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

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.mzph.cn/bicheng/37494.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

国产操作系统上netstat命令详解 _ 统信 _ 麒麟 _ 中科方德

原文链接&#xff1a;国产操作系统上netstat命令详解 | 统信 | 麒麟 | 中科方德 Hello&#xff0c;大家好啊&#xff01;今天给大家带来一篇在国产操作系统上使用netstat命令的详解文章。netstat是网络统计&#xff08;network statistics&#xff09;的缩写&#xff0c;它是一…

【股指期权投教】一手股指期权大概多少钱?

一手股指期权的权利金大概在几千人民币左右&#xff0c;如果是作为期权卖方还需要另外缴纳保证金的。国内的股指期权有三种&#xff0c;沪深300、上证50、中证1000股指期权&#xff0c;每点合约人民币100 元。 期权合约的价值计算可以通过此公式得出&#xff1a;权利金的支付或…

软件工程实验

实验环境和需求 用户可以对相片进行按类别管理&#xff0c;用户可以设定不同的类别&#xff0c;然后上传照片到相应的类别中&#xff0c;并能进行照片的删除&#xff0c;注释 运行 运行并访问 localhost 8090,图片在数据库中的信息是D&#xff1a;/upgrade 后面的内容 se…

windographer数据操作教程

目录 通道设置将4个windographer文件拼到一起映射关系通道设置 先把风速列选中,将Type改为 wind speed 无需额外操作,确认一下即可

QT4-QT5(6)-const char* QString 乱码转换

我简单粗暴的给出个结论&#xff1a; QString GBK编码正常&#xff0c;可以转UTF-8编码&#xff0c;但会有少量乱码。 const char* 编码就不要转编码&#xff0c;转哪个都是乱码。 UTF-8.cpp 下 1.QString GBK->UTF-8 2.const char * GBK->UTF-8 const char *…

数据可视化在智慧园区中的重要作用

在现代智慧园区的建设和管理中&#xff0c;数据的作用越来越重要。智慧园区利用物联网、云计算、大数据等技术&#xff0c;实现了园区各类信息的实时采集和处理。数据可视化作为数据处理和展示的重要工具&#xff0c;为智慧园区的各个方面提供了强有力的支持。 首先&#xff0c…

mybatis的高级映射

mybatis的高级映射(重点) 表与表之间的关系&#xff1a; 一对一关系&#xff1a; 栗子&#xff1a;一个人对应一个身份证号 一对多关系&#xff1a; 栗子&#xff1a;一个用户可以有多个订单 1. 分析需求&…

[深度学习] 自编码器Autoencoder

自编码器&#xff08;Autoencoder&#xff09;是一种无监督学习算法&#xff0c;主要用于数据的降维、特征提取和数据重建。自编码器由两个主要部分组成&#xff1a;编码器&#xff08;Encoder&#xff09;和解码器&#xff08;Decoder&#xff09;。其基本思想是将输入数据映射…

文心一言 VS 讯飞星火 VS chatgpt (290)-- 算法导论21.3 3题

三、给出一个包含 m 个 MAKE-SET 、UNION 和 FINDSET 操作的序列(其中有 n 个是 MAKE-SET 操作)&#xff0c;当仅使用按秩合并时&#xff0c;需要 Ω(mlgn) 的时间。如果要写代码&#xff0c;请用go语言。 文心一言&#xff1a; 在并查集&#xff08;Union-Find&#xff09;数…

2024最出色的代理软件评估及推荐

随着网络技术的飞速发展&#xff0c;代理软件已成为许多网络活动不可或缺的工具&#xff0c;特别是在数据抓取、网络安全防护等方面。在众多代理软件中&#xff0c;哪些能真正满足用户需求&#xff0c;提供卓越的性能和服务呢&#xff1f;我们的测评团队经过深入研究和测试&…

笔记本电脑安装CentOS

正文共&#xff1a;1234 字 24 图&#xff0c;预估阅读时间&#xff1a;2 分钟 前面我们对VPP进行了多次介绍&#xff08;羡慕&#xff01;大佬的VPP能达到180G性能&#xff0c;而我的却只有13.5G&#xff09;&#xff0c;可以发现他的很多优点&#xff0c;但是我们也可以发现它…

【Sklearn-驯化】sklearn中决策树cart的用法,看这篇就够了

【Sklearn-驯化】sklearn中决策树cart的用法&#xff0c;看这篇就够了 本次修炼方法请往下查看 &#x1f308; 欢迎莅临我的个人主页 &#x1f448;这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合&#xff0c;智慧小天地&#xff01; &#x1f387; 免费获取相关内容文档…

鸿蒙NEXT

[中国&#xff0c;东莞&#xff0c;2024年6月24日] 华为开发者大会&#xff08;HDC&#xff09;正式开幕&#xff0c;带来全新的 HarmonyOS NEXT、盘古大模型5.0等最创新成果&#xff0c;持续为消费者和开发者带来创新体验。 HarmonyOS NEXT 鸿蒙生态 星河璀璨 鸿蒙生态设备数…

【实战指南】SpringBoot结合Zookeeper/Nacos构建Dubbo微服务

1、微服务架构 微服务架构是一种设计复杂应用程序的方法&#xff0c;它提倡将单一应用程序开发为一组小型、独立的服务&#xff0c;每个服务运行在其自己的进程中&#xff0c;并通过轻量级通信&#xff08;通常是HTTP协议&#xff09;进行交互。每个服务都是围绕业务功能构建的…

通讯录管理系统——显示联系人

功能描述&#xff1a;显示通讯录中已有的联系人信息 显示联系人实现步骤&#xff1a; 1.封装显示联系人函数 2.测试显示联系人功能 一、封装显示联系人函数 思路&#xff1a;判断如果当前通讯录中没有人员&#xff0c;就提示记录为空&#xff1b;人数大于0&#xff0c;显示…

Java代码基础算法练习-计算看完一本书的天数-2024.06.29

任务描述&#xff1a; 一本书有 n 页&#xff0c;小明第一天看 1 页&#xff0c;以后每天都比前一天多看 2 页&#xff0c;计算小明看完整本书 需要多少天&#xff1f; 解决思路&#xff1a; 每天都比前一天多看 2 页&#xff0c;输入的页数 n 为判断标准&#xff0c;while 循…

【提交ACM出版 | EIScopus检索稳定 | 高录用】第五届大数据与社会科学国际学术会议(ICBDSS 2024,8月16-18)

第五届大数据与社会科学国际学术会议&#xff08;ICBDSS 2024&#xff09;将于2024年08月16-18日在中国-上海隆重举行。 ICBDSS会议在各专家教授的支持下&#xff0c;去年已成功举办了四届会议。为了让更多的学者有机会参与会议分享交流经验。本次会议主要围绕“大数据”、“社…

【nvm】如何使用nvm优雅的管理Node.js

希望文章能给到你启发和灵感&#xff5e; 如果觉得文章对你有帮助的话&#xff0c;点赞 关注 收藏 支持一下博主吧&#xff5e; 阅读指南 开篇说明一、基础环境说明1.1 硬件环境1.2 软件环境 二、什么是nvm?2.1 概念2.1 安装2.1.1 对于Mac系统2.1.2 对于Windows系统2.1.3 对于…

贪心法思想-求最大子数组和案例图解

贪心法思想 ​ 基本思想是在问题的每个决策阶段&#xff0c;都选择当前看起来最优的选择&#xff0c;即贪心地做出局部最优的决策&#xff0c;以期获得全局最优解。 ​ 正如其名字一样&#xff0c;贪心法在解决问题的策略上目光短浅&#xff0c;只根据当前已有的信息做出选择…

AI绘画,5分钟用 stable diffusion 做装修图,室内设计师要失业了

大家好我是极客菌&#xff01;随着AI绘画功能越来越强大&#xff0c;不光可以用来画人物&#xff0c;为电商模特一键换衣&#xff0c;还可以在5分钟内生成一张室内效果图&#xff0c;看来室内设计师饭碗也岌岌可危了。 1、获得室内线稿图 首先&#xff0c;打开3ds max &#…