SPSS统计实验专题3.docx

SPSS统计实验专题3.docx

《SPSS统计实验专题3.docx》由会员分享，可在线阅读，更多相关《SPSS统计实验专题3.docx（29页珍藏版）》请在冰豆网上搜索。

SPSS统计实验专题3

统计推断

实验1：

单个总体均值的区间估计

例1：

为研究在黄金时段中,即每晚8:

30-9:

00内,电视广告所占时间的多少。

美国广告协会抽样调查了20个最佳电视时段中广告所占的时间（单位：

分钟）。

请给出每晚8:

30开始的半小时内广告所占时间区间估计，给定的置信度为95％。

操作程序：

♦打开SPSS，建立数据文件：

“电视节目市场调查.sav”。

这里，研究变量为：

time，即每天看电视的时间。

♦选择区间估计选项，方法如下：

选择菜单【分析】—>【描述统计】—>【探索】”，打开图3.1Explore对话框。

♦从源变量清单中将“time”变量移入DependentList框中。

图3.1Explore对话框

♦单击上图右方的“统计量”按钮打开“探索：

统计量”对话框。

在设置均值的置信水平，如键入95％，完成后单击“继续”按钮回到主窗口。

图3.2探索统计量设置窗口

♦返回主窗口点击ok运行操作。

♦计算结果简单说明：

表3.1描述统计量

Descriptives

Statistic

Std.Error

time

Mean

6.5350

.13480

95%ConfidenceIntervalforMean

LowerBound

6.2529

UpperBound

6.8171

5%TrimmedMean

6.5167

Median

6.4500

Variance

.363

Std.Deviation

.60287

Minimum

5.60

Maximum

7.80

Range

2.20

InterquartileRange

.95

Skewness

.295

.512

Kurtosis

-.612

.992

♦如上表显示。

从上表“95％ConfidenceIntervalforMean”中可以得出，每晚8:

30开始的半小时内广告所占时间区间估计（置信度为95％）为：

（6.2529，6.8171），其中lowerBound表示置信区间的下限，UpperBound表示置信区间的上限。

点估计是：

6.5350。

2．两个总体均值之差的区间估计

例题：

TheWallStreetJournal（1994,7）声称在制造业中，参加工会的妇女比未参加工会的妇女的报酬要多2.5美元。

想通过统计方法，对这个观点是否正确给出检验。

假设抽取了7位女性工会会员与8位非工会会员女性报酬数据。

要求对制造业中参加工会会员的女性报酬与未参加工会的女性报酬平均工资之差进行区间估计，预设的置信度为95％。

♦打开SPSS，按如下图示格式输入原始数据，建立数据文件：

“工会会员工资差别.spss”。

这里，“会员”表示是否为工会会员的变量，y表示是工会会员，n表示非工会会员，“报酬”表示女性员工报酬变量，单位：

千美元。

♦计算两总体均值之差的区间估计，采用“独立样本T检验”方法。

选择菜单“【分析】→【比较均值】→独立样本T检验”，打开对话框。

♦变量选择

（1）从源变量清单中将“报酬”变量移入检验变量框中。

表示要求该变量的均值的区间估计。

（2）从源变量清单中将“group”变量移入分组变量框中。

表示总体的分类变量。

图3.3独立样本T检验对话框

♦定义分组单击定义组按钮，打开DefineGroups对话框。

在Group1中输入1，在Group2中输入2（1表示非工会会员,2表示工会会员）。

完成后单击“继续”按钮回到主窗口。

图3.4definegroups设置窗口

♦计算结果单击上图中“OK”按钮，输出结果如下图所示。

（1）GroupStatistics（分组统计量）表

分别给出不同总体下的样本容量、均值、标准差和平均标准误。

从该表中可以看出，参加工会的妇女平均报酬为19.925，不参加工会的妇女平均报酬为20.1429。

表3.2分组统计量

GroupStatistics

会员

N

Mean

Std.Deviation

Std.ErrorMean

报酬

1.00

8

19.9250

.46522

.16448

2.00

7

20.1429

.52236

.19743

（2）IndependentSampleTest（独立样本T检验）表

　Levene’sTestforEqualityofVariance，为方差检验，在Equalvariancesassumed（原假设：

方差相等）下，F=0.623，因为其P-值大于显著性水平，即：

Sig.=0.444>0.05，说明不能拒绝方差相等的原假设，接受两个总体方差是相等的假设。

因此参加工会会员的女性报酬与未参加工会的女性报酬平均工资之差95％的区间估计为[0.76842,0.33271]。

　T-testforEqualityofMeans为检验总体均值是否相等的t检验，由于在本例中，其P-值大于显著性水平，即：

Sig.=0.408>0.05，因此不应该拒绝原假设，也就是说参加工会的妇女跟未参加工会的妇女的报酬没有显著差异。

本次抽样推断结论不支持TheWallStreetJournal（1994,7）提出的“参加工会的妇女比未参加工会的妇女的报酬要多2.5美元”观点，即参加工会的妇女不比未参加工会的妇女的报酬多。

表3.3独立样本T检验结果

IndependentSamplesTest

Levene'sTestforEqualityofVariances

t-testforEqualityofMeans

F

Sig.

t

df

Sig.（2-tailed）

MeanDifference

Std.ErrorDifference

95%ConfidenceIntervaloftheDifference

Lower

Upper

报酬

Equalvariancesassumed

.623

.444

-.855

13

.408

-.21786

.25485

-.76842

.33271

Equalvariancesnotassumed

-.848

12.187

.413

-.21786

.25697

-.77679

.34108

3．单个总体均值的假设检验（单样本T检验）

例子：

某种品牌的沐浴肥皂制造程序的设计规格中要求每批平均生产120块肥皂，高于或低于该数量均被认为是不合理的，在由10批产品所组成的一个样本中，每批肥皂的产量数据见下表，在0.05的显著水平下，检验该样本结果能否说明制造过程运行良好？

♦判断检验类型该例属于“大样本、总体标准差σ未知。

假设形式为：

H0：

μ＝μ0，H1:

μ≠μ0

♦软件实现程序打开已知数据文件，然后选择菜单“【分析】→【比较均值】→单样本T检验”，打开One-SampleTTest对话框。

从源变量清单中将“产品数量”向右移入“TestVariables”框中。

图3.5one-sampleTtest窗口

在“TestValue”框里输入一个指定值（即假设检验值，本例中假设为120），T检验过程将对每个检验变量分别检验它们的平均值与这个指定数值相等的假设。

♦“One-SampleTTest”窗口中“OK”按钮，输出结果如下表所示。

（1）“One-SampleStatistics”（单个样本的统计量）表分别给出样本的容量、均值、标准差和平均标准误。

本例中，产品数量均值为118.9000。

表3.4单样本统计量

One-SampleStatistics

N

Mean

Std.Deviation

Std.ErrorMean

产品数量

10

118.9000

4.93176

1.55956

（2）“One-SampleTest”（单个样本的检验）表表中的t表示所计算的T检验统计量的数值，本例中为－0.705。

表中的“df”，表示自由度，本例中为9。

表中的“Sig”（双尾T检验），表示统计量的P-值，并与双尾T检验的显著性的大小进行比较：

Sig.=0.498>0.05，说明这批样本的平均产量与120无显著差异。

表中的“MeanDifference”，表示均值差，即样本均值与检验值120之差，本例中为－1.1000。

表中的“95％ConfidenceInternaloftheDifference”，样本均值与检验值偏差的95%置信区间为（－4.628，2.428），置信区间包括数值0，说明样本数量与120无显著差异，符合要求。

表3.5单样本T检验结果

One-SampleTest

TestValue=120

t

df

Sig.（2-tailed）

MeanDifference

95%ConfidenceIntervaloftheDifference

Lower

Upper

产品数量

-.705

9

.498

-1.10000

-4.6280

2.4280

4．两独立样本的假设检验（两独立样本T检验）

例题：

TheWallStreetJournal（1994,7）声称在制造业中，参加工会的妇女比未参加工会的妇女的报酬要多2.5美元。

想通过统计方法，对这个观点是否正确给出检验。

假设抽取了7位女性工会会员与8位非工会会员女性报酬数据。

要求对制造业中参加工会会员的女性报酬与未参加工会的女性报酬平均工资之差进行区间估计，预设的置信度为95％。

♦打开SPSS，按如下图示格式输入原始数据，建立数据文件：

“工会会员工资差别.sav”。

这里，“会员”表示是否为工会会员的变量，y表示是工会会员，n表示非工会会员，“报酬”表示女性员工报酬变量，单位：

千美元。

♦计算两总体均值之差的区间估计，采用“独立样本T检验”方法。

选择菜单“【分析】→【比较均值】→【独立样本T检验】”。

（1）从源变量清单中将“报酬”变量移入检验变量框中。

表示要求该变量的均值的检验。

（2）从源变量清单中将“会员”变量移入分组变量框中。

表示总体的分类变量。

图3.6sampleTtest窗口

♦定义分组单击GroupingVariable框下面的DefineGroups按钮，打开DefineGroups对话框。

在Group1中输入1，在Group2中输入2（1表示非工会会员,2表示工会会员）。

完成后单击“继续”按钮返回主窗口。

图3.7definegroups对话框

♦计算结果单击上图中“OK”按钮，输出结果如下图所示。

（1）GroupStatistics（分组统计量）表

分别给出不同总体下的样本容量、均值、标准差和平均标准误。

从该表中可以看出，参加工会的妇女平均报酬为19.925，不参加工会的妇女平均报酬为20.1429。

表3.6分组统计量

GroupStatistics

会