五t检验的学习教案

五t检验的学习教案第1页/共38页统计推断：包括估计参数的可信区间和进行假设检验。在统计描述过程（如：Explore）的结果中可以给出可信区间，在此不再详述，本章着重介绍假设检验。假设检验的基本思想：小概率反证法，即原假设成立时，若在一次抽样中就发生了小概率事件，则应推翻原假设。假设检验的两类错误：Ⅰ类错误（弃真）、Ⅱ类错误（存伪）假设检验的两种类型：参数假设：原假设关于总体参数分布检验（非参数检验）：原假设关于总体分布类型第2页/共38页t检验

单样本

单样本t检验

两样本

成组设计两样本均数比较的t检验配对设计样本均数比较的t检验第3页/共38页

样本均数与总体均数的比较即单样本的t

检验通过

One-SampleTTest过程实现。建立假设：

H0：μ=μ0，样本均数与总体均数的差异完全是抽样误差造成。

H1：μμ0

，样本均数与总体均数的差异除了由抽样误差造成外，也反映了两个总体均数确实存在的差异。

=0.05单样本

t检验第4页/共38页例1

为研究某山区成年男子的脉搏均数是否高于一般成年男子的脉搏均数。某医生在一山区随机抽查了20名健康成年男子，求得其脉搏的均数为74.2次/分，标准差为6.0次/分。根据大量调查，已知健康成年男子脉搏数均数为72次/分，能否据此认为该山区成年男子的脉搏均数高于一般成年男子的脉搏数？数据见pulse.sav

：75、74、72、74、79、78、76、69、77、76、70、73、76、71、78、77、76、74、79、77。单样本

t检验第5页/共38页单样本

t检验选择单样本t检验第6页/共38页单样本

t检验要检验的变量：pulse总体均数第7页/共38页

共有20个测量值，均值为75.20次/分，标准差为3.0192次/分，标准误为0.675次/分。单样本

t检验分析结果（1）单样本统计量第8页/共38页单样本

t检验

t值为4.74，自由度为19，双侧检验p值小于0.001，则按所取检验水准0.05，则拒绝H0，接受H1，即表明可认为样本该山区健康成年男子脉搏的均数高于一般健康成年男子。另外，差值的均值为3.2，95％可信区间为1.79～4.61。分析结果（2）单样本检验第9页/共38页单样本

t检验1.总体均数置信区间与t检验的一致性上述分析结果同时给出了均数的置信区间和t检验的结果，两者的结论实际上是完全一致的。置信区间可用于回答假设检验的问题，同时这两者又是互为补充的关系：置信区间回答“量”的问题，即总体均数的范围在哪里，而假设检验是回答“质”的问题，即总体均数之间是否存在差异，以及在统计上确认这种差异的把握有多大。置信区间在回答有无统计学意义的同时，还可进一步回答这种差异有无实际意义。第10页/共38页单样本

t检验2.单样本t检验的应用条件当样本例数较小时，一般要求样本取自正态总体。由中心极限定理可知，如果原始数据不服从正态分布，只要样本量足够大，其样本均数的抽样分布仍然是正态的。也就是说只要数据分布不是强烈的偏态，一般而言单样本t检验都是适用的。总的来说，单样本t检验非常稳健，只要没有明显的极端值，其分析结果都是非常稳定的。第11页/共38页（二）完全随机设计独立样本t检验

两样本均数的比较即两样本t检验通过Independent-SamplesTTest过程实现。建立假设：

H0：μ1=μ2，两个样本均数的差异是抽样误差造成，两个总体均数相同。

H1：μ1μ2，两个样本均数的差异除了由抽样误差造成外，两个总体均数确实存在差异。

=0.05第12页/共38页例2一项随机双盲临床试验，用国产药和进口药治疗绝经后妇女骨质疏松症，目的是比较两种药的疗效是否相等。受试对象为国产药组20例，进口药组19例，评价指标为第2～4腰椎（L2～4）骨密度的改善值mg/cm^2（试验后与试验前的差值），试验数据如下。完全随机设计独立样本t检验国产药进口药-56877-1752616445634830486329704715547793660-42274778258606525-2-1411-143889772372第13页/共38页完全随机设计独立样本t检验选择独立样本t检验第14页/共38页独立样本t检验定义分组变量值要检验的变量：分组变量第15页/共38页

定义分组变量取值独立样本

t检验第16页/共38页独立样本

t检验完成变量设置后按确定键参数设置Bootstrap抽样第17页/共38页独立样本

t检验

给出两种药物治疗后L2-4骨密度改善值的各种统计量，包括样本含量、均数、标准差、标准误分析结果（1）各组统计量第18页/共38页独立样本

t检验方差齐性检验，结果p=0.433表明方差齐。

若方差齐，参考Equalvariancesassumed一行统计量若方差不齐，参考Equalvariancesnotassumed一行统计量分析结果（2）两样本检验第19页/共38页独立性（independence）

各观察值之间相互独立，不能相互影响正态性（normality）各个样本均来自正态总体方差齐性（homoscedascity）各个样本所在总体的方差相等独立样本

t检验

应用条件第20页/共38页独立性：在实际应用中，独立性对结果的影响较大，但检验数据独立性的方法比较复杂，一般都是根据资料的性质来加以判断。例如遗传性疾病、传染病、自身对照、重复测量等数据可能就存在非独立的问题。如果从专业背景上可以肯定数据不存在这些问题，则一般独立性总是能够满足的。独立性第21页/共38页

正态性：在SPSS中，正态分布的考察方法有：偏度系数、峰度系数；直方图、P-P图；也可进行各种假设检验。而最常用的对于正态分布的检验就是K-S单样本检验。

t

检验对资料的正态性有一定的耐受能力，如果资料只是少许偏离正态，则结果仍然很稳健。若偏离正态很远，则最好考虑变量变换，或用非参数方法加以分析。以例2为例，用K-S单样本检验考察数据的正态性。

注意：应分组考察正态性，而不是合并进行正态性第22页/共38页为分组检验正态性，需对数据按分组变量的取值进行拆分第23页/共38页

为分组进行正态性检验，首先对数据进行拆分正态性拆分变量第24页/共38页

数据拆分后，右下角显示拆分条件group，表示数据于处于按group变量的取值成拆分状态Group=1（国产药）2（进口药）按group变量的取值第25页/共38页选择单样本K-S检验第26页/共38页正态性检验正态分布泊松分布SPSSK—S检验可以检验四种分布需检验的变量均匀分布指数分布第27页/共38页正态性检验结果P=0.251，表明数据服从正态分布P=0.274，表明数据服从正态分布第28页/共38页在SPSS两样本t检验的结果中已经提供了Levene’s方差齐性检验。方差齐性检验注：一般教科书中两样本的方差齐性检验为两个样本方差的比值第29页/共38页当两个总体的方差不齐时；t检验的结果会出现较大的偏差，此时需要用近似法t’检验，目前统计软件中普遍采用对自由度校正的方法，如果两组的方差相差很大，则调整的自由度v’将明显减小。例3用同一种降压药，分别治疗两组高血压病人，服用4周后比较两组病人收缩压的下降值，问此降压药对两组病人的降压效果是否相同。（SBP的下降值mmHg）

A组-2121884161281418261018B组42886468864888108n1＝14，＝10.29，S1＝6.32，n1＝16，＝6.63，S2＝2.16第30页/共38页方差不齐，如不校正，t=2.182ν=28

p=0.038校正t‘=2.065ν=15.645

p=0.056分析结果第31页/共38页

同一受试对象处理前后的数据同一受试对象两个部位的数据同一样品用两种方法（仪器等）检验的结果配对两个受试对象分别接受两种处理后的数据配对设计

t检验

常用的配对设计有4种情况：

配对设计均数的比较即配对t检验通过Paired-SamplesTTest过程实现。建立假设：

H0：µd=0，两种处理没有差别

H1：µd

0，两种处理存在差别=0.05第32页/共38页例4

用某药治疗10名高血压病人，对每人治疗前、后舒张压（mmHg）进行测量，数据见下表，问该药有无降压作用？治疗前后的舒张压测量结果配对设计

t检验第33页/共38页配对设计

t检验选择配对样本t检验第34页/共38页配对设计

t检验配对变量第3