
單樣本t檢驗(yàn)的spss實(shí)現(xiàn)
直接來(lái)看一個(gè)例子:
常規(guī)種植條件下某玉米品的平均穗重為 300g ?,F(xiàn)在采用根外施肥(即將肥料制成液體養(yǎng)分,噴灑到玉米的葉面)后,調(diào)查了 20 個(gè)玉米棒 ,其穗重如表 1所示。問(wèn):改用葉面施肥后,穗重是 否顯著增加了 ?(置信度為 95% 或者顯著水平 α=0.05)
表1 20個(gè)玉米穗的重量(單位:g)
這是一個(gè)單尾測(cè)驗(yàn),原假設(shè)和備擇假設(shè)是:
原假設(shè)(無(wú)效假設(shè)):葉面施肥沒(méi)有增產(chǎn)效果。
備擇假設(shè) :葉面施肥有增產(chǎn)效果
在SPSS中不能直接進(jìn)行單尾測(cè)驗(yàn),但是SPSS卻可以輸出t統(tǒng)計(jì)量的雙側(cè)檢驗(yàn)相伴概率sig,將得到的相伴概率除以2,即得到單尾測(cè)驗(yàn)的相伴概率。將這個(gè)相伴概率與0.05進(jìn)行比較,小于0.05則拒絕原假設(shè)。
單樣本t檢驗(yàn)的SPSS操作
首先將數(shù)據(jù)導(dǎo)入或者錄入到spss中,然后依次 選擇分析 <均值比較 <單樣本t檢驗(yàn). 出現(xiàn)如下圖所示的窗口。
將要檢驗(yàn)的變量“穗重”選入到“檢驗(yàn)變量”窗口,同時(shí)輸入給定的用于對(duì)比的那個(gè)值,此處為常規(guī)種植條件下的穗重均值300.設(shè)置完畢后,點(diǎn)擊確定。輸出結(jié)果中的描述性統(tǒng)計(jì)這里就不討論了,直接看t檢驗(yàn)的結(jié)果。
你可以找一本統(tǒng)計(jì)學(xué)教材,對(duì)著t分布表,查看一下自由度為19,顯著水平為0.05時(shí),的雙側(cè)檢驗(yàn)的t臨界值,將這里得到的t值與那個(gè)臨界值進(jìn)行比較,如果這里的t值大于那個(gè)臨界值,則拒絕原假設(shè),這和p值小于0.05是等價(jià)的。
如下圖所示,這里得到的雙側(cè)t檢驗(yàn)相伴概率為0.006,那么單側(cè)相伴概率為0.003,無(wú)論是雙側(cè)檢驗(yàn)還是單側(cè)檢驗(yàn),都可以拒絕原假設(shè),考慮到葉面施肥后的穗重均值為300+7=307,因此認(rèn)為葉面施肥能夠極顯著地增加穗重。
雙側(cè)檢驗(yàn)與單側(cè)檢驗(yàn)
下面兩張圖片中,第一個(gè)圖中黑色區(qū)域表示的是單側(cè)檢驗(yàn)的拒絕域。第二個(gè)圖表示的雙側(cè)檢驗(yàn)的拒絕域。同樣是0.05的置信水平,雙側(cè)檢驗(yàn)與單側(cè)檢驗(yàn),臨界值是不同的,因?yàn)楹谏珔^(qū)域的位置不同,盡管它們的總面積是相等的。
進(jìn)行大端單尾測(cè)驗(yàn)時(shí),當(dāng)計(jì)算得到的t統(tǒng)計(jì)量大于黑色區(qū)域與白色區(qū)域的臨界位置對(duì)應(yīng)的橫軸值時(shí),拒絕原假設(shè)。而這時(shí),相伴概率也一定小于0.05,因此使用相伴概率和t臨界值來(lái)決定原假設(shè)的取舍,原理本質(zhì)上是一樣的。只不過(guò)教材上進(jìn)行案例講解時(shí),一般使用臨界值,因?yàn)橄喟楦怕视?jì)算困難。而統(tǒng)計(jì)軟件一般直接給出相伴概率。(相伴概率即為p值或者spss輸出的sig值。)
進(jìn)行雙側(cè)檢驗(yàn)時(shí),計(jì)算得到的統(tǒng)計(jì)量落入兩邊任意一塊黑色區(qū)域,就應(yīng)該拒絕原假設(shè)?;蛘呦喟楦怕市∮?.05時(shí),拒絕原假設(shè)。(黑色區(qū)域表示的是一個(gè)很小的概率,這樣小的概率,通過(guò)一次試驗(yàn)一般是不會(huì)發(fā)生,如果發(fā)生,說(shuō)明原假設(shè)有問(wèn)題,說(shuō)明真實(shí)的分布不是原假設(shè)成立時(shí)的這個(gè)分布,均值要改變才行,均值改變了才能符合被檢驗(yàn)的數(shù)據(jù),所以被檢驗(yàn)的數(shù)據(jù)的均值與原來(lái)那個(gè)設(shè)定值是不同的。)
單側(cè)檢驗(yàn)的R語(yǔ)言實(shí)現(xiàn)
如果你一定要直接得出單側(cè)檢驗(yàn)的結(jié)果,那也不是沒(méi)有辦法,R語(yǔ)言可以直接得出單側(cè)檢驗(yàn)的結(jié)果。給出代碼如下:
t_test01.1<-read.csv(file="D:/單樣本t檢驗(yàn)_玉米.csv",header=TRUE)
#載入數(shù)據(jù)
t.test(t_test01.1$穗重,
alternative =c("greater"),
mu =300, paired =FALSE,
conf.level =0.95
) #進(jìn)行單樣本t檢驗(yàn)
輸出結(jié)果如下
OneSample t-test
data: t_test01.1$穗重
t=3.1239, df=19, p-value =0.002794
alternative hypothesis: true mean is greater than 300
95 percent confidence interval:
303.1254 Inf
sample estimates:
mean of x
307
得到 p-value =0.002794<0.05,拒絕原假設(shè),選擇備擇假設(shè):alternative hypothesis: true mean is greater than 300。(實(shí)際均值大于300)
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