Upload
richelle-lucas
View
227
Download
0
Embed Size (px)
DESCRIPTION
http://cc.jlu.edu.cn/ss.html. 统计软件 SPSS. — t 检验和方差分析. 主讲人 陶育纯. 目录. 第六章 t 检验. 一、配对 t 检验. 二、两组独立样本的 t 检验. 第七章 方差分析. 一、单因素方差分析. 二、方差分析中均数的两两比较. 三、随机区组设计的方差分析. 目录. * 四、 多因素方差分析. * 附加讲. 第六章 t 检验. 一、配对 t 检验. ㈠ 使用 Paired-Samples T Test 命令. - PowerPoint PPT Presentation
Citation preview
2012.4.22
1
统计软件统计软件 SPSSSPSS
主讲人 陶育纯
— t 检验和方差分析
http://cc.jlu.edu.cn/ss.html
2012.4.22
2
目录目录
第六章 t 检验一、配对 t 检验二、两组独立样本的 t 检验
第七章 方差分析一、单因素方差分析
二、方差分析中均数的两两比较三、随机区组设计的方差分析
2012.4.22
3
目录目录
* 四、多因素方差分析
* 附加讲
2012.4.22
4
第六章 第六章 tt 检验检验
一、配对 t 检验
㈠ 使用 Paired-Samples T Test 命令
SPSS 主要通过 Analyze → Compare Means →
Paired-Samples T Test… 检验完成对某资料的配对 t 检验 。
注意:注意: SPSS 的配对 t 检验要求资料建立配对的两个变量数据。㈡ 例题及分析过程
2012.4.22
5
下面通过对例6.1的数据做配对 t 检验来讲述操作步骤及结果的判读。 1.1. 建立数据文件(见 exp6.1.sav)
2. 2. 适用条件判断 利用前述的正态性检验方法对样本数据进行正态性检验。 Analyze → Nonparametric Tests →1-Sample K-S…
打开 One-Sample Kolmogorov-Smirnov Test对话框。选择要配对的两个变量的差值作为检验变量, OK 完成。从输出结果表6.2中可以判断出数据的正态性。本例治疗前与治疗后的血红蛋白含量数据的差值服从正态分布。 3. 3. 配对 t 检验
2012.4.22
6
Analyze → Compare Means →Paired-Samples T
Test… 打开 Paired-Samples T Test对话框,点击两个变量形
成配对变量并移入 Paired Variables:列表栏里 , OK 完成。
4.4. 结果判读 输出结果见表6.3~6.5,在表 6.5 中可以得到配对 t 检验的统计量 t 值为 -0.364 ,检验概率 P为 Sig. (2-tailed) 的值,即 P=0.722>0.05 ,则无统计学意义,即还不能认为该药能引起患者的血红蛋白含量的显著变化。 二、两组独立样本的 t 检验
2012.4.22
7
㈠ 使用 Independent-Samples T Test 命令
SPSS 主要通过 Analyze → Compare Means →
Independent-Samples T Test… 检验完成对某资料的两组独立样本的 t 检验 。
注意:注意: SPSS 的两组独立样本的 t 检验要求资料建立分组变量。
㈡ 例题及分析过程
下面通过对例6.2的数据做两组独立样本的 t 检验来讲述操作步骤及结果的判读。
2012.4.22
8
1.1. 建立数据文件(见 exp6.2.sav)
2. 2. 适用条件判断 利用前述的 SPSS 的数据文件的形式拆分命令 Split
File
把数据文件中的分组变量 (group) 设置成分组比较变量,从而使得正态性检验方法可以对分组样本数据进行正态性
检验(即一箭双雕一箭双雕)。 Data → Split File … → Split File 对话框,点击选择Compare groups 选项,再从左侧数据库变量列表中选择分组变量 (group) ,移动到 Groups Based on 选项框里, OK
即可。 Analyze → Descriptive Statistics → Explore… 打开
2012.4.22
9
Explore…对话框,选择血磷值变量( xl )作为检验变量,
点击 Plots… 按钮打开 Explore: Plots对话框, 选择
Normality plots with tests 选项 , → Continue → OK 完成。 从输出结果表6.7中可以判断出本例急性克山病组与健康组的血磷测定值数据均服从正态分布。 3. 3. 两组独立样本的 t 检验 Analyze →Compare Means →Independent–Samples
T Test… 打开 Independent -Samples T Test对话框,选择分析变量和分组变量 , 点击 Define Groups… 按钮打开 Define
Groups对话框输入分组标志值,→ Continue → OK 完成。
2012.4.22
10
4.4. 结果判读 输出结果见表6.8~6.9,表 6.8 显示的是每组血磷值的描述统计分析结果;在表 6.9 中同时显示方差齐性检验结果和 t 检验结果。 首先通过 Levene‘s test for equality of variances (即Levene 方差齐性检验)结果判断此数据的方差齐性结果,本例 F 值为 0.072, P=0.791>0.05 ,则方差齐。 然后在 Equal variances assumed (即等方差假设)一行找出 t 检验结果。本例 t = 2.576, P=0.017<0.05 ,则有统计学意义,即认为急性克山病患者与健康人的血磷测定值(总体)不同。
2012.4.22
11
第七章 方差分析第七章 方差分析
一、单因素方差分析㈠ 使用 One-Way ANOVA 命令
SPSS 通过 Analyze → Compare Means → One-
Way ANOVA… 检验完成对某资料的单因素方差分析 。
注意:注意: SPSS 的方差分析都要求资料建立分组变量。
㈡ 例题及分析过程
下面通过对例7.1的数据做单因素方差分析来讲述操作步骤及结果的判读。
2012.4.22
12
1.1. 建立数据文件(见 exp7.1.sav)
2. 2. 适用条件判断 仿前述分组进行正态性检验方法可以得到每组样本数
据的正态性检验结果(即一箭三雕一箭三雕)。 具体过程略。 本例用 Shapiro-Wilk 检验得到 group=1的 P=0.600,
group=2的 P=0.074, group=3的 P=0.221 ,三组数据均服从正态分布。 3. 3. 单因素方差分析 Analyze → Compare Means → One-Way ANOVA…
打开 One-Way ANOVA对话框, 选择分析变量和分组变量 ,
2012.4.22
13
点击 Options… 按钮,打开 One-Way ANOVA: Options
对话框选择 Homogeneity of variance test ( 方差齐性检验 ) 选项 ,
→ Continue → OK 完成。 4.4. 结果判读 输出结果见表7.4~7.5,在表 7.4 中显示的是方差齐性检验的结果。本例 P=0.053, P>0.05 ,则方差齐。 表 7.5 显示的是方差分析的结果。本例 F = 5.564, P=
0.008<0.05 ,即认为三组大鼠肾组织液中 NO 水平存在着不同。 二、方差分析中均数的两两比较
2012.4.22
14
当方差分析结论拒绝 H0 时,得到的多组样本的总体均数不同只是笼统的,而研究者往往需要知道多个均数间到底哪些存在不同,这就需要借助多重比较( Multiple
Comparisons )的方法。 SPSS 提供了多达 18 种的多重比较方法,我们这里只介绍常用的 S-N-K 法、 LSD 法、 Dunnett 法和 Bonfferoni
法。 ⑴ ⑴ S-N-K 法( Student-Newman-Keuls):又称 q 检验。常用于多个均数间每两个均数的比较。 ⑵ ⑵ LSD 法( Least Significant Difference):即最小显著差法。常用于多个处理组与对照组的均数比较。
2012.4.22
15
⑶ ⑶ Dunnett 法 : 常用于多个处理组与对照组的均数比较。 ⑷ ⑷ Bonfferoni 法 : 常用于多个均数间每两个均数的比较。
㈠ 使用 Post Hoc… 按钮 SPSS 通过 Analyze → Compare Means → One-
Way ANOVA… 打开 One-Way ANOVA 对话框并点击Post Hoc… 按钮打开 One-Way ANOVA: Post Hoc Multiple
Comparisons 对话框来选择使用某种多重比较方法。
㈡ 例题及分析过程
2012.4.22
16
下面通过对例 7.1 的数据做多重比较来讲述操作步骤及结果的判读。 1.1. 打开数据文件(见 exp7.1.sav)
2. 2. 选用多重比较方法 Analyze →Compare Means → One-Way ANOVA…
打开 One-Way ANOVA 对话框并点击 Post Hoc… 按钮打开 One-Way ANOVA: Post Hoc Multiple Comparisons对话框,分别选择 LSD、 S-N-K、 Bonfferoni和 Dunnett
选项 ,
Continue → OK 完成。 3. 3. 结果判读
2012.4.22
17
输出结果见表 7.6~7.7 ,表7.6显示的是 S-N-K 法的分
析结果;表7.7显示的是 LSD 法、 Bonfferoni 法和Dunnett 法的分析结果。 S-N-K 法是通过寻找同质子集 (Homogeneous Subsets)
的方法得出比较结果。子集之间的各组间有差别 (P<0.05),
子集之内的各组间无差别( P>0.05)。 LSD 法、 Bonfferoni 法和 Dunnett 法是通过在对比的两组均数差值 (Mean Difference (I-J)) 的右上角标记“ * ”
来表示此两组均数有差别 (P<0.05) ,未标的则无差别(P>0.05)。 本例用上述四种多重比较方法得到的两两比较结果见下表 7.6-7 。
2012.4.22
18
对比组 LSD Bonfferoni Dunnett S-N-K
正常对照组与肾缺血60mi n组 P > 0.05 P > 0.05 P > 0.05 P > 0.05
正常对照组与肾缺血60mi n再灌流组 P < 0.05 P < 0.05 P < 0.05 P < 0.05
肾缺血60mi n组与肾缺血60mi n再灌流组 P < 0.05 P < 0.05 — P < 0.05
表7.6-7 四种多重比较方法得到的结果
三、随机区组设计的方差分析
㈠ 使用 Univariate 命令 SPSS 通过 Analyze → General Linear Model →
Univariate … 命令完成随机区组设计的方差分析。
㈡ 例题及分析过程
2012.4.22
19
下面通过对例7.3的资料做随机区组设计的方差分析来讲述操作步骤及结果的判读。 1.1. 建立数据文件(见 exp7.3.sav)
2. 2. 适用条件判断 具体过程略。 3. 3. 随机区组设计的方差分析 Analyze → General Linear Model → Univariate …
打开 Univariate 对话框, 将尿氟排出量变量( nf )调入Dependent Variable ( 因变量 ) 中,将时间变量 (group) 、区组变量 (block)调入 Fixed Factor(s) (固定因素)中,点击
2012.4.22
20
Model… 按钮打开 Univariate: Model 对话框 , 选择Custom (自定义)选项,再点击 Build Term(s) 下的下拉框并从中选择 Main Effects ,然后把左侧的 group、 block调入右侧的 Model栏,去掉栏下的 Include intercept in model 选项, → Continue → OK 完成。 4.4. 结果判读 输出结果见表 7.10a ,结果显示: group 组(不同时间): F=7.033, P=0.004 < 0.05 ,即工前、工中和工后的氟作业工人尿氟排出量存在不同。 block 组(不同区组): F=1.642, P=0.155 > 0.05 ,即工人之间的差异对尿氟排出量影响不大。
2012.4.22
21
5. 5. 多重比较 Analyze → General Linear Model → Univariate …
打开 Univariate 对话框 , 点击 Post Hoc… 按钮打开Univariate:
Post Hoc Multiple Comparisons for Observed Means 对话框,选择 group 为多重比较变量 , 再分别选择 LSD、 S-
N-K、 Bonfferoni和 Dunnett 选项, Continue → OK
完成。 输出结果见表 7.12 和表 7.13 。用上述四种多重比较方法得到的两两比较结果见下表 7.12-13 。
对比组 LSD Bonfferoni Dunnett S-N-K
工前组与工中组 P < 0.05 P < 0.05 P < 0.05 P < 0.05
工前组与工后组 P > 0.05 P > 0.05 P > 0.05 P > 0.05
工中组与工后组 P > 0.05 P > 0.05 — P > 0.05
表7.12-13 四种多重比较方法得到的结果
2012.4.22
22
* 四、多因素方差分析 前面讲授的随机区组设计的方差分析实质就是一个最简单的多因素方差分析(两因素无重复数据),因为它不存在交互效应( interaction ),当某因素的各单独效应随另一因素变化而变化时,则称这两个因素存在交互效应。 由于从总变异中分解的变异项目增多,多因素方差分析计算和输出结果就更为复杂。本节内容略。
思考题思考题 1.1. 分组变量和分组标志值的区别。 2. 2. 单因素方差分析和随机区组设计的方差分析区别。
CC
2012.4.22
23
2012.4.22
24
2012.4.22
25
2012.4.22
26
表 6.2
此结果是用Explore 分析得到的适合 小样本的Shapiro-Wilk
正态检验结果
输出结果
2012.4.22
27
需要点击两个变量名形成变量对,移动按钮方可使用。
配对变量
2012.4.22
28
表 6.3~6.5
表 6.3
表 6.4
表 6.5
t = -0.364, P=0.722 > 0.05
Differences — 差值
输出结果
2012.4.22
29
2012.4.22
30
分组变量 血磷测定值变量
group=1 代表急性克山病组
group=2 代表 健康组
2012.4.22
31
2012.4.22
32
被检验变量
选此项可以得到 Shapiro-Wilk
正态检验结果
2012.4.22
33
One-Sample Kolmogorov-Smirnov Test
12
4.6917
1.22208
.126
.126
-.105
.435
.991
.979
.000
14
3.4350
1.25535
.176
.176
-.139
.657
.781
.719
.000
N
Mean
Std. Deviation
Normal Parametersa,b
Absolute
Positive
Negative
Most ExtremeDifferences
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
Exact Sig. (2-tailed)
Point Probability
N
Mean
Std. Deviation
Normal Parametersa,b
Absolute
Positive
Negative
Most ExtremeDifferences
Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
Exact Sig. (2-tailed)
Point Probability
·Ö×é¼±ÐÔ¿Ëɽ²¡»¼Õß
½¡¿µÈË
ѪÁ×Öµ
Test distribution is Normal.a.
Calculated from data.b.
Tests of Normality
.126 12 .200* .964 12 .835
.176 14 .200* .931 14 .316
ѪÁ×Öµ
ѪÁ×Öµ
·Ö×é¼±ÐÔ¿Ëɽ²¡»¼Õß
½¡¿µÈË
Statistic df Sig. Statistic df Sig.
Kolmogorov-Smirnova Shapiro-Wilk
This is a lower bound of the true significance.*.
Lilliefors Significance Correctiona.
输出结果
2012.4.22
34
被分析变量
分组变量
点击此钮可以输入分组标志值
分组标志值
2012.4.22
35
方差齐性检验 F = 0.072, P=0.791 > 0.05 ,方差齐。选用等方差假设下的检验结果:t = 2.576, P=0.017 < 0.05 ,有统计学意义。
方差齐性检验结果,若 P>0.05 ,则方差齐。
等方差假设
方差不等假设
表 6.8
表 6.9
输出结果
2012.4.22
36
2012.4.22
37
NO 值变量
group=1 代表 正常对照组
group=2 代表肾缺血 60min 组
分组变量
group=3 代表 肾缺血 60min
再灌流组
2012.4.22
38
选此项可作多样本 方差齐性检验
被分析变量
分组变量
2012.4.22
39
O n e w a y
Test of Homogeneity of Variances
NO
3.216 2 33 .053
LeveneStatistic df1 df2 Sig.
ANOVA
NO
46925.950 2 23462.975 5.564 .008
139157.6 33 4216.898
186083.6 35
Between Groups
Within Groups
Total
Sum ofSquares df Mean Square F Sig.
表 7.4
表 7.5
表 7.4~7.5
方差齐性检验结果,若 P>0.05 ,则方差齐。
F = 5.564, P=0.008 < 0.05
输出结果 Sum of Squares — 离均差平方和df — 自由度Mean Square — 均方
2012.4.22
40
表明第一组为对照组
Equal Variances Not Assumed — 方差不等假设
Equal Variances Assumed — 等方差假设
2012.4.22
41
* 表示 P < 0.05附加说明 Dunnett 法是多个处理组 与一个对照组进行比较
输出结果 正常对照组与肾缺血 60min 组: P=0.611 > 0.05 ;正常对照组与肾缺血 60min 再灌流组: P=0.004 < 0.05 。
表 7.7
2012.4.22
42
表 7.6
输出结果 Homogeneous Subsets — 同质子集
正常对照组与肾缺血 60min 组: P=0.611 > 0.05
肾缺血 60min 再灌流组与肾缺血 60min 组: P < 0.05 ;肾缺血 60min 再灌流组与正常对照组: P < 0.05 。
2012.4.22
43
2012.4.22
44
尿氟排出量 变量
区组变量
group=1
代表工前组
group=2
代表工中组 group=3
代表工后组
2012.4.22
45
被分析变量 ( 即实验指标 )
Two-way ANOVA
模型设置按
钮
2012.4.22
46
Main effects (主效应)
2012.4.22
47
2012.4.22
48
Tests of Between-Subjects Effects
Dependent Variable: Äò·úÅųöÁ¿
167.682a 14 11.977 34.933 .000
4.823 2 2.411 7.033 .004
6.192 11 .563 1.642 .155
7.543 22 .343
175.225 36
SourceModel
group
block
Error
Total
Type III Sumof Squares df Mean Square F Sig.
R Squared = .957 (Adjusted R Squared = .930)a.
group 组: F=7.033, P=0.004 < 0.05
block 组: F=1.642, P=0.155 > 0.05
输出结果 表 7.10a
2012.4.22
49
2012.4.22
50
输出结果表 7.12
2012.4.22
51
表 7.13
输出结果
工前组与工中组: P < 0.05
工前组与工后组: P=0.070 > 0.05
工中组与工后组: P=0.137 > 0.05