下载文档原格式
第三章假设检验操作第一节单样本假设检验例3.1，现对某地区21个超市的某食品价格进行调查，每500g的售价（单位为元）分别为：3.03，3.31，3.24，3.82，3.30，3.16，3.84，3.10，3.90，3.18，3.88，3.22，3.28，3.24，3.62，3.34，3.62，3.28，3.22，3.54，3.30。
已知往年的平均售价一直稳定在3.25元/500g 左右且服从正态分布，能否认为该地区当前的食品售价高于往年？（0.10）具体操作及说明如下：第一步，建立数据文件，如图3.1。
图3.1 集市的鸡蛋价格第二步，选择选项Ana lyze→Compare means →One-Samples Test激活单样本T检验对话框。
如图3.2，图3.3。
图3.2 单样本T检验主菜单图3.3 单样本T检验主对话框图3.3中，1. ：检验变量窗口。
3.：检验值窗口。
3.点击按钮，激活置信水平与缺失值设置对话框。
如图3.4。
图3.4置信水平与缺失值设置对话框其中，Confidence Interval：信度检验水平，系统默认概率为95%（由于本例中为右侧检验，故需将置信度检验水平设置为90%）。
Missing Values：缺失值设置栏。
Exclude cases analysis by analysis：表示当计算涉及的变量有缺失值，则剔除在该变量上为缺失值的个案。
Exclude cases listwise：表示提出所有在任意变量上含有缺失值的个案后进行分析。
第三步，选中“jiage”点击使之进入对话的检验变量栏(Test Variable(s))，在检验值栏(Test Value)中填写理论总体平均值,即往年的平均售价一直稳定在 3.25元/500g。
如图3.5。
图3.5 具体操作示意窗口第四步，点击。
其他选项选择系统默认，也可在Options中设定。
结果如下：1.输出单样本统计量（表3.1）表3.1 单样本统计量One-Sample Statistics表中显示样本个数（N）为21，平均数（Mean）为3.4010，标准差（Std. Deviation）为0.27168，平均数的标准误为0.05929。
3.输出单样本T检验结果（表3.2）表3.2 单样本T检验结果One-Sample Test表中显示，检验统计量T（t）值为3.546；自由度（df）为20；显著性概率（Sig. (2-tailed)）为0.019＜0.10，为小概率事件，应否定无效假设，接受备择假设，即鸡蛋的现售价与总体平均价有显著差异；样本平均数与总体平均数之差（Mean Difference）为0.1510，因此鸡蛋的现售价高于总体平均价；鸡蛋的现售价与总体平均价之差90%的置信区间为0.0487～0.2532，即鸡蛋的现售价90%的置信区间为（3.25+0.0487,3.25+0.2532）之间。
第二节独立样本假设检验例3.2，现有两学校教师得到工资（元/月）如下：A校：1014.00，984.00，1044.00，866.00，848.00，824.00，824.00，824.00，859.00，827.00，1014.00，989.00，938.00，889.00，887.00，887.00；B校：1000.00，958.00，886.00，758.00，966.00，925.00，1008.00，988.00，855.00，745.00，1003.00，998.00，823.00，789.00，1004.6，1005.1。
试比较两学校教师的工资是否有显著差异？（0.05）具体操作及说明如下：第一步，建立数据文件，如图3.6。
图3.6 两学校教师的工资第二步，选择选项Analyze→Compare means→ Independent-Samples Test激活独立单样本T检验对话框，如图3.7，图3.8。
图3.7 独立单样本T检验主菜单图3.8 独立单样本T检验对话框图3.8中，1.：被检验变量框。
3.：分类变量。
3.Define Groups：分类定义对话框按钮。
将分类变量选入后，便可激活。
4.按钮，点击，进入分类定义对话框，如图3.8。
图3.9 分类定义对话框其中，Use specified values：按分类变量分组。
：第一组标志值。
：第二组标志值。
Cut point：连续型变量分割点。
5．点击按钮，激活置信水平和缺失值设置对话框，同图3.3。
第三步，选中“工资”变量点击使之进入被检验变量框（Test Variable(s)）。
选中“学校”变量点击使之进入分类变量栏（Grouping Variable）。
点击，进入分类定义对话框。
在中填写“1”；在中填写“2”，如图3.8。
第四步，点击按钮返回主对话框，点击。
输出结果如下：1.输出独立样本统计量（表3.3）。
表3.3 独立样本统计量Group Statistics两个独立样本的样本数均为16，平均值分别为907.3750元、919.4813元，标准差分别为77.86131、96.10441，平均数的标准误分别为19.46533、24.02610。
3.输出独立样本T检验结果（表3.4）表3.4 独立样本检验结果Independent Samples Test续表3.4 独立样本检验结果Independent Samples Test表中Equal variances assumed：表示方差齐性；Equal variances not assumed：表示方差非齐性；Levene's Test for Equality of Variances：方差齐性水平检验；t-test for Equality of Means：平均数检验结果；Mean Difference：两组数据平均数之差；Std. Error Difference：差值的标准误；95% Confidence Interval of the Difference：差值的95%的置信区间。
当方差检验为齐性时，T检验结果选择Equal variances assumed所对应的一行；当当方差检验为非齐性时，T检验结果选择Equal variances not assumed 所对应的一行。
本例中F值为1.172，显著性概率为（Sig）为0.288＞0.05，方差为齐性。
因此看T检验结果选择Equal variances assumed所对应的一行，t值为-0.392，自由度为（df）为30，显著性概率为（Sig）为0.698＞0.05，两校教师工资的平均数无显著差异。
两校教师平均工资之差（A-B）为-13.1063，差值的标准误为30.92172元，差值的95%的置信区间为（-75.25682，51.04432）。
第三节配对样本假设检验例3.3，某地各月平均气温与5cm平均地温如表3.5，问二者有无显著差异？表3.5 地温分布月份 1 2 3 4 5 6 7 8 9 10 11 12 平均气温-4.7 -2.3 4.4 13.2 20.2 24.2 26.0 24.6 19.5 12.5 4.0 -2.8 5cm平均地温-3.6 -1.4 5.1 14.5 22.3 26.9 28.2 26.5 21.1 13.4 4.6 -1.9 具体操作及说明：第一步，建立数据文件，如图3.10。
图3.10 各月平均气温与平均地温第二步：选择选项Analyz e→Compare mean s→Paired-Samples Test激活成对样本T检验对话框，如图3.11，图3.12。
图3.11 配对数据T检验主菜单图3.12 成对样本T检验对话框图中，1．：配对变量框。
3.点击按钮，激活置信水平和缺失值设置对话框，同图3.4。
第三步，选中“平均气温”再按选中“地温”点击进入Paired Variables 框，如图3.13。
图3.13 具体操作示意对话框第四步，点击进入对话框，输入Confidence Interval值（系统默认95%）。
第五步：选择,然后选择。
输出结果如下：1.输出成对样本统计量（表3.6）表3.6 成对样本统计量Paired Samples Statistics表中显示：平均气温平均值为11.5667，样本数为12，标准差为11.48401，平均值的标准误为3.31515；地温平均值为13.9750，样本数为12，标准差为13.05632，平均数的标准误分别为3.48036。
3.输出相关分析结果（表3.7）表3.7相关结果Paired Samples Correlations表中显示两组的相关系数（Correlation）为1.000，相关系数显著性检验的概率值（Sig）为0.000＜0.05，为小概率事件，否定无效假设，接受备择假设，认为两组数据显著相关。
3.输出检验结果（表3.8）表3.8 检验结果Paired Samples Test表中显示平均气温与地温平均数之差（Mean）为-1.4083，平均气温与地温标准差之差（Std. Deviation）为0.68018，平均气温与地温平均数标准误之差（Std. Error Mean）为0.19635，平均气温与地温平均数之差的95%置信区间为（-1.8405，-0.9762），T检验统计量为-7.172，自由度为11，显著性概率（Sig. (2-tailed)）为0.000＜0.05，为小概率事件，否定无效假设，接受备择假设，认为两组数据平均数有显著差异。
