《Mean过程和T检验过程》由会员分享，可在线阅读，更多相关《Mean过程和T检验过程（12页珍藏版）》请在金锄头文库上搜索。
1、一、Means过程1简单介绍Means过程计算指定变量的综合描述计量，包括均值、标准差、总和、观测量数、方差等一系列单变量描述统计。当观测量按一个分类变量分组时，Means过程可以进行分组计算。例如，要计算某地区高考的数学成绩，Sex变量把考生分为男生和女生两组，Means过程可以分别计算男女生的数学成绩。Means过程还可以给出方差分析表和线性检验结果。使用Means过程求若干组的描述统计量的目的在于比较，因此必须求均值。这是与Descriptive过程不同之处。2完全窗口分析Means过程的大部分功能可以完全由窗口实现，这给用户带来了很大的方便。（1）Means主对话框按Analyze C
2、ompare Means Means的顺序单击，即可打开“Means”主对话框，如图1所示。图1 Means主对话框（2）Dependent框该框中的变量作为因变量，通常认为受自变量影响或决定，因此被用来预测或建模。要从源变量框中选取变量进入该框，只需选中所要选取的变量，然后按向右的箭头即可。（3） Independent框该框中的变量是自变量，又被称为预测变量或解释变量。要运行Means过程，该框中必须至少有一个变量。要从源变量框中选取变量进入该框，同样只需激活所要选取的变量，然后按向右的箭头即可。选中变量进入该框后，可以看到上方的【Next】按钮有效，单击该按钮进入下一层，在下一层的自变量
3、将再细分样本。要回到上一层，单击【Previous】按钮即可。（4）Options 对话框单击Options按钮，即可打开“Options”对话框，如图2所示。图2 Options 对话框 Cell Statistics框从左边框中选择要输出的统计量进入该框，该框中的统计量是输出时显示的统计量，其排列顺序即是输出时显示的顺序。可供选择的统计量的意义如下：Sum（总和）、Number of cases（观测量数目）、Mean（均值）、Median（中位数）、Grouped median（分组中位数）、Standard error of the mean（均值标准误差）、Minimum（最小值）、
4、Maximum（最大值）、Range（范围）、Standard deviation（标准差）、Variance（方差）、Kurtosis（峰度）、Standard error of kurtosis（峰度的标准差）、Skewness（偏度）、Standard error of Skewness（偏度的标准差）、First（首值）、Last（尾值）、Percentage of total sum（占总和的百分比）、Percentage of total N（占观测量总数的百分比）、Geometric mean（几何均数）、Harmonic mean（调和均数）。 Statistics for F
5、irst Layer该栏中有两个复选框，决定对第一层自变量的有关分析。l ANOVA table and eta复选框选中该复选项对第一层自变量给出方差分析表和eta统计量和2。方差分析的零假设是，第一层自变量各水平上的因素量均值都相等。统计量表明因变量和自变量之间联系的强度。2是因变量中不同组中差异所解释的方差比，是组间平方和与总平方和之比。l Tests for linearity复选框选中该复选框产生R和R2。只有早控制变量有基本的数量级（例如自变量表示年龄或人种，不能是房子颜色或居住城市等），且自变量有三个水平以上。其检验的假设是因变量均值是第一层自变量值的线性函数。R和R2测度线性拟
6、合的良好度。R是观测值与预测值之间的相关系数。3例题分析某医师测得如下血红蛋白值（g%），用Means过程对其做基本的描述性统计分析。表1 血红蛋白值编号性别年龄血红蛋白编号性别年龄血红蛋白111813.662121611.36211810.572211612.78311612.562311815.0942179.87242188.6752178.99252178.56621711.352621812.56711714.562721711.56811612.402811614.6792168.05291167.881011814.033011812.351121812.833111613.65
7、1211615.50322169.871321812.253321810.091421710.063421812.551511610.883511816.04161189.653611813.78172168.363711711.671811811.663811710.98192188.54392168.78202177.784011611.35（1）操作步骤 激活数据管理窗口，输入数据文件，定义变量名：性别为sex，年龄为age，血红蛋白值hb。按顺序输入数据（sex变量中，男为1，女为2）。 按Analyze Compare Means Means 的顺序单击，即可打开“means”主对话
8、框。 在对话框左侧的变量中选hb，单击向右按钮使之进入Dependent List框，选sex单击向右按钮使之进入Independent List框。 单击败【Options】按钮打开“Options”对话框，从中选择统计项目：在Cell Displays项中，选中Mean、Standard deviation、Variance、Number of Cases和Sum五个复选框。 在Statistics for First Layer项中，将为第一层的分组选择计算方差分析（ANOVA table and eta）和线性检验（Test of linearity）。单击【Continue】按钮返回
9、“Means”主对话框。 选age单击向右按钮使之进入Independent List框。重复和步骤，返回“Means”主对话框。 在主对话框中单击【OK】钮完成。（2）输出结果及分析表2是我们造已熟悉的观测量摘要表，说明了观测量总个数为40，其中有效值为40 个，无效值有0。表2 观测量摘要表Case Processing Summary Cases IncludedExcludedTotal NPercentNPercentNPercent血红蛋白值*性别*年龄40100.0%0.0%40100.0%表3分为三部分，第一、第二部分先按性别分组（分男性和女性），再按年龄分组（16，17，18
10、岁三组）计算观测值合计、均值、标准差、方差和个数；第三部分是之按年龄分组，最后一行表示40个观测值合计为457.79，均数为11.4448，标准差为2.2690，方差为5.1484，个数为40。若在Independent List中未分层次，即sex和age一起在Layer 1of 1中，则结果是分别计算男性与女性（不作年龄分组）。16、17、18岁三组（不作性别分组）的观测值合计、均值、标准差、方差和个数，如表4、5所示。表3 分组描述统计量Report血红蛋白值性别年龄MeanNStd. DeviationVarianceSum男1612.407892.24555.042111.67171
11、2.403331.89933.60737.211812.981192.09334.382116.83Total12.6529212.05314.215265.71女169.284051.34941.82146.42179.738671.40361.97068.171811.070071.91583.67077.49Total10.1095191.69892.886192.08Total1611.2921142.46496.076158.091710.5380101.94213.772105.381812.1450162.18274.764194.32Total11.4448402.26905.
12、148457.79表4 按性别分组的描述统计量Report血红蛋白值性别MeanNStd. DeviationVarianceSum男12.6529212.05314.215265.71女10.1095191.69892.886192.08Total11.4448402.26905.148457.79表5 按年龄分组的描述统计量Report血红蛋白值年龄MeanNStd. DeviationVarianceSum1611.2921142.46496.076158.091710.5380101.94213.772105.381812.1450162.18274.764194.32Total11.
13、4448402.26905.148457.79表6是方差分析表，共有六列，第一列说明方差的来源，Between Groups是组间的，Within Groups是组内的，Total是总的。第二列为平方和，其大小说明了各方差来源作用的大小。第三列为自由度。第四列为均方，即平方除以自由度。第五列F值只F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性，如果不显著说明模型对指标的变化没有解释能力。第六列是F值统计量的显著值，由于这里显著性小于0.05（我们的检验水平），所以模型是显著的，性别对血红蛋白有显著影响。由于性别分组只有两个水平，所以没有设计计算线性检验。表6 方差分析表ANOVA TableSum of SquaresdfMean SquareFSig.血红蛋白值*性别Between Groups(Combined)64.526164.52617.995.000Within Groups136.261383.586Total200.78739a With fewer than three groups, linearity measures f
