試驗2,spss基本統(tǒng)計

試驗2，spss基本統(tǒng)計分析與統(tǒng)計推斷SPSS基本統(tǒng)計分析頻數分析計算基本描述統(tǒng)計量探索性數據分析概率分布密度函數常見的概率分布曲線描述數據分布形狀的特征量偏度g1：分布形狀的左右對稱性。g1>0，正偏態(tài)；g1<0，負偏態(tài)峰度g2：以正態(tài)分布為標準，描述分布峰態(tài)的指標。g2>0，尖峭峰；g2<0，平闊峰正態(tài)性檢驗一、頻數分析目的：粗略把握數據的分布特征功能：編制頻數分布表：頻數、百分比、累計百分比繪制頻數分析中常用統(tǒng)計圖：條圖、餅圖、直方圖計算基本描述統(tǒng)計量例：數據為<住房狀況調查.sav>,對分析被調查家庭中戶主的從業(yè)狀況和目前所住房屋的產權情況?；静僮鳎篈nalyze－DescriptiveStatistics－Frequencies選項按鈕：Statistics：選擇輸出統(tǒng)計量：集中、離散趨勢、分布特征、百分位數。Charts：選擇繪制的圖形：條圖、餅圖、直方圖（僅用于定量變量）。Format：定義頻數表輸出格式二、計算基本描述統(tǒng)計量目的：精確把握變量的總體分布狀況。用途：計算變量的集中趨勢、離散趨勢、偏度、峰度等指標，繪制統(tǒng)計圖。例：數據為住<房狀況調查.sav>,對人均住房面積計算基本描述統(tǒng)計量，并對本市戶口和外地戶口家庭進行比較。注：先對數據按照戶口狀況進行拆分。步驟：分析描述統(tǒng)計描述按【選項】按【繼續(xù)】按【確定】。Explore過程可計算分組或不分組的描述性統(tǒng)計量幾個過程的其他功能DescriptiveStatistics－Descriptives過程的獨有功能例：你能很快找到取款數目異常（>3σ）的儲戶嗎？標準化變換CompareMeans－Means過程的獨有功能分組輸出統(tǒng)計量分層輸出統(tǒng)計量方差分析和eta統(tǒng)計量線性趨勢檢驗統(tǒng)計量三、探索性數據分析（Explore）基本操作：DescriptiveStatistics－Explore過程目的：對數據進行初步考察用途：計算整體或分組數據的描述性統(tǒng)計指標輸出描述性統(tǒng)計圖：莖葉圖、直方圖、箱式圖正態(tài)性檢驗、方差齊性檢驗檢查數據的錯誤，辨認奇異值

Options：缺失值處理

1、某觀測在所選擇的變量中有缺失值時，該觀測不參與全部分析

2、僅在與該變量有關的分析中視為缺失值

3、缺失值做為一個組別輸出Plots：1、輸出圖形：箱式圖、莖葉圖、直方圖

2、正態(tài)性檢驗及圖示

3、Levene方差齊性檢驗例：居民儲蓄調查描述城鄉(xiāng)居民存取款金額的差別檢查存取款金額的離群點（Outliers）和極端值（Extremevalues）對存取款金額進行正態(tài)性檢驗和方差齊性檢驗，以便進一步選擇分析方法。樣本量n<=50時，存(取)款金額Stem-and-LeafPlotforA13=城鎮(zhèn)戶口

FrequencyStem&Leaf77.000.00111122222233334555555555555666778&34.001.0000000000003455&12.002.00000&12.003.00000&5.004.0&13.005.0000004.006.5&8.007.000&4.008.0&4.009.0&11.0010.0000016.00Extremes(>=15000)Stemwidth:1000Eachleaf:2case(s)

&denotesfractionalleaves.箱式圖是在剔除了變量的極端值、離群點后計算統(tǒng)計量并繪制的。中間的黑粗線為中位數，紅框為四分位間距的范圍，上下兩個細線為最大、最小值。

總體和樣本樣本的基本描述由樣本推斷整體基本概念統(tǒng)計推斷總體和樣本樣本的描述由樣本推斷整體——抽樣由樣本推斷整體——估計由樣本推斷整體——參數估計參數估計的方法有點估計和區(qū)間估計二種.區(qū)間估計給出總體未知參數所在的可能區(qū)間即置信區(qū)間,它會隨樣本的不同而不同,可以解決參數估計的精確度與可靠性問題,它能夠以一定的置信度保證估計的正確性.置信度與精確度關系:一般情況下,置信度越高,允許誤差越大,精確度越低.在樣本容量一定時,通常是在確保一定置信度的前提下提高精確度.掌握的樣本不同所用區(qū)間估計的公式不同.是否為大樣本n≥30σ值是否已知σ值是否已知總體是否近似正態(tài)分布用樣本標準差s估計δ用樣本標準差s估計δ將樣本容量增加到n≥30以便進行區(qū)間估計是是是是否否否否總體均值區(qū)間估計程序總體均值的區(qū)間估計簡單隨機抽樣待估計參數已知條件置信區(qū)間正態(tài)總體，σ2已知正態(tài)總體，σ2未知n＜30非正態(tài)總體，n≥30σ未知時，用S有限總體，n≥30（不重復)總體均值（μ）σ未知時，用S（一）一個總體均值的區(qū)間估計檢驗值欄選擇置信度和控制缺失值處理檢驗變量欄(三)兩個總體均值之差的區(qū)間估計待估計參數已知條件置信區(qū)間兩個正態(tài)總體已知兩個正態(tài)總體未知但相等兩個非正態(tài)總體n1，n2≥30兩個總體均值之差μ1-μ2打開Independent-SamplesTTest對話框,檢驗變量欄分組變量欄,只能有一個分組變量定義分組按鈕案例11、學生對教學改革態(tài)度的分析(onesample)

某校在對實行掛牌上課教學改革措施的效果評價中，隨機抽選了60位學生進行態(tài)度調查，他們的10項態(tài)度量表的態(tài)度反映資料如下：掛牌上課態(tài)度反映得分（X）人數（f)10—2020—3030—4040—5050—6060—702610122010合計60案例1

(1分表示“很不同意”，7分表示“很同意”，將10項態(tài)度分累加后得一總態(tài)度分，這種量叫7級李克累加量表）：試計算：（1）學生態(tài)度得分的平均值和標準差；（2）構造學生態(tài)度得分平均值的98%置信區(qū)間。操作步驟:（1）定義變量X和f,X為組中值，輸入數據資料；（2）選擇AnalyzeComparemeansone-sampleTTest（3）將變量X放入Test欄中（4）激活子對話框，置信度為98%，單擊按鈕，返回one-sampleTTest主對話框；（5）單擊按鈕執(zhí)行。Options…ContinueOKT-Test

結論:表1:學生態(tài)度得分的平均值為47分,標準差為13.6295分.表2:以98%的置信區(qū)間估計學生總體態(tài)度得分平均值的置信區(qū)間為(42.7925,51.2075)從中可以反映出學生對掛牌上課這一教改措施普遍贊成,但并不十分擁護,可見還需進一步改進和完善.案例2___電視廣告平均受益量的估計2、某電視臺廣告部想要估計一下各企業(yè)在該電臺的黃金時間播放電視廣告后的一個月內的平均受益量.為此他們抽取了33家播放廣告的同類企業(yè)的隨機樣本,資料如下：

該電視臺想以95%的置信度宣布平均受益量(平均利潤增長量),試構造適當的置信區(qū)間.案例2企業(yè)序號1234567891011利潤增量(萬元)7.38.67.76.59.48.37.110.25.49.28.8企業(yè)序號1213131415161718192021利潤增量(萬元)9.76.94.311.28.28.77.69.16.68.58.9企業(yè)序號2324252627282930313233利潤增量(萬元)10.412.814.67.511.76.013.213.69.05.99.6解:該電視臺宣布的平均受益量應該是最小受益量,故構造置信下限.設X為企業(yè)利潤增量.操作步驟:

（1）定義變量X輸入數據資料；（2）選擇AnalyzeComparemeansone-sampleTTest（3）將變量X放入Test欄中（4）激活

子對話框，置信度改為90%，單擊按鈕，返回one-sampleTTest主對話框；（5）單擊OK按鈕執(zhí)行Options…ContinueT-Test結論:表1:33家平均受益量為8.8636萬元,標準差為2.4027萬元.表2:該項電視臺可以95%的置信度宣布在該電臺黃金時間做廣告給企業(yè)帶來的平均受益量至少在8.012萬元以上.2、Paired-SamplesTTest過程配對變量欄當前選擇欄選擇項按鈕實例分析4___吸煙有害廣告作用的分析(Paired)

形形色色的廣告已深入到社會各個方面,與人民生活密不可分.成功的廣告將留給人們較深的印象,并帶給企業(yè)豐厚的回報,如何鑒定廣告的效果,如何選擇最佳的廣告制作,對此西方國家更多地采用統(tǒng)計方法來判斷,舉例如下:

為了研究吸煙有害廣告對吸煙者減少吸煙量甚至戒煙是否有作用,從某吸煙者中隨機抽取33位吸煙者,調查他們在觀看廣告前后的每天吸煙量(支)數據如下表.試問影片對他們的吸煙量有無產生作用?為了支持你的答案,請構造一個99%的置信區(qū)間.吸煙者編號1234567891011看前X1(支)看后X2(支)20181515141011101213161219152620221716799吸煙者編號1213141516171819202122看前X1(支)看后X2(支)1710333425208441401910263016163120271862吸煙者編號2324252627282930313233看前X1(支)看后X2(支)13112422222548504134669133827251129102821解:配對樣本的試驗,比較觀看前后平均數的大小可解決第一個問題,求出兩平均數之差的99%的雙側置信區(qū)間可解答第二個問題.操作步驟:1）定義變量X1和X2,輸入數據；（2）選擇AnalyzeComparemeansPaired-samplesTTest（3）將變量X1和X2放入Test欄中（4）激活Options…

子對話框，置信度改為99%，單擊Continue按鈕，返回Paired-samplesTTest主對話框；（5）單擊OK按鈕執(zhí)行結論:表1:顯示觀看影片前的平均每日吸煙量約為21.5758支.觀看影片后的平均每日吸煙量約為17.5758支,說明該影片發(fā)生了作用.表2:反映了影片觀看前與后存在著顯著相關關系,相關系數為0.878.表3:顯示了前后兩個總體平均每日吸煙量之差的99%置信區(qū)間為(1.4888,6.5112),這意味著不管隨機抽到哪幾對樣本單位做調查,均有99%的把握保證,觀看影片前的平均每日吸煙量大于觀看影片后的平均每日吸煙量之差在(1.4888支至6.5112支之間,即大約在2—7支之間.假設檢驗—基本概念原假設(nullhypothesis)H0:在統(tǒng)計學中,把需要通過樣本去推斷正確與否的命題,稱為原假設,又稱虛無假設或零假設.它常常是根據已有資料或經過周密考慮后確定的.備擇假設(alternativehypothesis)H1:也叫擇一假設,原假設被否定之后應選擇的與原假設邏輯對立的假設.顯著性水平(significantlevel)α:確定一個事件為小概率事件的標準,稱為檢驗水平.亦稱為顯著性水平.通常取α=0.05,0.01,0.1)H0——原假設(nullhypothesis)，

H1——備擇假設(alternativehypothesis)

雙尾檢驗(twotailedtset)：H0：μ=μ0

，H1：μ≠μ0單尾檢驗(onetailedtset)

：H0：μ≥μ0

，H1：μ＜μ0H0：μ≤μ0

，H1：μ＞μ0

假設檢驗就是根據樣本觀察結果對原假設（H0）進行檢驗，接受H0，就否定H1；拒絕H0，就接受H1。假設及檢驗的形式：假設檢驗問題的基本步驟：(1)提出假設：原假設H0及備擇假設H1(2)選擇適當的檢驗統(tǒng)計量，并指出H0成立時該檢驗統(tǒng)計量所服從的抽樣分布

(3)根據給定的顯著性水平，查表確定相應的臨界值，并建立相應的小概率事件，

(4)根據樣本觀察值計算檢驗統(tǒng)計量的值H0(5)將檢驗統(tǒng)計量的值與臨界值比較，當檢驗統(tǒng)計量的值落入拒絕域時拒絕H0而接受H1；否則不能拒絕H0，可接受H0?！?.2假設檢驗的方法假設檢驗的方法有三種:置信區(qū)間法\接受域法\P值法.置信區(qū)間法即是根據樣本資料求出在一定把握程度下的總體參數的置信區(qū)間,若該區(qū)間包括了則不能拒絕H0,否則拒絕H0接受域法則是先根據顯著性水平確定相應的側分點即接受域如

,然后計算在H0

成立下的檢驗統(tǒng)計量的值Z,若其落在接受域內則不能拒絕H0,否則拒絕H0P值說明(α=0.05)小于0.010.01~０.０5大于0.05具有高度統(tǒng)計顯著性,非常強的證據拒絕原假設具有統(tǒng)計顯著性，適當的證據可拒絕原假設較不充分的證據拒絕原假設—接受已知原始數據資料的假設檢驗(CompareMeans)OneSampleTTest過程主要用于單個總體均值的假設檢驗.例1:某廠用自動包裝機裝箱,在正常情況下,每箱重量服從正態(tài)分布(100,1.22),某日開工后,隨機抽測12箱,重量如下(單位:公斤)99.2\98.8\100.3\100.6\99.0\99.5\100.7\100.9\99.1\99.3\100.1\98.6問包裝機工作是否正常?(α=0.05方差不變)操作步驟:這是已知原始數據的單個總體均值雙尾檢驗問題．依題意，設H0：μ=１００，H1：μ≠１００(1)定義變量X,輸入數據;(2)選擇Analyze

CompareMeans

One–SampleTTest(3)將變量X放置Test欄中,并在Test框中輸入數據100(4)單擊OK按鈕執(zhí)行.One-SampleTTestT-Test結果說明：從表中可以看出，樣本單位的平均重量為99.675公斤檢驗統(tǒng)計量t=-1.403自由度df=11雙尾Ｐ＝0.188因為Ｐ值大于α，所以接受H0；拒絕H1，即包裝機工作是正常的例2.某廠電子元件的壽命X(以小時計)服從正態(tài)分布.現(xiàn)測得18只元件的壽命如下:270\148\159\111\198\164\123\258\247\160\430\188\302\233\196\312\178\267.問是否有理由認為元件的平均壽命大于210小時(α=0.05)?H0：μ≤２１0，H1：μ＞２１０操作步驟:基本同上例※處理單尾概率=雙尾概率