SPSS学习笔记参数检验—两配对样本t检验
目的:检验两个有联系的正态总体的均值是否存在显著差异。
适用条件:有联系,正态总体,样本量要一样。一般可以分为一下四种:
①同一受试对象处理前后的对比:如对于糖尿病人,对同一组病人在使用新治疗方法前测量血糖含量,在使用后再次测量血糖含量,形成两组对比样本;一般是为了说明是否有作用。
②同一受试对象不同的部位数据
③同一样品用两种方法(仪器等)检验的结果;
④配对的两个受试对象分别接受两种处理后的数据:糖尿病人按照体重进行配对(60岁的两个配对,65岁的两个配对……)然后对配对的病人采用不同的治疗方法。
案例分析:
案例描述:检验喝茶前和喝茶后体重的均值是否发生了显著的变化来确定减肥茶的减肥效果。(数据来源:《统计分析与SPSS的应用》薛薇 第五章)
题目分析:体重变化和喝茶前后有关,同时总体近似服从正态分布,因此使用两配对样本t检验。
界面操作步骤:打开数据—分析—比较均值—配对样本t检验—设置参数—输出结果
关键步骤截图:
可以有多对成对变量
结果分析:
成对样本统计量 |
|||||
均值 |
N |
标准差 |
均值的标准误 |
||
对 1 |
喝茶前体重 |
89.2571 |
35 |
5.33767 |
.90223 |
喝后体重 |
70.0286 |
35 |
5.66457 |
.95749 |
成对样本相关系数 |
||||
N |
相关系数 |
Sig. |
||
对 1 |
喝茶前体重 & 喝后体重 |
35 |
-.052 |
.768 |
Sig=0.768>0.05,表明服用减肥茶前后的体重并没有明显的线性变化,线性相关程度较弱。
成对样本检验 |
|||||||||
成对差分 |
t |
df |
Sig.(双侧) |
||||||
均值 |
标准差 |
均值的标准误 |
差分的 95% 置信区间 |
||||||
下限 |
上限 |
||||||||
对 1 |
喝茶前体重 - 喝后体重 |
19.22857 |
7.98191 |
1.34919 |
16.48669 |
21.97045 |
14.252 |
34 |
.000 |
分析方法与单样本t检验类似。
注:喝茶前后相关系数越高,说明喝茶的作用其实并没有起多大作用。
参考书籍:
《统计分析与SPSS的应用》(第五版)薛薇
《SPSS统计分析从零开始》吴骏
《SPSS统计分析基础教程》张文彤
SPSS学习笔记参数检验—两配对样本t检验的更多相关文章
- SPSS学习笔记参数检验—两独立样本t检验
目的:利用来自两个总体的独立样本,推断两个总体的均值是否存在差异. 适用条件: (1)样本来自的总体应服从或近似服从正态分布: (2)两样本相互独立,两样本的样本量可以不等: 案例分析: 案例描述:评 ...
- SPSS学习笔记参数检验—单样本t检验
单样本t检验 目的:利用来自总体的样本数据,推断该总体的均值是否与指定的检验值存在差异. 适用条件:样本来自的总体应服从或者近似服从正态分布. 注:当样本量n比较大时:由中心极限定理得知,即使原数据不 ...
- SAS学习笔记25 t检验(单个样本t检验、配对样本t检验、两个独立样本t检验及方差不齐时的t'检验)
根据研究设计和资料的性质有单个样本t检验.配对样本t检验.两个独立样本t检验以及在方差不齐时的t'检验 单样本t检验 单样本t检验(one-sample t-test)又称单样本均数t检验,适用于样本 ...
- SPSS学习笔记之——Kaplan-Meier生存分析
SPSS学习笔记之--Kaplan-Meier生存分析 一.概述 关于生存分析的相关概念,Kaplan-Meier用于估计生存函数,允许有一个分组变量进行生存率的组间比较,还容许一个分层变量.若不考虑 ...
- 【Python学习笔记】使用Python进行T检验
使用Python进行T检验 所需要用到的第三方库有scipy. 均可以通过pip直接安装. pip install scipy numpy 引入第三方库 from scipy import stats ...
- Hadoop学习笔记(两)设置单节点集群
本文描写叙述怎样设置一个单一节点的 Hadoop 安装.以便您能够高速运行简单的操作,使用 Hadoop MapReduce 和 Hadoop 分布式文件系统 (HDFS). 參考官方文档:Hadoo ...
- 【web开发学习笔记】Structs2 Action学习笔记(两)
action学习笔记2-大约action method讨论 Action运行的时候并不一定要运行execute方法,能够在配置文件里配置Action的时候用method=来指定运行哪个方法 也能够在u ...
- Android开源项目SlidingMenu本学习笔记(两)
我们已经出台SlidingMenu使用:Android开源项目SlidingMenu本学习笔记(一个),接下来再深入学习下.依据滑出项的Menu切换到相应的页面 文件夹结构: watermark/2/ ...
- 挑子学习笔记:两步聚类算法(TwoStep Cluster Algorithm)——改进的BIRCH算法
转载请标明出处:http://www.cnblogs.com/tiaozistudy/p/twostep_cluster_algorithm.html 两步聚类算法是在SPSS Modeler中使用的 ...
随机推荐
- 剑指Offer(二十二):从上往下打印二叉树
剑指Offer(二十二):从上往下打印二叉树 搜索微信公众号:'AI-ming3526'或者'计算机视觉这件小事' 获取更多算法.机器学习干货 csdn:https://blog.csdn.net/b ...
- 《Tomcat和JVM的性能调优你真的学会了吗?》总结篇
Tomcat性能调优: 找到Tomcat根目录下的conf目录,修改server.xml文件的内容.对于这部分的调优,我所了解到的就是无非设置一下Tomcat服务器的最大并发数和Tomcat初始化时创 ...
- Python Web Flask源码解读(一)——启动流程
关于我 一个有思想的程序猿,终身学习实践者,目前在一个创业团队任team lead,技术栈涉及Android.Python.Java和Go,这个也是我们团队的主要技术栈. Github:https:/ ...
- Java 最全异常讲解
1. 导引问题 实际工作中,遇到的情况不可能是非常完美的.比如:你写的某个模块,用户输入不一定符合你的要求.你的程序要打开某个文件,这个文件可能不存在或者文件格式不对,你要读取数据库的数据,数据可能是 ...
- FineReport - 项目连接Oracle数据库
FineReport项目连接Oracle数据库 1:打开模板设计器,单击[服务器],选择[定义数据连接]: 2:单击[+],选择[JDBC]; 3:数据库选择[Oracle],驱动器选择[oracle ...
- 【Jmeter】- 使用 jmeter 进行 dubbo 接口测试
大家都知道 dubbo 是一个优秀 rpc 框架,它一般(dubbox 除外)通过对外提供 tcp协议的接口进行外部调用.而我们日常使用的测试工具 jmeter 并不支持 dubbo 协议的请求.所以 ...
- 【Linux命令】nohup命令
nohup命令 不挂断的运行,它会使您的脚本被忽略SIGHUP,并重定向stdout/stderr到一个文件nohup.out,以便在您注销后该命令可以在后台继续运行. 1)语法 nohup Comm ...
- NLP(二十四)使用LSTM构建生成式聊天机器人
准备 数据集:AIML数据集 下载数据集并用Notepad++打开,复制到txt文件中方便打开 代码实现 数据很少,训练轮次不多,结果不好,仅当示例 import numpy as np import ...
- tesseract-ocr下载
参考:http://www.tuicool.com/articles/E3MNziM 1.下载地址:https://sourceforge.net/projects/tesseract-ocr/fil ...
- P3355 骑士共存问题 二分建图 + 当前弧优化dinic
P3355 骑士共存问题 题意: 也是一个棋盘,规则是“马”不能相互打到. 思路: 奇偶点分开,二分图建图,这道题要注意每个点可以跑八个方向,两边都可以跑,所以边 = 20 * n * n. 然后di ...