一、问题与数据某广告公司制作了一段电视宣传视频,希望能够同时吸引男性和女性购买者的注意。现该公司共招募20位男性和20位女性作为研究对象,请他们观看电视宣传视频后为视频评分,并根据两组分数对比判断男、女受试者对该视频的喜好程度。他们收集了研究对象的性别(gender)和评分(engagement)。部分数据如下图: Show 二、对问题的分析研究者拟分析两组数据均值是否有差异,即根据两组的评分,判断男性和女性对该视频的喜好程度。针对这种情况,我们可以使用独立样本t检验,但需要先满足6项假设: 假设1:观测变量为连续变量,如本研究中的评分为连续变量。 假设2:观测变量分为2组,如本研究中分为男性组和女性组。 假设3:观测值之间相互独立,如本研究中各位研究对象的信息都是独立的,不存在相互干扰。 假设4:观测变量不存在显著的异常值。 假设5:观测变量在各组内接近正态分布。 假设6:两组的观测变量的方差相等。 经分析,本研究数据符合假设1-3,那么应该如何检验假设4-6,并进行独立样本t检验呢? 1. 对假设的判断 假设4和假设5可通过以下方式来检验。假设6的检验结果可在结果解释部分查看。 在主界面点击Analyze→Descriptive Statistics→ Explore,弹出Explore对话框。在对话框中将engagement变量放入Dependent List栏,并将gender变量放入 Factor List栏。 点击Plots,取消对Descriptive栏内 Stem-and-leaf选项的选择,并点击Normality plots with tests选项,点击Continue→OK。 2. 检验假设4:观测变量不存在显著的异常值 通过上述操作后,SPSS输出箱式图。 一般来说,如果研究数据中存在显著的异常值,箱式图会以星号或者空心圆点的形式提示出来。如果数据值大于1.5倍箱距,数据的表示方式为空心圆点;如果数据值大于3倍箱距,数据的表示方式为星号。从上图可以看出,本研究数据中没有显著异常值,满足假设4。 如果箱式图如下图所示,则提示数组有疑似异常值。该图提示,男性组第6位受试者的数据为疑似异常值,数据值大于3倍箱距。女性组的第26位受试者的数据也为疑似异常值,数据值大于1.5倍箱距。 3. 检验假设5:观测变量在各组内接近正态分布 正态性可以使用Shapiro-Wilk检验来判断。SPSS输出Shapiro-Wilk检验结果如下图。 一般来说,如果数据接近正态分布,那么Shapiro-Wilk检验的P值就大于0.05;反之如果数据并不接近正态分布,那么Shapiro-Wilk检验的P值就小于0.05。从上图可以看出,男性/女性组内数据接近于正态分布(P>0.05),满足假设5。 扩展阅读对于正态分布的判断,SPSS提供了多种方法,常用的有Shapiro- Wilk (W 检验)、Kolmogorov-Smirnov检验(D检验)、P-P图、Q-Q图、其它有直方图、箱式图、偏度系数、峰度系数等。 1. Shapiro-Wilk (W 检验)和Kolmogorov-Smirnov检验(D检验) 两种检验都属于非参数检验方法。SAS中规定:当样本含量N≤2000时,结果以Shapiro-Wilk(W 检验)为准;当样本含量N>2000 时,结果以Kolmogorov-Smirnov(D检验)为准。但是,当样本量较大时,两种方法的假阳性率较高(容易得出P<0.05,不符合正态分布的结果) 2. P-P图、Q-Q图和直方图 P-P图以样本的累计频率为横坐标,其对应的正态分布理论累计概率作为纵坐标画散点图。当数据与正态分布拟合较好时,图上的点会大致围绕第一象限的对角线分布。 Q-Q图以样本的分位数为横坐标,其对应的正态分布理论分位数为纵坐标画散点图。当数据与正态分布拟合较好时,图上的点会大致围绕第一象限的对角线分布。 也可看直方图是否以钟形分布来判断(直方图还可以选择输出正态性曲线)。 3、正态性检验 W检验和D检验在样本量较小时,容易出现假阴性;样本量过大时,容易出现假阳性。因此对于正态性检验,因结合多种方法综合判断。此外,t检验对数据的正态性有一定的耐受能力。如果数据只是稍微偏离正态,结果仍然是稳定的。如果数据偏离正态很远,则需要考虑数据转换或采用非参数方法分析。 更多阅读:SPSS教程:判断数据正态分布的超多方法!;SPSS详细操作:正态转换的多种方法 4. 独立样本t检验 在主界面点击Analyze→Compare Means→Independent-Samples T Test,在弹出的对话框中,将engagement变量放入 Test Variable(s)栏,并将gender变量放入 Grouping Variable 栏。 点击Define Groups,在Group 1栏输入“1”,在Group 2栏输入“2”,点击Continue→OK。 四、结果解释1. 统计描述 在检验假设6和结果解释之前,我们需要对数据有一个基本的了解。SPSS输出结果如下图。 在本研究中,男性和女性组的样本量分别是20(“N”栏)。男性组为该电视广告打分的平均值为5.5589(“Mean”栏),标准差为0.29190(“Std. Deviation”栏);女性组为该电视广告打分的平均值为5.2999(“Mean”栏),标准差为0.39339(“Std. Deviation”栏)。 2. 检验假设6:两组的观测变量的方差相等 两组的观测变量的方差相等是进行独立样本t检验的必要条件。Descriptives表中显示各组的方差值如下图。 本研究中男性组的方差值为0.085,女性组的方差值为0.155。单从这个数据来看,我们发现女性组的方差值几乎是男性组的两倍,但是这仅仅是抽样数据的方差结果,并不代表两组数据的方差一定不等。我们需要通过Levene's检验,判断两组总体的方差情况,即大家熟知的F检验,如下图。 Levene's检验结果显示,F=1.922,P=0.174,提示两组数据方差齐,满足假设6。 一般来说,如果数据满足上述假设,我们就可以进行独立样本t检验。但是如果数据满足假设1-5,但是不具有等方差性,那么我们就应该使用Mann-Whitney U检验或者t’检验。本研究满足假设1-6,可以进行独立样本t检验。 3. 独立样本t检验 首先我们可以看到两组数据的对比分析,如下图标注部分。男性组和女性组为该电视广告打分的差值为0.25900(“Mean Difference”栏), 95%置信区间为0.03726 到0.48074(“95% Confidence Interval of the Difference”栏)。 上图中,如果Levene's检验结果显示方差齐,则读“Equal variances assumed”行中的t检验结果。如果方差不齐,则需要读“Equal variances not assumed”行中的t’检验结果。 本研究中,Levene's检验结果显示方差齐(F=1.922,P=0.174),t检验结果显示,t=2.365,P=0.023,提示男性和女性为电视广告的打分值存在统计学差异,即电视广告对男性和女性的吸引力不同。 五、撰写结论本研究采用独立样本t检验判断某电视广告对不同性别人群吸引力的差异。研究数据不存在显著异常值,且在各组内接近正态分布,同时方差齐。结果显示,男性对该电视广告的打分(5.56 ± 0.29)高于女性(5.30 ± 0.39),差值为0.26(95%置信区间为0.04-0.48)。 独立样本t检验结果提示,t = 2.365, P=0.023,说明男性和女性给该电视广告的打分存在统计学差异,即该电视广告对男、女性的吸引力不同。 (如果想使用文中数据进行练习,请使用电脑打开以下网址: 点击右侧“数据下载”免费下载原始数据) 发布时间:2022/06/21 11:08:49 品牌型号:联想GeekPro 2020 系统: Windows 10 64位专业版 软件版本: IBM SPSS Statistics spss独立样本t检验如何看显不显著?先判断因变量是否满足方差齐性,然后再根据方差齐性结果查看对应的显著性P值,本文会具体演示方法。spss独立样本t检验t值决定什么?t值决定个案组均值之间是否存在差异。 一、spss独立样本t检验如何看显不显著 spss独立样本t检验是检验两组个案均值差异性的分析方法,t检验需满足方差齐性的假设,在不满足方差齐性时,需要使用到校正的t检验方法。 在spss的独立样本t检验结果中,会同时运算t检验与校正t检验的结果,分析者可根据方差齐性检验结果,使用对应的t检验数值来查看均值差异先不显著。 以图1的数据为例,两组数据分别为饮用不同牛奶的人群,其平均值数值有差异,但需通过独立样本t检验进一步查看差异的显著性。 描述统计spss独立样本t检验运算结果如下,先查看方差齐性检验,其显著性P值为0.748>0.05,说明两组数据不满足方差齐性的假设,t检验需查看“不假定等方差”的结果(即第二行的t检验结果),t检验的显著性P值为<0.001,拒绝两组个案均值无差异的原假设,说明两组人群的身高均值有差异。 独立样本t检验二、spss独立样本t检验t值决定什么 首先,spss独立样本t检验是运用t理论来推断两组数据发生差异的概率,来检验两组数据差异是否有显著性的分析方法,而t值是t检验的统计量,通过t值推断差异发生的概率(通过查表的方式)。 那么t值是怎么计算的呢?t检验需要满足方差齐性的假设,但是,如果不满足方差齐性,也是可以通过校正的方法计算t值的,因此,独立样本t检验的t值会涉及到两种计算方法。 1.在满足方差齐性的假设下,运用以下公式计算t值,其中x1、x2(上有横线)代表个案组均值,n1、n2代表样本量,Sc是合并方差。 2.在不满足方差齐性的前提下,运用以下公式计算t值,其中x1、x2(上有横线)代表个案组均值,n1、n2代表样本量,v1,v2是样本方差。 方差不齐公式对于不熟悉统计运算的分析者来说,人工计算起来会很繁琐,实际上,使用spss的独立样本t检验分析方法就可以快速得到t值或校正t值。另外,spss会自动根据t值得出显著性P值结果,无须人工查表。 t值三、spss均值检验还有哪些方法 spss均值检验除了上述讲解的的独立样本t检验外,还设有单样本t检验、成对(配对)样本t检验等分析方法,以上分析方法的共用点都是运用t检验来推断数据间均值差异是否有显著性。 spss均值检验1.单样本t检验 spss单样本t检验,是检验样本均值与标准均值之间是否有差异的分析方法,常用于检验产品的质量是否符合标准、人群的某个指标是否符合标准等。比如,图7的例子用于检验样本身高均值是否与标准值“153”有差异。 单样本t检验2.成对(配对)t检验 spss成对(配对)t检验与独立样本t检验很相似,其区别在于检验的个案组不同,独立样本t检验是检验两个不同的个案组,而成对(配对)t检验是检验同一个案组在不同测试条件下的数值表现。 比如图8所示成对(配对)t检验例子,检验的是同一个案组在饮用牛奶前后的身高数据,从显著性P值<0.05得出,饮用牛奶前后的身高均值有差异。 参考线四、小结 以上就是关于spss独立样本t检验如何看显不显著,spss独立样本t检验t值决定什么的相关内容。spss独立样本t检验的t值决定了两组均值的差异是否有显著性,在方差是否满足齐性的情况下,计算方法不同,但spss能同时提供等方差与不等方差的t值,使用起来很简单、方便。 作者:泽洋 标签:T检验,单样本T检验,SPSS独立样本T检验
读者也访问过这里:
怎么看T检验结果?t检验是一种适合小样本数据的假设检验方法,通过比较不同数据的均值,研究两组数据之间是否存在差异。 解读t检验的结果,首先判断p 值是否呈现出显著性,如果呈现出显著性,则说明两组数据具有显著性差异,具体的差异可通过平均值进行对比判断。
如何进行独立样本t检验?在进行独立样本T检验之前,要先对数据进行正态性检验,满足正态性才能进一步分析。. 在菜单栏上执行:分析-比较均数-独立样本t检验;. 将要比较平均数的变量放到检验变量,选择分组变量到分组变量,点击定义组;. 打开的对话框中,设置组1和组2的值分别是分组类别。. 什么是单样本t检验?单样本t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。 步骤基本如下: step1假设: 零假设:某个需要检验的值A是不是跟预想中一致,即A平均值等于需要检验的值。
SPSS怎么做非参数检验?第一种较为常用的检验方法就是非参数检验中的两独立样本检验。 在“分析”——“非参数检验”——“旧对话框”——“两个独立样本”中,可以打开两独立样本非参数检验的对话框。 将“月支出”移入“检验变量列表”,将“学校编号”移入“分组变量”,并在“定义组”中将组1和组2分别设置为1和2,点击“继续”。
|