Means 对准备比较的各组计算描述指标,进行预分析,也可直接比较;
One-Samples T Test 进行样本均值与已知的总体均值的比较;
Independent-Sample T Test 两组样本均值差别的比较;
Paired-Samples T Test 配对资料的显著性检验;
One-Way ANOVA 进行两组或多组样本均值的比较,即成组设计的方差分析,还可进行随后的两两比较。
案例:
案例1, 某克山病区测得11例克山病患者与13名健康人的血磷值(mmol/L)如下, 问该地急性克山病患者与健康人的血磷值是否不同?(张文彤spss教程中案例)
患者: 0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11
健康人: 0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
Data View & Variable View 中输入数据,
means
analyze - > compare means -> means
弹出的对话框中,dependent list 选择 x, independent list 选择 group.
options对话框中,可以选择需要用得参数;statistics for first layer 复选框中,
Anova table and eta 对分组变量进行单因素方差分析,并计算用于度量变量相关程度的eta值。
Test for linearity 检验线性相关性,实际上就是上面的单因素方差分析。
本例子中,钩选上。
Ok 后,显示的结果如下:
第一个图是常用统计描述量报表。这里按默认情况输出匀值,样本量和标准差。
从这里,我们也可以直观的看出,两组的匀值有非常明显的差异。
第二个图,是单因素方差分析表。?
第三个图,相关性度量指标,给出了Eta值以及Eta值的平方根。
其中,Eta=0.474,呈中等程度的相关,表示血磷值的高低与人群是否为患者有中等程度的相关。
One-sample t test
compare means -> one-sample t test 弹出的对话框中,test variable 选择需要分析的变量,
test value 输入已知的总体匀值,默认为零。 options 对话框中, confidence interval 输入需要计算的
匀数差值可信区间的范围,默认为95%;Missing Values 对缺失值的处理方法,默认的前者对数据利用
得比较充分。
运行后,结果如下:
第一个图中,显示了变量的基本情况,包括样被两,匀值,标准差和标准误。
第二个为单样本 t 检验表,test value = 0 表示检验的已知总体匀值为0,下面,从左到右依次为t 值(t),
自由度(df), p 值(Sig.2-tailed),两匀值道德差值(mean difference),差值的95%可信区间。
由图中得知,t=13.740,p=0< 0.05,故拒绝原假设。 当前样本中,血磷值不为零。
indenpendnt-sample t test
compare means-> indenpendent-sample t test. 接下来的对话框中,test variables 选择x ,
grouping variable ,选入分组变量,这里选group. 接着define groups 框,分别输入1,2。 表示对group1
与group2 进行比较。options 与 one-sample t test 的options 相同,故省略。 运行后,结果如下:
第一个图,两组待检验变量基本情况,样本量,匀值,方差等。
第二个图,是比较重要的。 给出了方差在齐次与非齐次两种情况下的 t 检验结果。
判断该图,可分为两个部分来看。 首先,检验两总体方差是否齐。这里结果为,
F = 0, p = 0.986> 0.05. 故没有理由拒绝原假设,所以两组方差齐。 接着,给出了方差在齐时的
t 检验结果。t =2.278,df = 21,p = 0.033 < 0,05. 故拒绝原假设,即患者与健康人的血磷值不相同。
案例2 : 某职业病防治院对31名石棉矿工中的石棉肺患者、可疑患者及非患者进行了用力肺活量(L)测定,问三组石棉矿工的用力肺活量有无差别?
石棉肺患者 1.8,1.4,1.5,2.1,1.9,1.7,1.8,1.9,1.8,1.8,2.0
可疑患者 2.3,2.1,2.1,2.1,2.6,2.5,2.3,2.4,2.4
非患者 2.9,3.2,2.7,2.8,2.7,3.0,3.4,3.0,3.4,3.3,3.5
compare means -> one-way ANOVA . Dependent List 选择需要分析的变量,Factor 需要比较的分组变量
Post Hoc 对话框中,钩选 S-N—K 。 运行后,结果如下:
图一,是一个典型的方差分析表。给出了单因素方差分析的结果,组间方差between groups=9.26
又 F=84.544,p =0< 0.05. 显然三组工人肺活量不同。
图二,是用S-N-K 法进行两两比较的结果。图中,患者,可疑患者,非患者被分在了3个不同的亚组,
显然,三组间两两比较也有较大的差异。而且,由于每个亚组都只有一个组别进入,故 p = 1 .