学习笔记|单样本t检验|无统计学意义|规范表达|《小白爱上SPSS》课程:SPSS第四讲 | 单样本T检验怎么做?很单纯很简单!

news2024/11/18 11:49:38

目录

  • 学习目的
  • 软件版本
  • 原始文档
  • 一、实战案例
  • 二、案例解析
    • 本案例之目的
  • 四、SPSS操作
    • 1、正态性检验
      • Tips:无统计学意义
    • 2、t检验结果
  • 五、结果解读
  • 六、规范报告
    • 1、规范表格
    • 2、规范文字
  • 注意
  • 划重点

学习目的

SPSS第四讲 | 单样本T检验怎么做?很单纯很简单!

软件版本

IBM SPSS Statistics 26。

原始文档

《小白爱上SPSS》课程
单样本t检验,即考察单个样本的均值与给定常值之间是否存在差异。准确的表达是,检验单个样本所属的总体均值,与给定总体均值之间是否存在差异。如考察运动员心理健康水平与全国成年人心理健康的差异情况,再如某地区居民的身高与基本身高的差异情况,是连续型数据资料中最为常用的方法之一。

一、实战案例

小白共抽取到38名大侠们的体重数据如下,已知全国正常成年人体重平均常值为65kg,标准差为5kg,现需考察江湖中大侠们的体重与全国成年人体重之间是否有差异。
读取数据:

GET 
  FILE='E:\E盘备份\recent\小白爱上SPSS\小白数据\第四讲 单样本T检验.sav'. 

在这里插入图片描述

二、案例解析

这个案例包括1个变量,38名大侠的体重数据,为连续型变量。

本案例之目的

江湖中的大侠的体重均值与全国成年人体重均值(65kg)有无统计学差异。但江湖中的大侠有很多,不可能穷尽。小白只抽样调查了38名大侠体重,用于代表总体大侠体重,由于存在抽样误差,故需进行统计推断。
三、统计策略
统计分析策略口诀“目的引导设计,变量确定方法”(啥意思?请点击此处一张脑图搞定!统计方法选择)一张图连接。
针对上述案例,扪心自问。
Q1:本案例研究目的是什么?
A:比较差异。比较单个样本均值与给定总体均值(总体平均数μ)之间差异
Q2:本案例属于什么研究设计?
A:属于观察性研究
Q3:有几个变量?
A:只有一个变量
Q4:变量类型是什么?
A:连续型变量
Q5:连续型变量服从正态分布么?
A:需要检验
Q6:可采用何种统计方法?
A:如果服从正态分布(或者近似正态分布),则采用单样本T检验,若是严重偏态分别,则采用秩和检验。
概括而言,如果数据满足以下条件,则采用单样本T检验。
在这里插入图片描述

四、SPSS操作

1、正态性检验

正态性检验的SPSS操作步骤请点击《第三讲 | 正态分布怎么检验》,这里只呈现检验结果。
直方图绘制:GRAPH /HISTOGRAM(NORMAL)=体重.
在这里插入图片描述
数据频数分布直方图的形状比较接近于倒扣的“钟形”,左右两边具有对称性,可认为该数据为正态分布数据。
正态检验:

EXAMINE VARIABLES=体重
  /PLOT BOXPLOT NPPLOT /*若无此行,则不输出正态性检验表*/
  /COMPARE GROUPS 
  /STATISTICS DESCRIPTIVES 
  /CINTERVAL 95 
  /MISSING LISTWISE 
  /NOTOTAL.

在这里插入图片描述
正态性检验属于非参数检验,原假设为“样本来自的总体与正态分布无显著性差异”,只有P>0.05才能接受原假设,即数据符合正态分布。
经S-W检验,体重数据的P=0.601(P>0.05,接受原假设),没有统计学意义,并结合直方图可认为该组数据符合正态分布。

Tips:无统计学意义

参考什么叫做无统计学意义。
p值小于0.05时,表示结果在统计学上具有显著性
这是因为在统计学中,研究者通常会采用显著性水平(Significance Level,α)为0.05作为判断的标准。
换句话说,α=0.05表示研究者可接受出现错误判断(Type I Error,即将无效结果判断为有效)的概率不超过5%。
那么,当p值小于0.05时,说明在显著性水平α=0.05下,观察到的结果仅有不超过5%的概率是由于采样误差或其他随机因素造成的。
因此,p值小于0.05意味着研究结果具有统计学意义,即结果被认为在95%的可信度下,拒绝原假设,表示该测试有统计学上的显著性。
简言之,p<0.05表示有小于5%的概率是观察到假阳性结果,因此我们有足够的证据支持研究结果的统计学意义。这就是p值在统计推断中被广泛应用的原因。

2、t检验结果

Step1:打开SPSS,依次点击“分析——比较平均值——单样本T检验”。
在这里插入图片描述
Step2:出现如下“单变量T检验”窗口。将需要进行T检验的变量“体重”选入右侧“检验变量”框中,并输入检验值“65”。
Step3:点击“确定”。得到“单样本统计”表和“单样本检验”表。
命令行:

T-TEST 
  /TESTVAL=65 
  /MISSING=ANALYSIS 
  /VARIABLES=体重 
  /CRITERIA=CI(.95).

五、结果解读

t检验统计分析有两张表,一张为“但样本统计”,另外一张“单样本检验”。
第一张表“单样本统计”分别提供体重数据的样本数(n)、平均值(mean)、标准差(SD)、标准误(SE)。
在这里插入图片描述
第二张表“单样本”给于了t检验的结果。
在这里插入图片描述
本题中t=3.055,df=37, P(Sig.双尾)=0.004(差异具有统计学意义,说明两总体之间有显著性差异)。同时还给出了平均值差值为4.2237,该差值=大侠体重均值(69.2237)减去全国体重均值(65)。
最后是差值95置信区间(95% CI)上下限为1.422~7.025。
注意:差值95%CI不包括0,说明两总体之间有显著性差异。本例中95%下限为1.422,上限为7.025,没有包括0,所以差异具有统计学意义。

六、规范报告

规范报告有多种方式,本公众号只提供一种方式供参考。

1、规范表格

表 大侠与全国成人的体重差异比较结果
在这里插入图片描述

2、规范文字

经S-W检验以及直方图结果显示,数据服从正态分布,故采用单样本T检验。T检验结果显示,大侠的体重显著性高于全国成年人的体重,t=3.06,p=0.004, 95%CI为(1.42~7.03)。

注意

1、虽然有些论文没有报告t、p,只是用*标识显著性,本公众号建议初学者应报告t、p值,以更深刻地理解其含义;
2、现在越来越多的文章需要提供差值的的95%CI, 所以建议今后统计分析时报告差值的95%CI。
3、单样本t检验之前,一定要进行正态性检验,并简要报告正态性检验结果。

划重点

1、单样本t检验一般用于观察性研究,比较单个样本的均值与给定常值之间是否存在差异。
2、单样本t检验的统计策略:单一变量、连续型变量和数据服从正态分布。
3、如果数据服从正态(或近似正态)分布,采用单样本t检验,否则采用秩和检验。
4、建议规范报告t值、p值和差值的95%CI,以及简要报告正态性检验结果。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1155577.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Python爬取读书网的图片链接和书名并保存在数据库中

一个比较基础且常见的爬虫&#xff0c;写下来用于记录和巩固相关知识。 一、前置条件 本项目采用scrapy框架进行爬取&#xff0c;需要提前安装 pip install scrapy# 国内镜像 pip install scrapy -i https://pypi.douban.com/simple 由于需要保存数据到数据库&#xff0c;因…

CCLINK IEFB转Profinet协议网关连接1200和三菱FX5U的通讯方法

捷米JM-PN-CCLKIE这款网关主要功能是实现CCLINK IEFB总线和PROFINET网络的数据互通。 JM-PN-CCLKIE网关连接到PROFINET总线中做为从站使用&#xff0c;连接到CCLINK IEFB总线中做为从站使用。该产品主要功能是实现CCLINK IEFB总线和PROFINET网络的数据互通。JM-PN-CCLKIE网关分…

PyQt5:构建目标检测算法GUI界面 (附python代码)

文章目录 1.界面2.代码3.Analyze 1.界面 目标检测算法一般就是检测个图片&#xff0c;然后显示图片结果。 最简单的情况&#xff0c;我们需要一个按钮读取图片&#xff0c;然后后有一个地方显示图片。 2.代码 import sys import numpy as np from PIL import Imagefrom PyQt…

问题 C: 搬寝室(DP)

算法分析&#xff1a; 题目意思为求n个物品&#xff0c;拿k对使得消耗的体力最少&#xff0c; 或者说是这k对物品&#xff0c;每一对中两件物品的质量差平方最小&#xff0c; 所以要使得质量差的平方小&#xff0c;只能排序后取质量相邻两个物品作为一对&#xff1b; 现在设f…

Leetcode刷题笔记--Hot91--100

1--汉明距离&#xff08;461&#xff09; 主要思路&#xff1a; 按位异或&#xff0c;统计1的个数&#xff1b; #include <iostream> #include <vector>class Solution { public:int hammingDistance(int x, int y) {int z x ^ y; // 按位异或int res 0;while(…

行情分析——加密货币市场大盘走势(10.31)

目前大饼依然在33000-36000这个位置震荡&#xff0c;需要等待指标修复&#xff0c;策略就是逢低做多&#xff0c;做短线。最近白天下跌&#xff0c;晚上涨回来&#xff0c;可以小仓位入场多单&#xff0c;晚上离场下车。 以太同样是震荡行情&#xff0c;看下来以太目前在补涨&a…

virtual 关键字中 cv限定符的使用

对于如下定义&#xff1a; struct A { virtual int f( ) { return 1; } } a; struct B: A {int f( ) const { return 2; }int f( ) volatile { return 3; }int f( ) const volatile { return 4; } } c; int main(int argc, char *argv[ ]) { A *p&c; return p->f( ); } …

公共字段自动填充、菜品管理

一、公共字段填充 1.1、问题分析 1.2、实现思路 1.3、代码开发 1.3.1、自定义注解 import com.sky.enumeration.OperationType;import java.lang.annotation.ElementType; import java.lang.annotation.Retention; import java.lang.annotation.RetentionPolicy; import jav…

88 每日温度

每日温度 理解为什么用栈&#xff1a;一种在连续数据里的局部关系&#xff0c;这道题体现在temp[0]只和第一个比它大的值下标有关题解1 逆波兰栈改进(单调栈) 给定一个整数数组 temperatures &#xff0c;表示每天的温度&#xff0c;返回一个数组 answer &#xff0c;其中 a…

【代码随想录03】哈希总结

哈希算法总结&#xff0c;拿去吧&#xff01;留下个赞

1-1 暴力破解-枚举

枚举&#xff1a;枚举所有的情况&#xff0c;逐个判断是否是问题的解 判断题目是否可以使用枚举&#xff1a;估算算法复杂度 1秒计算机大约能处理107的数据量&#xff0c;即O(n)107&#xff0c;则O(n2)能处理的数据量就是根号107≈3162 复杂度对应的数据量是该算法能处理的最…

SpringBoot2.7.17整合redis7

需要的依赖库&#xff1a; <dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency><dependency><groupId>org.springframework.boot</gro…

0基础学习PyFlink——个数滑动窗口(Sliding Count Windows)

大纲 滑动&#xff08;Sliding&#xff09;和滚动&#xff08;Tumbling&#xff09;的区别样例窗口为2&#xff0c;滑动距离为1窗口为3&#xff0c;滑动距离为1窗口为3&#xff0c;滑动距离为2窗口为3&#xff0c;滑动距离为3 完整代码参考资料 在 《0基础学习PyFlink——个数…

电源控制系统架构(PCSA)之电源控制框架

安全之安全(security)博客目录导读 PCSA的主要目的是描述SoC系统电源控制集成的标准方法。这种方法的一个关键组成部分是电源控制框架。下图显示了电源控制框架概念的高级说明。 电源控制框架是标准基础设施组件、接口和相关方法的集合&#xff0c;可用于构建SoC电源管理所需的…

【Java初阶练习题】-- 循环练习题

循环练习题 1. 根据年龄, 来打印出当前年龄的人是少年(低于18), 青年(19-28), 中年(29-55), 老年(56以上)2. 判定一个数字是否是素数3. 打印 1 - 100 之间所有的素数4. 输出 1000 - 2000 之间所有的闰年5. 输出乘法口诀表6. 求两个正整数的最大公约数7. 求出0&#xff5e;999之…

滚动条默认是隐藏的只有鼠标移上去才会显示

效果 在设置滚动条的类名中写 /* 滚动条样式 */.content-box::-webkit-scrollbar {width: 0px; /* 设置纵轴&#xff08;y轴&#xff09;轴滚动条 */height: 0px; /* 设置横轴&#xff08;x轴&#xff09;轴滚动条 */}/* 滚动条滑块&#xff08;里面小方块&#xff09; */.…

Bellman-ford 贝尔曼-福特算法

Bellman-ford算法可以解决负权图的单源最短路径问题 --- 它的优点是可以解决有负权边的单源最短路径问题&#xff0c;而且可以判断是否负权回路 它也有明显的缺点&#xff0c;它的时间复杂度O&#xff08;N*E&#xff09;&#xff08;N是点数 &#xff0c; E是边数&#xff09…

实现多平台兼容性:开发同城外卖小程序的技术策略

在移动互联网时代&#xff0c;外卖行业的快速崛起改变了人们点餐的方式。随着小程序的兴起&#xff0c;开发同城外卖小程序成为了许多企业的重要战略。然而&#xff0c;小程序的多平台兼容性成为了一项关键挑战。本文将探讨如何实现多平台兼容性&#xff0c;以开发高效且用户友…

LeetCode 2402.会议室III ----堆+模拟

5e5 的st与ed 容易看出来是用堆来写的一道题目&#xff0c;一开始我只用了一个堆&#xff0c;出现了问题 问题就是当我们当前这个会议有多个可以选择的会议室可以选择的时候不一定选择那个最先结束的会议室而是应该选择可以选择的那些里面编号最小的那一个&#xff0c;因此我们…

ConfigurationProperties之宽松绑定

前面我们讲了ConfigurationProperties 但这个东西只能匹配小写 我这样写就正常 但当我们将配置文件和属性类都改成大写时 配置文件一切正常 但ConfigurationProperties就开始报错了 这涉及到一个知识点 宽松绑定 也叫做 松散绑定 其实 ConfigurationProperties提供给我们了…