為了方便大家理解,我們舉下面的例子來說明t檢驗的應用:某研究者測量了 10 位男性和 9 位女性的身高,想比較某班級男性和女性的身高是否有統計學差異。
在本次的案例講解中分別採用 SAS 、R 和 SPSS 進行操作,為節省時間,感興趣的朋友可看軟件操作細節。
【分析思路】
步驟1:確定分析方法
該研究的目的是想比較 10 位男性和 9 位女性的身高差異,推斷該班級的男性和女性身高是否有差異,屬於差異性檢驗,分析變量是身高,為連續型變量。結合研究目的,可以考慮的分析方法有獨立樣本的 t 檢驗或 Wilcoxon 秩和檢驗,具體還應進一步看資料的分佈情況。
步驟2:資料的正態性檢驗
1、服從正態分佈--->兩獨立樣本的t檢驗
2、任何一組不服從正態分佈--->兩獨立樣本的秩和檢驗
步驟3:正式分析
根據正態檢驗的結果選擇 t 檢驗或者是秩和檢驗
步驟4:結果解釋
t 檢驗的結果先看方差齊性檢驗,再看t檢驗結果
方差齊性檢驗結果P>0.05--->方差齊--->t檢驗
方差齊性檢驗結果P<0.05--->方差不齊--->t′檢驗
步驟5:結論
P>0.05--->不拒絕 H0假設--->差異無統計學意義
P<0.05--->拒絕 H0假設--->差異有統計學意義
【軟件操作】
SAS
1、正態性檢驗
由下圖結果知,男性(P=0.725)和女性(P=0.493)的身高正態性檢驗結果為P>0.05,符合正態分佈。(實際中正態性檢驗對樣本量敏感,大樣本很容易偏態,可結合正態圖一起判斷)
☆小提示:樣本量<2000,選擇Shapiro-Wilk檢驗,樣本量≥2000,選用Kolmogorov-Smirnov檢驗
2、進行兩獨立樣本的 t 檢驗
步驟4:結果解釋
結果大致給了三大部分,分別為均值和標準差、t檢驗結果和方差齊性檢驗結果,我們要從下往上看,先看方差齊性檢驗結果,結果:P=0.953,可認為方差齊,再看t檢驗結果,選擇第一行“等於”(如果方差齊性檢驗結果P<0.05,則看第二行“不等於”),結果,t=1.45,P=0.165,差異無統計學意義,尚不能認為男性和女性的身高不同。
R語言
1、進行正態檢驗
由下圖結果知,男性(P=0.725)和女性(P=0.493)的身高正態性檢驗結果為P>0.05,符合正態分佈。和SAS結果一致。
2、方差齊性檢驗
先看方差齊性檢驗結果,結果:P=0.953,可認為方差齊。與SAS結果一致。
3、t檢驗
再看t檢驗結果,t=1.45,P=0.165,差異無統計學意義,尚不能認為男性和女性的身高不同。與SAS結果一致。
SPSS
1、正態性檢驗
依次點擊,分析-描述統計-探索-彈出窗口,把需要檢驗的變量放在因變量列表,分組變量則放入因子列表(無分組時可不放),點擊繪製-勾選帶檢驗的正態圖,點擊繼續和確定。
結果,男性和女性的身高均服從正態分佈(P>0.05)。
2、t檢驗
依次點擊,分析-比較均值-獨立樣本的t檢驗,彈出窗口,把欲分析的變量 身高放在檢驗變量中,性別則放在分組變量,並點擊“定義組”按鈕,輸入“男”和“女”(根據實際分類),點擊繼續,並確認。
先看方差齊性檢驗結果,P=0.900,意味著方差齊,再看第一行“假設方差相等”的t值和P值,t=1.453,P=0.165。尚不能認為男性和女性的身高不同。結果同SAS和R。
— THE END —
閱讀更多 臨度科研 的文章