请你检验3月份往返机票的折扣费是否有所增加？ 2 实例操作 由于3月份机票的平均折扣费是258美元，而现在调查抽取了15个数据，可以计算得到它们的样本均值等于270美元。从数值大小看到明显折扣费用增加了。但是，这种数值的增加是由实际情况变动还是抽样误差造成的，则可以通过单样本的t检验来验证。这里建立如下假设检验： 由于单样本t检验要求样本数据服从正态分布，因此进行单样本的K-S检验，得到检验分析表。从检验结果看到，统计量Z等于0.697，相伴概率P等于

9、0.716，远大于显著性水平，因此接受零假设，认为该数据服从正态分布，可以利用单样本t检验方法。具体操作步骤如下。Step01：打开数据文件4-2.sav，选择菜单栏中的【分析】 【比较均值】【单样本T检验】命令，弹出【单样本T检验】对话框。Step02：在候选变量列表框中选择“pirce”变量，将其添加至【检验变量】列表框中。Step03: 在【检验值】文本框中输入检验值“258”。Step04:单击【确定】按钮，完成操作。3 实例结果 Test Value = 258 tdfSig. (2-tailed)Mean Difference95% Confidence Interval of t

10、he DifferenceLowerUpper机票折扣费1.87514.08212.000-1.7325.734.2 SPSS在两独立样本t检验的应用4.2.1 两独立样本t检验的SPSS操作步骤Step01：打开两独立样本t检验对话框。 选择菜单栏中的【分析】【比较均值】【独立样本T检验】命令，弹出【独立样本T检验】对话框。Step02：选择检验变量 在左侧的候选变量列表框中选择检验变量，将其移入【检验变量】列表框中，这里需要选入待检验的变量。Step03：选择分组变量 在左侧的候选变量列表框中选择分组变量，将其移入【分组变量】文本框中，目的是区分检验变量的不同组别。Step04 定义组别名

11、称 单击【定义组】按钮，弹出【定义组】对话框，此时需要定义进行t检验的比较组别名称。Step05：相关统计量的Bootstrap估计 单击【Bootstrap】按钮，在弹出的对话框中可以进行如下统计量的Bootstrap估计。 支持均值和标准差的Bootstrap 估计。 支持平均值差值的Bootstrap 估计和显著性检验。Step06：单击【确定】按钮，结束操作，SPSS软件自动输出相关结果。 4.2.3 实例图文分析：机场等级分数比较1. 实例内容 国际航空运输协会对商务旅游人员进行了一项调查，以便确定多个国际机场的等级分数。最高可能分数是10分，分数越高说明其等级也越高。假设有一个由5

12、0名商务旅行人员组成的简单随机样本，要求这些人给迈阿密机场打分。另外有一个由50名商务旅行人员组成的样本，要求这些人给洛杉矶机场打分。这两个组人员打出的等级分数如表4-5所示。请你判断迈阿密机场和洛杉矶机场的等级评分是否相同？ 2 实例操作 本案例中共有两组商务旅行人员分别对迈阿密和洛杉矶机场打分。由于这两组人员构成不同，因此由这两组人员组成的样本可以看作是相互独立的。现在要比较这两个机场的平均得分是否相同，也就是要检验这两个独立样本的均值是否相同，因此可以采用两独立样本t检验的方法。于是建立如下假设检验： H0 ：迈阿密机场和洛杉矶机场的等级得分相同。 H1 ：迈阿密机场和洛杉矶机场的等级得

13、分不同。Step01：打开对话框 选择菜单栏中的【分析】 【比较均值】【独立样本T检验】命令，弹出【独立样本T检验】对话框，。这里变量score表示两个机场的得分；变量x是不同机场的标志变量，1表示迈阿密机场，2表示洛杉矶机场。 Step02：选择检验变量 在左侧的候选变量列表框中选择检验变量“score”，将其添加至右侧的【检验变量】列表框中，表示需要对它进行独立样本的T检验。Step03：选择分组变量 在左侧的候选变量列表框中选择分组变量“x”，将其添加至【组变量】文本框中。接着单击【定义组】按钮，弹出【定义组】对话框。Step04：定义组别名称 点选【使用指定值】单选钮，在【组1】文本框

14、中输入“1”，在【组2】文本框中输入“2”。输入完成后，单击【继续】按钮返回。Step05：单击【确定】按钮，完成操作。 3. 实例结果及分析（1）基本统计信息汇总表 （2）独立两样本的t检验分析结果 两总体方差是否相等的F检验 这里，该检验的F统计量的观察值为0.086，对应的概率P值为0.770。由于系统默认显著性水平为0.05，而概率P值显然大于0.05，因此认为两总体的方差无显著性差异。 两总体均值的检验 观察分析结果中“假设昂差相等”列的t检验相伴概率值；如果方差不相等，观察”假设方差不相等“列的t检验相伴概率值。本案例的第一步分析中，由于两总体方差无显著差异，因此应看第一行（假设方

15、差相等）的t检验结果。具体来说，t统计量的观测值为-0.924，对应的双尾概率P值为0.358，大于显著性水平0.05，因此认为两总体的均值不存在显著差异，即迈阿密机场和洛杉矶机场的等级得分相同。这个结论说明商务人员认为两个机场在服务水平质量等方面是没有差异的。4.2.4 实例进阶分析：考试中的惊惶失措1. 实例内容 许多学生都有一次考试中因为第一道题目特别难而惊惶失措的不愉快经历。人们对考试题目的安排进行了研究，以弄清它对焦虑的影响。表4-8所示的分数是对“测验焦虑”的度量，有充分的证据支持考试题目的安排对分数有影响这一假设吗？ 2 实例操作 表4-8列出了两种考试方式下不同学生的焦虑测量值

16、，其值越大，说明学生考试时越焦虑。现在要研究考试题目对分数的影响性，即比较这两种考试形式对学生有无显著的焦虑差异性。考虑到选取的学生不同，因此可以利用两独立样本的t检验，建立假设检验如下。 H0：两种考试方式下学生的平均焦虑测量值相同。 H1：两种考试方式下学生的平均焦虑测量值不同。Step01：建立数据文件4-4.sav。这里变量anxiety表示两个机场的得分；变量x表示不同的考试方式，1表示问题从易到难安排，2表示各问题从难到易安排。Step02 ：选择菜单栏中的【分析】 【比较均值】【独立样本T检验】命令，弹出【独立样本T检验】对话框。Step03 ：在左侧的候选变量列表框中选择检验变

17、量 anxiety，将其添加至【检验变量】列表框中。Step04 ：选择分组变量x，将其添加至【分组变量】文本框中。Step05 :单击【定义组】按钮，弹出【定义组】对话框。点选【使用指定值】单选钮，在【组1】文本框中输入“1”，在【组2】文本框中输入“2”。输入完成后，单击【继续】按钮，关闭【定义组】对话框。Step06 ：单击【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不同考试形式NMeanStd. DeviationStd. Error Mean焦虑测量值问题从易到难安排2527.07526.869881.37398问题从难到易安排1631.72814.26015

18、1.06504（2）两总体均值的检验4.3 SPSS在两配对样本t检验的应用4.3.1 两配对样本t检验的基本原理 1.使用目的 前一节中考虑的是独立样本情形下的总体均值相等的检验问题。但在现实中，总体或样本之间不仅仅表现为独立的关系，很多情况下，总体之间存在着一定的相关性。当分析这些相关总体之间的均值关系时，就涉及到两配对样本的t检验。 2.基本原理 两配对样本t检验的目的是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。它和独立样本t检验的差别就在于要求样本是配对的。由于配对样本在抽样时不是相互独立的，而是相互关联的，因此在进行统计分析时必须要考虑到这种相关性，否则会浪费大

19、量的统计信息，因此对于符合配对情况的统计问题，要首先考虑两配对样本t检验。配对样本主要包括下列一些情况。（1）同一实验对象处理前后的数据。例如对患肝病的病人实施某种药物治疗后，检验病人在服药前后的差异性。（2）同一实验对象两个部位的数据。例如研究汽车左右轮胎耐磨性有无显著差异。（3）同一样品用两种方法检验的结果。例如对人造纤维在60度和80度的水中分别作实验，检验温度对这种材料缩水率的影响性。（4）配对的两个实验对象分别接受不同处理后的数据。例如对双胞胎兄弟实施不同的教育方案，检验他们在学习能力上的差异性。 3.使用条件 进行配对样本检验时，通常要满足以下三个要求。 （1）两组样本的样本容量要

20、相同； （2）两组样本的观察值顺序不能随意调换，要保持一一对应关系； （3）样本来自的总体要服从正态分布。4.3.2 两配对样本t检验的SPSS操作详解 Step01：打开两配对样本t检验对话框 选择菜单栏中的【分析】【比较均值】【配对样本T检验】命令，弹出【配对样本T检验】对话框。Step02：选择配对变量 在【配对样本T检验】对话框左侧的候选变量列表框中选择一对或几对变量，将其移入【成对变量】列表框中，这表示系统将对移入的成对变量进行配对检验。Step03：其他选项选择 单击【选项】按钮，弹出【配对样本T检验：选择】对话框。该对话框用于指定输出内容和关于缺失值的处理方法，其中各选项的含义如

21、下。 （1）【置信区间百分比】：用于设置在指定水平下 样本均值与指定的检验值之差的置信区间，默认值为95%。 （2）【缺失值】选项组：用于设置缺失值的处理方 式，它有以下两种处理方式。 按分析顺序排除个案 ：点选该单选钮，表示当分析计算涉及到含有缺失值的变量时，删除该变量上是缺失值的观测量。 按列表排除个案： ：点选该单选钮，表示删除所有含缺失值的观测量后再进行分析。 Step04 相关统计量的Bootstrap估计 单击【Bootstrap】按钮，在弹出的对话框中可以进行如下统计量的Bootstrap估计。 支持均值和标准差的Bootstrap 估计。 支持相关性的Bootstrap 估计。

22、 检验表支持均值的Bootstrap 估计。Step05 ：完成操作 单击图【确定】按钮，结束操作，SPSS软件自动输出结果。 4.3.3 实例图文分析：看电视和读书的时间 1. 实例内容 “每月读书俱乐部”的成员进行了一项调查，以确信其成员用于看电视的时间是否比读书的时间多。假定抽取了15个人组成的样本，得到了下列有关他们每周观看电视的小时数和每周读书时间的小时数的数据，见表4-11所示。你能够得到结论：“每月读书俱乐部”的成员每周观看电视的时间比读书的时间更多吗？2. 实例操作 由于读书俱乐部的成员每人在每周可能既要看电视也要读书，因此要分析看电视和读书时间差异性，其实就是进行如下假设检验

23、。 H0 ：俱乐部成员看电视和读书所消耗的时间相同。 H1 ：俱乐部成员看电视和读书所消耗的时间不同。 由于抽样数据中，样本都进行了看电视和读书两个方面的时间调查，它们的活动主体都是同一个人，因此，数据类型属于配对样本的类型，故利用配对样本t检验来分析。具体操作步骤如下。 Step01：打开对话框 打开数据文件4-5.sav，选择菜单栏中的【分析】 【比较均值】【配对样本T检验】命令，弹出【配对样本T检验】对话框。这里变量 “tv”表示成员每周看电视的时间；变量“book”表示成员每周读书的时间。 Step02：选择配对变量 在左侧的候选变量列表框中依次选择检验变量“tv”和变量“book”，

24、将其添加至【成对变量】列表框中。这表示进行“tv”和 “book”的配对t检验。Step03：完成操作 单击【确定】按钮，完成操作。此时，软件输出结果出现在结果浏览窗口中。3. 实例结果及分析（1）基本统计信息汇总表MeanNStd. DeviationStd. Error MeanPair 1看电视小时数12.00154.5361.171看书小时数9.00153.586.926（2）相关性分析 表4-13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0.193，呈简单正相关关系；同时相伴概率P值0.490大于显著性水平0.05说明这两组样本相关性显著。（3）两配对样本t检验结果表Paired DifferencestdfSig.(2-tailed)MeanStd.DeviationStd.Error Mean95% Confidence Interval of the DifferenceLowerUpperPair 1看电视小时数-看书小时数35.211.345.1155.8852.2314.0434.3.