SPSS课程重点 T检验
配对T检验
例题
溴汾法和改进淀粉显色法测定碘含量 样本号 溴汾 改进 1 16.84 16.79 2 19.02 19.22 3 10.44 10.40 4 14.87 15.14 5 22.31 21.89 6 24.83 24.82
一、数据输入
注意事项:
在 Variable View中:
定义样本号类型为string,不参与运算的字符变量,其他为Numeric,系统默认的 Decimal为保留小数的个数,不同题目要求不同,可更改 Label为变量标签,如题所示此题的标签有,样本号,改进等
二、分析操作
在中找到配对t检验。
注意事项:
如图,必须选好需要配对的两个变量后,才能输到右边窗口
点击点击OK
确定置信水平95%或者99%
三、统计结论
如图所示为输出结果。其中要求在卷面给出的包括:
样本量 X±S T值 P值 统计描述 样本量N 6 X±S 0.00833±0.24211 T -3.785 P 0.936 统计推断结论:由于P=0.936>0.05(双侧)说明差异不显著,没有统计学意义,即溴汾法和改进淀粉显色法测定碘含量差异不大
独立T检验
例题见书本卫生统计课本121页,20只大鼠分甲乙两组,乙组接受3mg/kg的内毒素,甲组为对照组肌酐含量为
1 6.20 3.70 5.80 2.70 3.90 6.106.70 7.80 3.80 6.90 2 8.50 6.80 11.309.4 9.30 7.30 5.60 7.90 7.20 8.20
一、数据输入 注意事项:
此为独立T检验,分甲乙两组,所以定变量gruop,其中在Values中如图所示,分别定义1,2两
种情况,用以分辨甲乙两组
其中录入数据时所有数据列在Y栏下,按1.2组顺序录入,用gruop进行区别
二、分析操作
打开独立T检验
注意事项:
将Y送入test variable
将gruop送入gruoping variable
点击Define Gruop,选择
三、统计结论
如图所示为输出结果。其中要求在卷面给出的包括: 注明:F sig不用在卷面给出 统计描述 分组 1 2 样本量N 10 10 X±S 5.36±1.6985 8.51±1.5967 T -3.785 P 0.001 统计推断结论:由于N=10 T =--3.785 .P=0.001<0.05(双侧)说明差异显著,具有统计学意义,即使用内毒素对大鼠的肌酐含量有影响。
方差分析
ONE-WAY 单因素方差分析
单因素方差分析和前一个类似,在此不多做举例,拿上面的示范 数据输入
与独立T检验相同 操作分析
打开后
将Y送进因变量中,gruop送进分类变量中
为了进行各组的均数多重比较,打开post hoc,在对话框中选择所需的比较方法,多为lsd s-n-k 等 Equal Variance~~~~~~下的选项是针对方差不齐的数据进行多重比较的方法,随便选择均可 最后是置信水准,一般按默认的95%
为了对统计数据进行更好的描述和检验,我们打开options按钮,点击一三五 三个选项
分别是:描述性统计量、方差齐性检验、近
似方差分析。近似方差检验是针对方差不齐的数据进行的近似检验。 统计结论
最终的统计结论需要给出: 样本量 X±S F值 P值并做统计学推断
TWO-WAY 随机单位组设计资料方差分析 例题
1 1 1.94 1 2 2.25 1 3 2.03 1 4 2.10 1 5 2.08 1 6 2.11 1 7 2.09 1 8 2.12 2 1 3.80 2 2 3.90 2 3 4.06 2 4 3.85 2 5 3.84 2 6 3.86 2 7 3.87 2 8 3.89 3 1 1.85 3 2 2.01 3 3 2.10 3 4 1.92 3 5 2.04 3 6 2.00 3 7 2.02 3 8 2.01 4 1 3.88 4 2 3.84 4 3 3.96 4 4 3.92 4 5 3.80 4 6 3.85 4 7 3.83 4 8 3.87 数据输入
由于有处理因素和区组因素存在所以用gruop表示处理组,s表示配伍组 对gruop进行values变量值标记,
因而数据如图所示输入
操作分析
首先打开
Variable,/把gruop\\s送入固定效应fixed facter.
将Y送入因变量dependent
打开模型model选项选择custom自定义,将gruop \\s送入
点击
如图所示完成,进行后续两两比较
点击如图完成
最后!!!要对处理因素在不同组间的影响大小分析时,我们需要借助ONE-WAY处理,处理过程如下
统计结论
由此图查找统计量
排除其他表格,这两行是最重要的方差分析的结论 统计描述 区组 空白对照组 白细胞组 纯苯组 混合组 样本量 8 8 8 8 X±S F P
2*2四格表
将病情相似169名氛围两组,分别用洛赛克和雷尼替丁治疗 处理 洛赛克 雷尼替丁 治愈 64 51 未治愈 21 33 数据输入
4行3列,3个变量分别为行变量、列变量和频数变量
行变量为“group”:1=洛赛克 ;2=雷尼替丁,点击values
列变量 “effect ”:1=“治愈”,2=“未治愈”,点击values
数据输入
Freg为频数,所以需要加权才能计算,点击 date
然后,选择将freq送入
统计分析:
首先打开analyze
将group送入row,effect送入column
然后点击 ,选定,对于四格表资料通常是chi-square检验,
点击,选定、,如下图:
点击“ok”
统计结论
在下图中找出需要的统计量
配对X2检验
设用抗生素治疗有患者65例,治疗前后的细菌检查结果,分析抗生素是否有效 治疗前 — + 合计 治疗后 — + 20 29 49 2 14 16 22 43 65 合计 操作过程 数据输入
4行3列,3个变量分别为行变量、列变量和频数变量 变量(行):treatb, 赋值0=- 、1=+
变量(列):treata, 赋值0=- 、1=+ 频数变量为freq
数据格式
分析
Freg为频数,所以需要加权才能计算,点击 date
然后,选择
统计分析:
首先打开analyze
将freq送入,如图。
将treatb送入row,treata送入column,如图
然后点击,选定,对于配对计数资料通常是配对X2检验,如图。
点击,选定、,如下图:
点击“ok” 统计结论
在下图中找出需要的统计量
基于秩次的非参数检验 两独立样本的非参数检验:
病例号 中草药 藓软膏 1 治愈 有效 2 有效 无效 3 治愈 有效 4 治愈 治愈 5 有效 有效 6 治愈 有效 7 治愈 有效 8 治愈 有效 9 有效 无效 10 治愈 治愈 数据输入 20行2列,一个分组变量和一个检验变量
分组变量:变量名“group”1=中草药 2=藓软膏 检验变量:1=治愈 2=有效 3=无效
输入数据,如图
统计分析:
首先打开analyze
Nonparametric test
2 independent samples 然后
选进effect 选进group
然后test type
点击“ok” 统计结论
在下图中找出需要的统计量
组别 N MR(平均秩次) Z P 中草药 10 4 -2.530 0.011 藓敌 10 0 结论:2组样本差异有统计学意义(z=-2.530 p=0.011)2种药物药效不同,藓敌的更好些。
相关回归分析
X y 2.8 5.6 4.4 6.6 4.8 7.9 5.6 9.0 6.5 12.5 3.3 6.2 6.0 11.1 2.2 4.1 4.1 8.4 5.0 9.9 输入数据,如图
分析
相关分析:首先打开analyze
Correlate
Bivariate(双变量相关分析)
打开options按钮
点击“ok” 统计结论
在下图中找出需要的统计量
变量 N X+-S r Y 10 8.130+-2.5957 1 X与Y存在显著的正相关关系,并且相关关系较强。 p 0.000 回归分析
首先打开analyze
Regreesion
Linear(线性回归分析)
打开
然后选中下列复选框
点击“ok” 统计结论
在下图中找出需要的统计量
(注:可编辑下载,若有不当之处,请指正,谢谢!)
因篇幅问题不能全部显示,请点此查看更多更全内容