常用统计分析方法-SPSS应用 笔记.doc

《常用统计分析方法-SPSS应用 笔记.doc》由会员分享，可在线阅读，更多相关《常用统计分析方法-SPSS应用 笔记.doc（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、常用统计分析方法-SPSS应用第二章 均值比较检验与方差分析在经济社会问题的研究过程中，常常需要比较现象之间的一些指标有无显著差异，特别当考察的样本容量n比较大时，由随机变量的中心极限定理知，样本均值近似他服从正态分布、所以，均值的比较检验主要研究关于正态总体则均值有关的假设是否成立的问题。 本章主要内容： 1单个总体均值的t检验(One-Sample T Test)； 2两个独立总样本均值的I检验(Independent- Samples T Test ); 3两个有联系总体均值的t检验(Paired-Samples T Test )； 4单因素方差分析(0ne-Way ANOVA)； 5双

2、因素方差分析(General Linear ModelUnivariate)。 假设条件：研究的数据服从正态分布或近似地服从正态分布。 在Aanlyze菜单中，均值比较检验可以从菜单Compare Means 和General Linear Model得出。Modcl得19I 如图21所示。 P42第一节 单个总体均值的t检验 (One-Sample T Test)单个总体的t检验也称为单一样本的t检验，也就是检验单个变量的均值是否与假定的均值之间存在差异。将单个变量的样本均值与假定的常数相比较，通过检验得出预先的假设是否正确的结论。例2.1 根据2002年我国不同行业的工资水平，检验国有企业

3、的职工平均年工资收入是否等于10000元，假设数据近似地服从止态分布。首先建立假设：H0：国有企业工资为10000元。 H1：国有企业工资不等于10000元。第二节 两个总体的t检验 (Two-Samples T Test)一、两个独立样本的t检验 (Independent -Samples T Test)Independent -Samples T Test是检验两个没有联系的总体样本均值间是否存在显著的差异，两个没有联系的总体样也称独立样本，如两个无联系的企业生产的同样产品之间的某项指标的均值的比较，不同地区的儿童身高、体重的比较等，都可以通过抽取样本检验两个总体的均值是否存在显著的差异。

4、 例2. 2 某医药研究所考察种药品对男性和女性的治疗效果是否有显著差异，调查了10名男性服用者及7名女性服用者，对他们服药后的各项指标进行综合评分，服用的效果越好，分值就越高，每人所得的总分见表2-2，试根据表中的数据检验这种药品对男性和女性的治疗效果是否存在显著差异。 解：由于男性和女性的样本是无联系的，所以这两个样本是相互独立的。可应用两独立样本的假设检验。 首先，建立假设H0：该药品对男性和女性的治疗效果没有显著差异； H1：该药品对男性和女性的治疗效果有显著差异。 P45二、两个有联系样本均值的比较(Paired-Samples T Test )Paired-Samples T Te

5、st是检验两个有联系正态总体的均值是否存在显著的差异，又称配对样本的T检验。如检验某种药品使用的效果是否显苦，需要对使用者使用前后进行比较；再如对某种粮食进行品种改良，也需要比较改良前后粮食产量有无显著差异等。例2.3 某企业对生产线上的工人进行某种专业技术培训，要对培训效果进行检验，从参加培训的工人中抽取30人，将他们培训前后每加工500个零件的不合格品数进行对比，得到数据表2-4。试根据表中数据检验培训前后工人的平均操作技术水平是否有显著提高，也就是检验培训效果是否显著。解：这显然是配对样本均值的假设检验的问题。所以要建立假设：H0：培训前后工人的技术水平没有显著差异；H1：培训前后工人的

6、技术水平有显著差异； P 47第三节 单因素方差分析(One-Way ANOVA)单因变量的单因素方差分析主要解决多于两个总体样本或变量间均值的比较问题。是一种对多个(大于两个)总体样本的均值是否存在显著差异的检验方法。 单因素方差分析的应用条件：在不同的水平(因素变量取不同值)下，各总体应当服从方差相等的正态分布。 例2.4 某企业需要一种零件，现有三个不同地区的企业生产的同种零件可供选择，为了比较这三个零件的强度是否相同，每个企业抽出6件产品进行强度测试，其值如表2-6所示。假设每个企业零件的强度只服从正态分，试检验这三个地区企业的零件强度是否存在显著差异。 解：首先建立假设H0：三个地区

7、的零件强度无显著差异； H1：三个地区的零件强度有显著差异； P 50第四节 双因素方差分析单因变量的双因素方差分析是对观察的现象(冈变量)受两个因素或变量的影响进行分析，检验不同水平组合之间对因变旦的影响足合显著。双因素方差分析的应用范围很广，如粮食产量受到气候、温度因素的影响；共生物广：舱的牛产过程不仅受催化剂多少的影响，还受温度高低的影响等，甚至两因素变虽之间的交互作用对因变量也有 定的影响。要分清楚哪个因素的影响作用比较大，就pJ以应用双因素方差分析的方法来解决。 P 55第三章 相关分析与回归模型的建立与分析相关分析和回归分析是统计分析方法中最重要内容之一，是多元统计分析方法的基础。

8、相关分析和回归分析主要用于研究和分析变量之间的相关关系，在变量之间寻求合适的函数关系式，特别是线性表达式。本章主要内容；1对变量之间的相关关系进行分析(Correlate)。其中包括简单相关分析(Bivariate)和偏相关分析(Partial)。2建立因变量和自变量之间的回归模型(Regression)，其中包括线性回归分析(Linear)和曲线估计(Curve Estimation)。数据条件：参与分析的变量数据是数值型变量或有序变量。第一节 相关方析 (Correlate)两个变量之间的相关关系称简单相关关系。有两种方法可以反映简单相关关系，一是散点图，可直观地显示变量之间的关系，二是相

9、关系数，可准确地反映两变量的相关程度。P63一、 简单相关分析(一) 散点图 SPSS软件的绘图命令集中在Graphs菜单。 P64 (二) 简单相关分析操作简单相关分析是指两个变量之间的相关分析，主要指对两变量之间的线性相关程度做出定量分析。 P66（三）偏相关分析简单相关关系只反映两个变量之间的关系，但如果因变量受到多个因素的影响时，因变量与某一自变量之间的简单相关关系显然受到其他相关因素的影响，不能真实地反映二者之间的关系，所以需要考察在其他因素的影响剔除后二者之间的相关程度，即偏相关分折。 P69第二节 线性生回归分析(Regression)线性回归是统计分析方法小最常用的方法之一。如

10、果所研究的现象有若干个影响因素，且这些因素对现象的综合影响是线性的，则可以使用线件回归的方法建立现象(因变量)与影响因素(自变量)之间的线性函数关系式。一、线性回归模型假设条件与模型的各种检验（二)线性回归模型的检验项目1回归系数的检验(T检验)；2回归方程的检验(F检验)；3拟合程度判定(可决系数R2)；4DW检验(残差项是否自相关)；5共线性检验(多元线性回归)。6残差图示分析(判断残差序列异方差性和自相关)。二、线性回归分析的具体步骤P71第三节 曲线估计(Curve Estimation)上节介绍了线性回归模型的分析和检验方法。如果某对变量数据的散点图不是直线，而是某种曲线的形式时，可

11、以利用曲线估计的方法为数据寻求一条合适的曲线，也可用变量代换的方法将曲线方程变为直线方程。用线性回归模型进行分析和预测。P 72第四章 时间序列分析由于反映社会经济现象的大多数数据是按照时间顺序记录的，所以时间序列分析是研究社会经济现象的指标随时间变化的统计规律性的统计方法。为了研究事物在不同时间的发展状况，就要分析其随时间的推移的发展趋势，预测事物在未来时间的数量变化。本事主要内容：1时间序列的线图、自相关图和偏自关系图；2SPSS软件的时间序列的分析方法季节变动分析。 P87第五章 非参数检验前面进行的假设检验和方差分析，大都是在数据服从正态分布或近似地服从正态分布的条件下进行的。但是如果

12、总体的分布未知，进行总体参数的检验，或者检验总体服从一个指定的分布，都可以归结为非参数检验方法。非参数检验包括下列内容：1总体分布的假设捡验；2两种以下的现象之间的关联性检验(见列联分析)；3总体分布未知时，关于单个总体均值的检验；两个总体均值或分布的差异是否显著的检验，以及多个未知总体的单因素方差分析；4某种现象出现的随机性检验。在SPSS分析软件中，非参数检验在在菜单共有8种检验方法，这8种检验方法依次是： P97重点 P99重点第二节 一个样本的KS检验一个样本的KS检验又称单个样本柯尔莫哥洛夫 斯米诺夫检验，这种检验可以检验样本数据是否服从Normal正态分布、Poisson泊松分布、Uniform均匀分布及Exponential指数分布四种分命形式。但一般要求在大样本条件下进行检验。重点重点P105 P108重点P110P112P115