第六章均值比较与检验课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第六章 双变量的统计分析之,二,均值比较与检验,第六章 双变量的统计分析之二 均值比较与检验,1,主要内容,MEANS,过程,单一样本T检验,(One-Sample T Test）,独立样本T检验,(Independent-Sample T Test),配对样本T检验,(Paired-Sample T Test),方差分析（,One-Way ANOVA）,主要内容MEANS过程,2,MEANS过程,一、Means过程,该过程实际上更倾向于对样本进行描述，可以对需要比较的各组计算描述指标，包括均值、标准差、总和、观测量数、方差等一系列单变量统计量。,二、完全窗口分析,按AnalyzeCompare MeansMeans顺序，打开Means主对话框（如图6-1）。,MEANS过程一、Means过程,3,图61 Means主对话框,该框的变量为因变量，即用于分析的变量。,该框的变量为自变量，必须至少有一个变量,单击此按钮，进入下一层，返回则按Previous按钮。,见图62,图61 Means主对话框该框的变量为因变量，即用于分析,4,Statistics框：供选择的统计量,Statistics for First Layer复选框：,Anova table and eta:进行分组变量的单因方差分析并计算eta 统计量。,Test for linearity:产生第一层最后一个变量的R和R,2,。,图62 Options 对话框,Cell Statistics框:,选入的描述统计量，默认为均值、样本数、标准差。,Statistics框：供选择的统计量Statistics,5,三、例题分析,某医生测得如下血红蛋白值(g%),用Means过程对其做基本的描述性统计分析。,表5-1血红蛋白值(g%),编号,性别,年龄,血红蛋白值,编号,性别,年龄,血红蛋白值,编号,性别,年龄,血红蛋白值,1,1,18,13.66,15,1,16,10.88,29,1,16,7.88,2,1,18,10.57,16,1,18,9.65,30,1,18,12.35,3,1,16,12.56,17,2,16,8.36,31,1,16,13.65,4,2,17,9.87,18,1,18,11.66,32,2,16,9.87,5,2,17,8.99,19,2,18,8.54,33,2,18,10.09,6,2,17,11.35,20,2,17,7.78,34,2,18,12.55,7,1,17,14.56,21,2,16,11.36,35,1,18,16.04,8,1,16,12.40,22,1,16,12.78,36,1,18,13.78,9,2,16,8.05,23,1,18,15.09,37,1,17,11.67,10,1,18,14.03,24,2,18,8.67,38,1,17,10.98,11,2,18,12.83,25,2,17,8.56,39,2,16,8.78,12,1,16,15.50,26,2,18,12.56,40,1,16,11.35,13,2,18,12.25,27,2,17,11.56,14,2,17,10.06,28,1,16,14.67,三、例题分析表5-1血红蛋白值(g%)编号性别年龄血红蛋白值,6,1、操作步骤,1）打开数据文件“,Means过程.sav,”。,2)按顺序Analyze Compare Means Means打开主对话框。,3)单击Option,打开Options对话框,选择统计项目。,4）单击OK完成。,1、操作步骤 1）打开数据文件“Means过程.sav”,7,选hb,sex,按Next,进入layer 2of 2,选age,图63 在主对话框选送变量,图64 第二层变量框,选hb按Next,进入layer 2of 2,选age图6,8,选择统计项目,按此,按钮,复选此2项,第一层次分组选择计算方差分析和线性检验,图65 Options对话框,选择统计项目按此复选此2项,第一层次分组选择计算方差分析和线,9,表61 观测量摘要表,表61 是观测量摘要表，观测量总个数为40，其中有效值为40个、无效值0。,2.结果及分析,表61 观测量摘要表 表61 是,10,表62 分组描述统计量,表62 分三部分：第一、二部分先按性别分组，再按年龄分组计算观测值合计、均数、标准差、方差和个数；第三部分只按年龄分组，最后一行为合计。,表62 分组描述统计量 表62 分,11,表64 按年龄分组的描述统计量,表63 按性别分组的描述性统计量,血红蛋白*性别,血红蛋白*年龄,表63、4是将sex和age一起放在layer 1of 1中，分别计算男、女（不作年龄分组）。年龄分三组（不作性别分组）的观测值合计、均数、标准差、方差和个数。,表64 按年龄分组的描述统计量表63 按性别分组,12,表65 方差分析表,表65是方差分析表，共6列：第一列方差来源：组间的、组内的、总的方差；第二列为平方和；第三列为自由度；第四列为均方；第五列为F值；第六列为F统计量的显著值，显著值小于0.05,所以性别对血红蛋白值有显著影响。,表65 方差分析表 表65是方差,13,表66 eta统计量,表66是eta统计量表，,统计量表明因变量和自变量之间联系的强度，0.567的值处于中等水平，,2,是因变量中不同组间差异所解释的方差比，是组间平方和与总平方和之比，即由64.5256除以 200.787得到。,表66 eta统计量 表66是eta统,14,表67 按年龄分组的方差分析表,表67是将年龄作为第一层自变量得到的方差分析表，Linearity是假设因变量均值是第一层自变量值的线性函数，Deviation from Linearity是不能由线性模型解释的部分。,表67 按年龄分组的方差分析表 表6,15,表68 按年龄分组的eta统计量,表68是将年龄作为第一层自变量得到的eta统计量表，R和R,2,测度线性拟合的良好度，R是观测值与预测值之间的相关系数,。,表68 按年龄分组的eta统计量表68是将年龄,16,一、简介,用于检验单个变量的均值与假设检验值(给定的常数)之间是否存在差异。,二、完全窗口分析,按AnalyzeCompare MeansOne-Sample T Test顺序，打开One-Sample T Test主对话框（如图5-1）,一、单一样本T检验,一、简介一、单一样本T检验,17,图6-6 One-Sample T Test主对话框,图6-7 Options对话框,Test Variables框：用于选取需要分析的变量,Test Value:输入已知的总体均值，默认0,Confidence Interval:输入置信区间，一般取90、95、99等。,Missing Values:,在检验变量中含有缺失值的观测将不被计算。,在任何一个变量中含有缺失值的观测都将不被计算,图6-6 One-Sample T Test主对话框图,18,三、例题分析,仍以表5-1的资料来说明。已知另一地区16-18岁的少年血红蛋白平均值为11.657g%，检验这一地区16-18岁少年血红蛋白值是否与另一地区的平均值相等。,1、操作步骤,1）按AnalyzeCompare MeansOne Sample T Test顺序，打开主对话框。(打开数据文件,“,Means过程.sav,”。),2）将变量hb选入 Test Variable框。,3）在Test Value中输入 11.657，后单击OK。,三、例题分析,19,2、结果分析,表5-9 单个样本统计量,表5-9 是血红蛋白值的观测量个数、均值、标准差和均值的标准误等统计量。,2、结果分析表5-9 单个样本统计量 表5-9 是血,20,表5-10 单个样本检验,从表5-10可看出，t 值为-0.592,自由度39,显著值为0.558,样本均值与检验值的差为-0.2122,该差值95%的置信区间是0.93790.5134。,表5-10 单个样本检验 从表5-10可看出,21,一、简介,用于检验对于两组来自独立总体的样本，其独立总体的均值或中心位置是否一样。如果两组样本彼此不独立，应使用配对T检验（Paired-Sample T Test）。如果分组不止一个，应使用One-Way ANOVA 过程进行单变量方差分析。如果想比较的变量是分类变量，应使用Crosstabs功能。,独立样本T检验还要求总体服从正态分布，如果总体明显不服从正态分布，则应使用非参数检验过程（Nonparametric test）,二、完全窗口分析,按AnalyzeCompare MeansIndependent-Sample T Test顺序，打开Independent-Sample T Test主对话框（如图5-10）,二、独立样本T检验,一、简介二、独立样本T检验,22,图510 独立样本T检验主对话框,图511 Define Groups 主对话框,从源变量框中选取要作检验的变量。,为分组变量，只能有一个。,分别输入分组变量的取值条件，如1为男，2为女等。,输入分界点值，如体重60公斤等。,图510 独立样本T检验主对话框图511 De,23,在检验变量中含有缺失值的观测将不被计算。,在任何一个变量中含有缺失值的观测都将不被计算,输入置信区间，一般取90、95、99等。,图5-9 Independent-Sample T Test的Options对话框,三、例题分析,仍以表5-1的资料来说明。,1、操作步骤,1）按AnalyzeCompare Means Independent-Sample T Test顺序，打开主对话框。打开数据文件“,Means过程.sav,”。,2）将变量hb选入 Test Variable框。,3）在sex选入Grouping Variable框中作为检验变量。,4）打开Define Groups对话框，在Group1输入1，Group2输入2，单击Continue，再单击OK。,在检验变量中含有缺失值的观测将不被计算。输入置信区间，一般取,24,2、结果分析,表5-11 是血红蛋白值的观测量个数、均值、标准差和均值的标准误等统计量。,表5-11 分组统计量,2、结果分析 表5-11 是血红蛋白值的观测量个,25,表5-12 独立样本T检验结果,从表5-12可看出，Equal variances assumed 行是假设方差相等进行的检验，当方差相等时考察这一行的结果；Equal variances not assumed行是假设方差不等进行的检验，当方差不等时考察这一行的结果。在Levenes Test for Equality of Variance列中，显著值为 0.5440.15，可认为方差是相等的，所以应考察第一行的结果。可看出，显著值为 0.0000.05，所以认为均值是不等的。,表5-12 独立样本T检验结果 从表5-,26,一、简介,用于检验两个相关的样本是否来自具有相同均值的总体。,二、完全窗口分析,1、主对话框,按AnalyzeCompare MeansPaired-Sample T Test顺序，打开Paired-Sample T Test主对话框（如图5-1）,三、配对样本T检验,三、配对样本T检验,27,从源变量框中选取成对变量移入。,所选变量。,同图59,图510 Paired-Sample T Test 对话框,从源变量框中选取成对变量移入。所选变量。同图59图510,28,三、例题分析,某单位研究饲料中缺乏维生素E与肝中维生素A含量的关系，将大白鼠按性别、体重等配为8对，每对中两只大白鼠分别喂给正常饲料和维生素E缺乏饲料，一段时期后测定其肝中维生素A含量（,mol/L）如下，现在想知道饲料中缺乏维生素E对鼠肝中维生素A含量有无影响。,大白鼠配对编号,肝中维生素A含量（,mol/L）,正常饲料组,维生素E缺乏组,1,37.2,25.7,2,20.9,25.1,3,31.4,18.8,4,41.4,33.5,5,39.8,34.0,6,39.3,28.3,7,36.1,26.2,8,31.9,18.3,表5-12 配对样本T检验数据,三、例题分析大白鼠配对编号肝中维生素A含量（mol/L）正,29,1、操作步骤,1）输入数据并定义变量名：正常饲料组测定值为x1，维生素E缺乏饲料组测定值为x2(数据文件“,饲料（配对T检验）.sav,”。),2）按AnalyzeCompare MeansPaired-Sample T Test 顺序，打开主对话框。,3）单击变量x1，再单击x2，将x1，x2送入Variables框。,左下方Current Selections框中出现Variable1、Variable2,4）单击OK。,2、输出结果及分析,1、操作步骤,30,表5-13 配对样本T检验描述统计量,表5-13可看出，变量x1的均数、标准差、标准误分别为34.750、6.649、2.351，变量x2的均数、标准差、标准误分别为26.238、5.821、2.058。,表5-14 配对样本T检验相关性,表5-14可看出，本例共有8对观测值，相关系数为0.586，相关系数的显著性检验表明显著值为0.127。,表5-13 配对样本T检验描述统计量 表5-,31,表5-15 配对样本T检验结果,表5-16说明变量x1、x2两两相减的差值均数、标准差、差值均数的标准误差分别为8.513、5.719、2.022，95可信区间为3.731，13.292。配对检验结果表明t为4.21，自由度为7，显著值为0.004，差别具高度显著性意义，即饲料中缺乏维生素E对鼠肝中维生素A含量确有影响。,表5-15 配对样本T检验结果 表5-16说,32,方差分析简介,方差分析的核心就是方差可分解。这里的方差是通过计算各观测值偏离均值的平方和再除以n-1（样本量减1）而得到的。这样给定n值的情况下，方差就是离差平方和（SS）。方差的分解按表6-1进行。,方差分析的目的是检验均数（组间或变量间）差别是否具有统计学意义。即将总变异分解为由随机误差造成的变异（组内SS）与由均数差异造成的变异（组间SS）两个部分。如果后者大于前者，且具有统计学意义，我们将拒绝零假设，即认为总体中均数间存在差异。,方差分析简介,33,一、简介,单因素方差分析是检验由单一因素影响的多组样本某因变量的均值是否有显著差异的问题。如果各组之间有显著差异，说明这个因素（分类变量）对因变量是有显著影响的，因素的不同水平会影响到因变量的取值。,二、完全窗口分析,按Analyze,Compared Means One-Way Anova,顺序单击。打开,One-Way Anova,主对话框，如图,四、单因素方差分析,一、简介四、单因素方差分析,34,选入因变量，可有多个变量,选入分组变量，必须满足只取有限个水平的条件。,One-Way Anova,主对话框,见图 6-2,见图 6-3,见图 6-4,选入因变量，可有多个变量选入分组变量，必须满足只取有限个水平,35,见图 62 多项式比较对话框,进行军制的多项式比较，并在其后的参数框中选定阶数 。如一阶：Linear，二阶：Quadratic，三阶：Cubic.最高可达五阶,输入多项式各组均值的系数,输入一个系数单击Add按钮。系数进入下面方框.依次输入各组均值的系数。,如果多项式中只包括第一与第四组的均值的系数,必须把第二、第三个系数输入为0。,如果只包括第一与第二组的均值,则第三、第四个可不输入。,可同时建多个多项式，输入一组后按Next按钮；如果要修改则按Previous按钮，修改后按Change按钮，删除按Remove按钮。,显示每组系数的总和。,见图 62 多项式比较对话框进行军制的多项式比较，,36,63 Post Hoc对话框,在此对话框中选择进行多重比较的方法,1.,用t检验完成组间成对均值的比较，对多重比较错误率不,进行调整,2.,同上，但通过设置每个检验的误差率来控制整个误差率,3.,用t检验完成多重配对比较，为多重比较调整显著值，但,比2的界限要小,4.,对所有可能的组合进行同步进入的均值配对比较,5.,用F检验进行多重比较,6.,在Studentized Range分布下进行多重比较,7.,用Studentized Range分布进行所有各组均值间的配对比较,8.,用Studentized Range统计量进行所有组间均值的配对比较,用所有配对比较集合的误差率作为试验误差率,9.,同8,但,其临界值是TUKEY和S-N-K的相应值的平均值,10,.进行配对比较时,使用的逐步顺序与Student-Newman-,Keuls检验的顺序一样,但并不是给每个检验设定一个误差,率,而是给所有检验的误差率设定一个临界值,11.,用Studentized最大系数进行比较检验和范围检验,12,.用Studentized最大系数进行配对比较检验,13,.用Studentized最大系数进行比较检验,使用贝叶斯逼近.,14.,用t检验进行配对比较.,1.用t检验进行配对比较，,2.用Studentized 最大系数进行配对比较检验,3.同上,这种方法有时比较自由,4.用Studentized Range统计量进行配对比较检验,规定显著性水平,默认为0.05,63 Post Hoc对话框在此对话框中选择进行多重比较,37,图 64 Options对话框,选择缺失值的处置方式:,在检验变量中含有缺失值的观测将不被计算,在任何一个变量中含有缺失值的观测都将不被计算,规定输出的统计量:,输出描述统计量,包括观测量数目,均值,最小值,最大值,标准差,标准误差,各组中每个因变量的95%的置信区间,用Levene检验进行方差一致性检验,输出均数分布图,三、例题分析,例1 某灯泡厂用四种不同配料方案制成的灯丝，生产了四批灯泡。每批灯泡中随机抽取若干个灯泡测其使用寿命(单位:小时),数据如表6-2，求四种灯丝的灯泡的使用寿命有无显著差异。,图 64 Options对话框 选择缺失值的处置,38,灯泡,灯丝,1,2,3,4,5,6,7,8,甲,1600,1610,1650,1680,1700,1700,1780,乙,1500,1640,1400,1700,1750,丙,1640,1550,1600,1620,1640,1600,1740,1800,丁,1510,1520,1530,1570,1640,1680,表6-1 灯泡使用寿命,在该例中，设灯泡的使用寿命为因变量，灯丝的配料为因子，四种配料方案为四水平，为单因子四水平的实验。(数据文件：,“,灯泡使用（单因素方差）.sav,),灯泡12345678甲160016101650,39,1、不使用选择项操作步骤,1）定义两个变量：,Filament变量，取值1、2、3、4分别代表甲、乙、丙、丁，标签为“灯丝”。,Hours变量其值为灯泡的使用寿命，标签为“灯泡使用寿命”。,2）按Analyze,Compared Means One-Way Anova顺序打开“单因素分析”主对话框。,3）从源变量框中选取,hours入Dependent List框中；,选取,filament变量入Factor框中，单击“OK”运行。,4）输出结果及分析,1、不使用选择项操作步骤,40,表6-2 灯泡使用寿命的单因素方差分析结果,表6-2说明：,第一列：方差来源；第二列：离差平方和；第三列：自由度；,第四列：均方；第五列：F值；第六列：显著值，是F统计量的P值。,2、使用选择项操作步骤,1）定义变量和选取变量同1的操作步骤,2）在主对话框中单击“Contrast”，在Contrast对话框中选择多项式比较，选择一次多项式比较各组均值，共指定两组多项式系数：,3）输出结果及分析,表6-2 灯泡使用寿命的单因素方差分析结果表6-2说明：,41,2）在主对话框中单击“Contrast”，在Contrast对话框中选择多项式比较，选择一次多项式比较各组均值，共指定两组多项式系数：,系数依次为1、-1、-1、1，这是检验灯丝对灯泡使用寿命的影响及甲、丁效应和与乙、丙效应和是否有显著差异,系数依次为1、-1、1、-1，这是检验灯丝对灯泡使用寿命的影响及甲、丙效应和与乙、丁效应和是否有显著差异,3）打开Post Hoc Multiple Comparisons 对话框，选择多重比较：,在Equal Variance Assumed栏中选择 LSD和 Duncan,在Equal Variance Not Assumed栏中选择 Tamhanes T2,2）在主对话框中单击“Contrast”，在Contrast,42,4,）打开Options对话框，输出统计量选择项。,选中Descriptive复选框，输出描述性统计量。,选中Homogeneity-of-variance复选框，用Levene检验进行方差一致性检验,选中Means plot复选框，输出均数分布图。,选中Exclude cases analysis by analysis复选框，不计算在检验变量中含有缺失值的观测。,4）单击OK，提交运行,输出结果及分析,4）打开Options对话框，输出统计量选择项。,43,表6-3 描述性统计量表,表6-3为描述性统计量,表6-4 方差一致性检验,表6-4为方差一致性检验结果，其显著值P大于0。05，说明各组的方差在0。05的显著水平上没有显著性差异，即方差具有一致性。,表6-3 描述性统计量表表6-3为描述性统计量表6-4,44,表6-5 单因素方差分析结果,表6-5是单因素方差分析结果。与表6-3比较，增加3行：未加权项、加权线性项、与组间偏差平方和的差。,表6-6 对比系数,表6-6列举了两组多项式的系数。,表6-5 单因素方差分析结果 表6-,45,表6-8 LSD法和TamhanesT2法进行均值多重比较结果,从表可看出,各均值间没有显著差异。,表6-8 LSD法和TamhanesT2法进行均值多重,46,表6-9 Duncan法进行均值多重比较结果,各列的内容：,第一列：列出甲、乙、丙、丁各组。第二列：按Duncan取渐渐增大的Range值进行比较而分的子集。第三列：Duncan值。,由于各组样本含量不等，计算均值用的是调和平均数的样本量6.034。最后一行列出了显著值为0.085大于0.05,说明各组方差具有一致性。,表6-9 Duncan法进行均值多重比较结果各列的内容,47,图6-5 均值分布图,图6-5是均值分布图，以灯丝为横轴，以灯灯泡使用的平均时间为纵轴，从此图上可看出各组均值的分布,。,图6-5 均值分布图 图6-5,48,