
SPSS進(jìn)行獨(dú)立樣本的T檢驗(yàn)
對(duì)于相互獨(dú)立的兩個(gè)來(lái)自正態(tài)總體的樣本,利用獨(dú)立樣本的T檢驗(yàn)來(lái)檢驗(yàn)這兩個(gè)樣本的均值和方差是否來(lái)源于同一總體。在SPSS中,獨(dú)立樣本的T檢驗(yàn)由“Independent-Sample T Test”過(guò)程來(lái)完成。
實(shí)例
在有小麥叢矮病的麥田里,調(diào)查了13株病株和11株健株的植株高度,分析健株高度是否高于病株。其調(diào)查數(shù)據(jù)如下:
健株 26.0 32.4 37.3 37.3 43.2 47.3 51.8 55.8 57.8 64.0 65.3
病株 16.7 19.8 19.8 23.3 23.4 25.0 36.0 37.3 41.4 41.7 45.7 48.2 57.8
該數(shù)據(jù)保存在“DATA4-3.SAV”文件中,變量格式如圖4-6,狀態(tài)變量中:1表示病株,2表示健株。
圖4-6
1)準(zhǔn)備分析數(shù)據(jù)
在數(shù)據(jù)編輯窗口輸入分析的數(shù)據(jù),如圖4-6所示。或者打開(kāi)需要分析的數(shù)據(jù)文件“DATA4-3.SAV”。
2)啟動(dòng)分析過(guò)程
在主菜單選中“Analyze”中的“Compare Means”,在下拉菜單中選中“Independent -Sample T Test”命令。出現(xiàn)圖4-7設(shè)置對(duì)話(huà)框。。
圖4-7 獨(dú)立樣本T檢驗(yàn)窗口
3)設(shè)置分析變量
從“Test Variable(s):”從左邊的變量列表中選中變量后,點(diǎn)擊右拉按鈕后,這個(gè)變量就進(jìn)入到檢驗(yàn)分析“Test Variable(s):”框里,用戶(hù)可以從左邊變量列表里選擇一個(gè)或多個(gè)。本例選擇“小麥叢矮病[株高]”。
“Grouping Variable(s):”欄是分組變量欄。從左邊的變量列表中選中分組變量后,按右拉按鈕,這個(gè)變量就進(jìn)入到“Grouping Variable(s):”框里。本例選擇“狀態(tài)”變量。
“Define Groups”按鈕是定義分組變量的分組值。當(dāng)該按鈕可用時(shí),出現(xiàn)圖4-8對(duì)話(huà)框。
圖4-8 定義分組值對(duì)話(huà)框
如果分組變量是離散型數(shù)值變量應(yīng)選擇“Use specified values”項(xiàng),該項(xiàng)下面的“Group 1”和“Group 2”欄用于輸入分組
變量值;字符型數(shù)據(jù)輸入相應(yīng)分組字符。若分組變量是連續(xù)型變量,應(yīng)選擇“Cut point”項(xiàng),分組變量會(huì)按該項(xiàng)輸入值分為大于和小于兩組。
本例選擇“Use specified values”項(xiàng),在“Group 1”欄輸入1;在“Group 2”欄輸入2。按“Continue”按鈕退回上一級(jí)對(duì)話(huà)框。
4)設(shè)置其他參數(shù)
點(diǎn)擊“Options”按鈕,打開(kāi)設(shè)置檢驗(yàn)的置信度和缺失值對(duì)話(huà)框。在“Confidence Interval:”框輸入置信度水平,系統(tǒng)默認(rèn)為95%;“Missing Values”框里的“Exclude cases analysis by analysis”欄,是只排除分析變量為缺失值的選擇項(xiàng),“Exclude cases listwise”是排除任何含有缺失值的選擇項(xiàng)。
5)提交執(zhí)行
輸入完成后,在過(guò)程主窗口中單擊“OK”按鈕,SPSS輸出分析結(jié)果如表4-5和表4-6。
6) 結(jié)果與分析
結(jié)果
表4-5 分組統(tǒng)計(jì)量列表 Group Statistics
表4-6 獨(dú)立樣本的檢驗(yàn)結(jié)果 Independent Samples Test
表4-6“Levene's Test for Equality of Variances”列方差齊次性檢驗(yàn)結(jié)果:F值為0.038,顯著性概率為0.847,因此兩組方差不顯著。
那么應(yīng)該從表4-6 的“Equal vari ances assumed”行讀取數(shù)值。t值是-2.539,Sig. (2-tailed)是雙尾t檢驗(yàn)的顯著性概率0.019,小于0.05??梢缘贸鼋Y(jié)論:病株與健株的株高差異顯著。
兩組的株高均值之差為13.56,平均病株低于健株13.56。差值的標(biāo)準(zhǔn)誤為5.341。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話(huà)題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類(lèi)分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類(lèi)分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10