揭开统计分析的秘密:独立样本和配对样本T检验实战案例

news2024/10/6 0:35:57

一、独立样本T检验

1.收集20名学生的自信心值

见下表,试问该指标是否与性别有关?(非参数检验或参数检验)

数据值

性别

1,1,1,1,2,2,1,1,1,2,2,1,2,2,2,1,1,2,2,2

自信心

6,8,5,6,6,4,8,5,3,8,6,5,5,7,8,5,6,8,7,4

连续性变量,两个变量=>独立样本T检验

整体步骤:

(1)变量视图设置好

(2) 分析--比较平均值--独立样本T检验

根据提供的SPSS输出结果,我们可以解读以下内容:

独立样本t检验结果

莱文方差等同性检验

莱文方差等同性检验F值显著性 (Sig.)
假定等方差0.2730.608

莱文方差等同性检验(Levene's Test for Equality of Variances)用于检验两个样本组的方差是否相等。具体结果解读如下:

  • F值:0.273
  • 显著性 (Sig.):0.608

显著性 (Sig.) 值大于0.05,说明我们不能拒绝原假设,即假设两个组的方差是相等的。

t检验(假定等方差)

t检验t值自由度Sig.(双尾)平均值差值标准误差差值差值95%置信区间下限差值95%置信区间上限
假定等方差-0.876180.392-0.6000.685-2.0390.839
不假定等方差-0.87617.9600.392-0.6000.685-2.0390.839

假定方差相等和不假定方差相等的t检验结果相同,这意味着无论我们假定方差是否相等,结果一致。这里主要关注的是假定等方差的结果,因为莱文检验显示方差相等:

  • t值:-0.876
  • 自由度 (df):18
  • Sig.(双尾):0.392
  • 平均值差值:-0.600
  • 标准误差差值:0.685
  • 95%置信区间下限:-2.039
  • 95%置信区间上限:0.839

结果解读

1. 显著性 (Sig.(双尾))

显著性 (Sig.(双尾)) 值为0.392,远大于0.05。这表明在0.05的显著水平下,我们不能拒绝零假设(即假设两组的平均自信心值相等)。换句话说,统计检验未能找到足够证据表明自信心值在性别之间存在显著差异。

2. 平均值差值

平均值差值为-0.600,这意味着男性和女性自信心值的平均差异是-0.600。尽管负数表明男性自信心值稍低于女性,但这一差异并不显著。

3. 置信区间

差值95%的置信区间为[-2.039, 0.839],包括了0。这进一步表明平均差值没有显著偏离零,因此支持Sig.(双尾)的结果,即自信心值在性别之间没有显著差异。

结论

根据独立样本t检验的结果,不能得出自信心值在男性和女性之间存在显著差异的结论。数据显示的平均值差异(-0.600)不显著,并且置信区间也包含了0。这意味着在我们的样本中,性别对自信心值没有显著影响。

2.CCSS项目中

将受访家庭按照年收入是否大于4.8万元人民币分为两组,

这里以2007年4月的数据为例,比较这两组家庭的消费者信心均值有无差异。 

整体步骤:

(1)时间选择个案

(2)独立样本T检验

独立样本t检验结果

莱文方差等同性检验

莱文方差等同性检验F值显著性 (Sig.)
假定等方差11.9300.001

莱文方差等同性检验(Levene's Test for Equality of Variances)用于检验两个样本组的方差是否相等。具体结果解读如下:

  • F值:11.930
  • 显著性 (Sig.):0.001

显著性 (Sig.) 值小于0.05,说明我们拒绝原假设,即假设两个组的方差是相等的。因此,在分析中我们不能假定两组的方差是相等的

t检验(假定等方差和不假定等方差)

t检验t值自由度Sig.(双尾)平均值差值标准误差差值差值95%置信区间下限差值95%置信区间上限
假定等方差-6.0472530.000-13.701732.26593-18.16421-9.23924
不假定等方差-5.771186.1970.000-13.701732.37431-18.38574-9.01771

由于莱文检验结果显示方差不等,因此我们主要关注不假定等方差的结果:

  • t值:-5.771
  • 自由度 (df):186.197
  • Sig.(双尾):0.000
  • 平均值差值:-13.70173
  • 标准误差差值:2.37431
  • 95%置信区间下限:-18.38574
  • 95%置信区间上限:-9.01771

结果解读

1. 显著性 (Sig.(双尾))

显著性 (Sig.(双尾)) 值为0.000,远小于0.05。这表明在0.05的显著水平下,我们拒绝零假设(即假设两组的平均总指数相等)。换句话说,统计检验发现总指数存在显著差异。

2. 置信区间

差值95%的置信区间为[-18.38574, -9.01771],不包括0。这进一步支持了平均差值显著偏离零,因此支持Sig.(双尾)的结果,即总指数存在显著差异。

结论

根据独立样本t检验的结果,我们可以得出总指数存在显著差异。置信区间明确地表明了这一差异的范围,并不包括零,这进一步强化了结果的可靠性。

二、配对样本T检验

1.用某药治疗8名高血脂病人

对每一病人用药前后的血清胆固醇进行测量,问药效如何?(配对样本T检验)

配对样本统计

配对平均值个案数标准偏差标准误差平均值
before216.88842.30014.955
after214.00838.96913.778

配对样本相关性

配对个案数相关性显著性 (Sig.)
before & after80.8330.010

配对样本检验

配对配对差值t值自由度Sig.(双尾)
before - after平均值: 2.875标准偏差: 23.727标准误差平均值: 8.389差值 95% 置信区间下限: -16.961

结果解读

1. 配对样本统计

  • "before" 的平均值是 216.88,"after" 的平均值是 214.00。这表明在处理前后的平均值上有一个小的减少。
  • 标准偏差较大,这表明数据有较大的变异性。

2. 配对样本相关性

  • 配对样本的相关性是0.833,显著性 (Sig.) 值为0.010。这表明before和after之间有较强的正相关性,并且这种相关性在0.05的显著水平下是显著的。

3. 配对样本检验

  • 配对差值的平均值是2.875,标准偏差是23.727,标准误差平均值是8.389。
  • 差值95%的置信区间为[-16.961, 22.711],这表示差值的真实均值有95%的可能性在这个区间内。
  • t值为0.343,自由度为7,显著性 (Sig.(双尾)) 为0.742。

4. 显著性 (Sig.(双尾))

显著性 (Sig.(双尾)) 值为0.742,大于0.05。这表明在0.05的显著水平下,我们不能拒绝零假设(即假设before和after的平均值相等)。换句话说,统计检验未能找到足够证据表明处理前后在平均值上存在显著差异。

结论

基于配对样本t检验的结果,尽管before和after的平均值有所不同,但这种差异在统计上并不显著。以下是具体结论点:

  1. 配对相关性:before和after的自信心值之间有显著的正相关性。
  2. 平均值差异:before和after的平均值差异(2.875)虽然存在,但在统计上不显著(Sig.(双尾) = 0.742 > 0.05)。
  3. 置信区间:差值的95%置信区间包括了零([-16.961, 22.711]),这进一步支持了结论,即处理前后在平均值上的差异并不显著。

总的来说,我们的分析结果表明,在这8个样本中,处理前后的平均值差异并不显著。因此,我们不能得出处理对总指数有显著影响的结论。

2.用某药治疗10名高血压病人

对每一病人治疗前后的舒张压(mmHg)进行了测量,问该药有无降压作用。

配对样本统计

配对平均值个案数标准偏差标准误差平均值
pre-treatment122.10001011.318133.57911
post-treatment112.10001016.175775.11523

配对样本相关性

配对个案数相关性显著性 (Sig.)
pre-treatment & post-treatment100.6740.033

配对样本检验

配对配对差值t值自由度Sig.(双尾)
pre-treatment - post-treatment平均值: 10.00000标准偏差: 11.95361标准误差平均值: 3.78006差值 95% 置信区间下限: 1.44890

结果解读

1. 配对样本统计

  • "pre-treatment" 的平均值是 122.1000,"post-treatment" 的平均值是 112.1000。这表明在治疗后,舒张压平均值降低了10 mmHg。
  • 标准偏差较大,这表明数据有一定的变异性。

2. 配对样本相关性

  • 配对样本的相关性是0.674,显著性 (Sig.) 值为0.033。这表明治疗前后的舒张压之间有较强的正相关性,并且这种相关性在0.05的显著水平下是显著的。

3. 配对样本检验

  • 配对差值的平均值是10.00000,标准偏差是11.95361,标准误差平均值是3.78006。
  • 差值95%的置信区间为[1.44890, 18.55110],这表示差值的真实均值有95%的可能性在这个区间内。
  • t值为2.645,自由度为9,显著性 (Sig.(双尾)) 为0.027。

4. 显著性 (Sig.(双尾))

显著性 (Sig.(双尾)) 值为0.027,小于0.05。这表明在0.05的显著水平下,我们拒绝零假设(即假设治疗前后舒张压的平均值相等)。换句话说,统计检验发现治疗前后的舒张压在平均值上存在显著差异。

结论

基于配对样本t检验的结果,我们可以得出以下结论:

  1. 配对相关性:治疗前后的舒张压之间有显著的正相关性。
  2. 平均值差异:治疗前后的平均值差异(10 mmHg)在统计上显著(Sig.(双尾) = 0.027 < 0.05)。
  3. 置信区间:差值的95%置信区间为[1.44890, 18.55110],不包括零,这进一步支持了结论,即治疗前后舒张压的平均值存在显著差异。

总的来说,分析结果表明,该药物在降低高血压病人的舒张压方面具有显著效果。治疗后舒张压的平均值显著低于治疗前,这意味着该药物具有降压作用。

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/1877169.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

UE5蓝图快速实现打开网页与加群

蓝图节点&#xff1a;启动URL 直接将对应的网址输入&#xff0c;并使用即可快速打开对应的网页&#xff0c;qq、discord等群聊的加入也可以直接通过该节点来完成。 使用后会直接打开浏览器。

装载问题(回溯法)

#include<iostream> using namespace std; int n;//货物的数量 int c;//轮船的总的载重量 int cw;//轮船当前的载重量 int r;//货物的总重量 int w[1000];//n个货物各自的重量 int x[1000];//当前最优解 int bestx[1000];//最优解 int bestw;//货物的最优载重量 void Bac…

Day 48 消息队列集群RabbitMQ

消息队列集群-RabbitMQ 一、消息中间件 中间件 tomcat java web中间件 web容器 mysql php php mysql uwsgi python mysql mycat 数据库中间件 rabbitMQ 消息中间件 1、简介 MQ 全称为&#xff08;Message Queue消息队列&#xff09;。是一种应用程序对应用程序的通信方…

gemini 1.5 flash (node项目)

https://www.npmjs.com/package/google/generative-ai https://ai.google.dev/pricing?hlzh-cn https://aistudio.google.com/app/apikey https://ai.google.dev/gemini-api/docs/models/gemini?hlzh-cn#gemini-1.5-flash https://ai.google.dev/gemini-api/docs/get-started…

vue3+vite+nodejs,通过接口的形式请求后端打包(可打包全部或指定打包组件)

项目地址https://gitee.com/sybb011016/test_build 打包通过按钮的形式请求接口&#xff0c;让后端进行打包&#xff0c;后端使用express-generator搭建模版。前端项目就在npm init vuelatest基础上添加了路由 如果只想打包AboutView组件&#xff0c;首先修改后端接口。 //打…

【计算机毕业设计】基于微信小程序的电子购物系统的设计与实现【源码+lw+部署文档】

包含论文源码的压缩包较大&#xff0c;请私信或者加我的绿色小软件获取 免责声明&#xff1a;资料部分来源于合法的互联网渠道收集和整理&#xff0c;部分自己学习积累成果&#xff0c;供大家学习参考与交流。收取的费用仅用于收集和整理资料耗费时间的酬劳。 本人尊重原创作者…

Hadoop3:Yarn常用Shell命令

一、查看任务 1、查看所有任务 yarn application -list2、根据状态查看任务 语法 yarn application -list -appStates &#xff08;所有状态&#xff1a;ALL、NEW、NEW_SAVING、SUBMITTED、ACCEPTED、RUNNING、FINISHED、FAILED、KILLED&#xff09;例如 yarn application…

品牌推广策划怎么写?看这篇就够了!

品牌推广策划是品牌成功的关键&#xff0c;不仅仅是简单的广告宣传&#xff0c;更是一套全面的策略&#xff0c;通过多个渠道和方式&#xff0c;让品牌形象深入人心&#xff0c;打造成爆款品牌。 本人拥有一家手工酸奶品牌&#xff0c;目前全国也复制了100多家门店&#xff0c…

Excel 宏录制与VBA编程 —— 15、MsgBox参数详解

Msgbox参数具体如下 Msgbox参数使用1 Msgbox参数使用2&#xff08;返回值示例&#xff09; &ensp ;###### 关注 笔者 - jxd

【Mac】Auto Mouse Click for Mac(高效、稳定的鼠标连点器软件)软件介绍

软件介绍 Auto Mouse Click for Mac 是一款专为 macOS 平台设计的自动鼠标点击软件&#xff0c;它可以帮助用户自动化重复的鼠标点击操作&#xff0c;从而提高工作效率。以下是这款软件的主要特点和功能&#xff1a; 1.自动化点击操作&#xff1a;Auto Mouse Click 允许用户录…

聊聊如何制定互联网产品测试策略

提起互联网产品测试&#xff0c;给人的第一感觉那就是一个字“快”&#xff0c;相比于传统行业的软件&#xff0c;更新周期快的一个多月一个版本&#xff0c;慢的半年或一年一个大版本&#xff0c;从测试的角度出发&#xff0c;制定产品的测试策略侧重点有所不一样&#xff0c;…

0基础学JMeter:如何开始简单的WEB压力测试(一)

背景 最近工作上被安排针对Web网站进行性能压测&#xff0c;以评估特定的硬件配置下Web网站可支持的并发用户数。考虑到JMeter是流行的Web性能压测工具&#xff0c;因此趁着这次机会上网查阅了很多关于JMeter的资料&#xff0c;也自己动手进行软件的配置和调测&#xff0c;从最…

华为昇腾NPU实战:LLM ChatGLM2模型推理体验

参考&#xff1a;https://gitee.com/mindspore/mindformers/blob/dev/docs/model_cards/glm2.md#chatglm2-6b 1、安装环境&#xff1a; 昇腾NPU卡对应英伟达GPU卡&#xff0c;CANN对应CUDA底层&#xff1b; mindspore对应pytorch&#xff1b;mindformers对应transformers 本…

2025艺考时间线来啦!所有艺考生码住!

2025届艺考生们的征途即将启程。对于每一个即将参加艺考的考生和家长来说&#xff0c;梳理艺考时间节点是尤为重要的。 对于艺考生而言&#xff0c;更早的规划意味着更充分的准备时间&#xff0c;更扎实的专业能力。补齐艺考信息差&#xff0c;以下2025艺考时间线一定要看明白…

【教学类65-04】20240625秘密花园涂色书04(通义万相)(图纸16:9,A4横板1张,一大168张纸168份)

背景需求 【教学类65-01】20240622秘密花园涂色书01&#xff08;通义万相&#xff09;&#xff08;A4横版2张&#xff0c;一大3小 38张纸76份&#xff09;-CSDN博客文章浏览阅读118次。【教学类65-01】20240622秘密花园涂色书01&#xff08;通义万相&#xff09;&#xff08;A…

os实训课程模拟考试(选择题复习)

目录 一、操作系统的基本功能和设计目标 &#xff08;1&#xff09;基础知识 &#xff08;2&#xff09;题目与答案 1、操作系统是一组 B &#xff08;单选&#xff09; 2、以下哪项不是操作系统关心的主要问题&#xff1f;D &#xff08;单选&#xff09; 3、下列关于…

ETAS工具导入DEXT生成Dcm及Dem模块(二)

文章目录 前言DcmDcmDsdDcmDslDcmDspDcmPageBufferCfgDem报错解决总结前言 之前一篇文章介绍了导入DEXT之后在cfggen之前的更改,cfggen完成之后,就可以生成dcm,dem的配置了,但生成完配置后,如果直接生成BSW代码,会报错。本文介绍在cfggen完成后,生成BSW代码前的修改 Dc…

2024年6月29日 (周六) 叶子游戏新闻

老板键工具来唤去: 它可以为常用程序自定义快捷键&#xff0c;实现一键唤起、一键隐藏的 Windows 工具&#xff0c;并且支持窗口动态绑定快捷键&#xff08;无需设置自动实现&#xff09;。 喜马拉雅下载工具: 字面意思 《星刃》性感女主私密部位细节逼真 让玩家感到惊讶《星刃…

React@16.x(44)路由v5.x(9)源码(1)- path-to-regexp

目录 1&#xff0c;作用2&#xff0c;实现获取 match 对象2.1&#xff0c;match 对象的内容2.2&#xff0c;注意点2.3&#xff0c;实现 1&#xff0c;作用 之前在介绍 2.3 match 对象 时&#xff0c;提到了 react-router 使用第3方库 path-to-regexp 来匹配路径正则。 我们也…