假设检验
spss–差异分析
差异研究的目的在于比较两组数据或多组数据之间的差异，通常包括以下几类分析方法，分别是：
1：T检验；
2：方差分析；
3：卡方检验；
提示：以下是本篇文章正文内容，下面案例可供参考
一、假设检验
假设检验是数理统计学中根据一定假设条件由样本推断总体的一种方法，是分析统计数据、构建统计模型进行决策支持的基石。
1. 假设检验的假设
在进行任何一项研究时，都希望根据已有的理论和经验事先对研究结果作出一种预想的希望证实的假设。
这种假设叫科学假设，用统计学术语表示时叫研究假设，也叫备择假设，记作H 1 。与研究假设对立的是零假设，或称原假设、虚无假设，记作 H 0。
2. 原假设与研究假设的关系：
- 两者的并集为全域；
- 两者的交集为空集
3. 区分两种假设
一般有等于（=）号的作为 原假设
4. 假设检验统计决策的原理
假设检验统计决策的原理是“小概率事件原理”。衡量一个事件发生与否可能性的标准是概率大小，通常概率大的事件容易发生，概率小的事件不容易发生，在一次随机抽样中小概率事件发生的可能性很小，可以视为不会发生。小概率事件是否出现，是统计决策的依据。（小概率事件出现，则拒绝原假设，否则，接受原假设）。
小概率事件的小概率记为 ，称为显著性水平，通常取0.05，0.01两个值。在spss中，如果sig<0.05或带有*（通常写成p<0.05），就可以拒绝原假设，从而接受研究假设。
5. 假设检验的步骤
（1）建立统计假设；
（2）收集样本数据；
（3）选定检验方法；
（4）计算检验统计量值；
（5）确定P值，给出推断结论。
二、t检验
t检验是应用t分布的特征，将t作为检验的统计量来进行的检验。对于两组服从正态分布的定量数据的平均数差异的检验均可以采用t检验，常见的t检验有单样本t检验、独立样本t检验和配对样本t检验。
1.单样本T检验
单样本t检验是指对样本平均数与总体平均数的差异进行的显著性检验。即检验单个变量的均值是否与给定的常数之间存在差异。
2. 独立样本T检验
独立样本t检验是通过对两个独立样本的平均数的比较，看其来自的两个独立总体平均数是否有显著性差异。
- 注意：独立样本是指可以独立颠倒顺序而不对问题产生影响的样本。
3. 配对样本T检验
配对样本t检验用于检验两相关样本或成对样本所得平均数间是否有显著性差异。配对样本T检验不同于独立样本T检验，配对样本T检验中数据是相关且一一对应的。
两配对总体的判断方法：其一、同一批被试的两列测量值是相关的；其二、一一严格配对的两组被试 是相关的。
配对样本不可以独立颠倒顺序，如果独立颠倒，就会改变问题的性质。
值得注意的是：独立样本T检验和配对样本T检验功能上都是比较差异，而且均是比较两个组别差异。但二者有着实质性区别，如果是比较不同性别，婚姻状况(已婚和未婚)样本对某变量的差异时，应该使用独立样本T检验。如果比较组别之间有配对关系时，只能使用配对样本T检验，配对关系是指类似实验组和对照组的这类关系。另外独立样本T检验两组样本个数可以不相等，而配对样本T检验的两组样本量需要完全相等。
独立样本T检验和单因素方差分析功能上基本一致，但是独立样本T检验只能比较两组选项的差异，比如男性和女性。相对来讲，独立样本T检验在实验比较时使用频率更高，尤其是生物、医学相关领域。针对问卷研究，如果比较的类别为两组，独立样本T检验和单因素方差分析均可实现，研究者自行选择使用即可。
三、方差分析
1. 方差分析
方差分析，就是对多个平均数进行比较的一种统计方法，又称变异数分析，其主要功能在于分析实验数据中不同来源的变异对总变异的贡献大小，从而确定实验中的自变量是否对因变量有重要影响。 它与实验设计紧密相联，实验设计不同，方差分析的方法也有所不同。
1. 1方差分析的三条假设：
• 总体分布的正态性。方差分析要求样本必须来自正态分布的总体。
• 各个实验组的方差齐性。方差分析要求各总体的方差或标准差相同。因此，方差分析前需对各样本的方差做一致性检验，称方差齐性检验，只有满足了方差齐性的条件才可做方差分析。
• 变异具有可加性。方差分析是将事物的总变异分解为各个不同变异来源，分解后的各部分变异是相互独立的，相加后又构成总变异。
1. 2方差分析的基本过程
（1）建立假设：目的是检验几种实验处理是否有显著差异
原假设 H0: u1=u2=u3=…=un
备则假设H1: u1,u2,u3，…,un 至少有一组不相等
（2）求组间变异和组内变异
（3）进行F检验
F=组间变异/组内变异
（4）列出方差分析表，作出结论
1. 3方差分析、T检验、卡方检验的区别
其实核心的区别在于：数据类型不一样。如果是定类和定类，此时应该使用卡方分析；如果是定类和定量，此时应该使用方差或者T检验。
方差和T检验的区别在于，对于T检验的X来讲，其只能为2个类别比如男和女。如果X为3个类别比如本科以下，本科，本科以上；此时只能使用方差分析。
| X数据类型 | 组别 | Y数据类型 | 分析方法 |
|---|---|---|---|
| 定类 | 2组或者多组 | 定量 | 方差 |
| 定类 | 仅仅2组 | 定量 | T检验 |
| 定类 | 2组或者多组 | 定类 | 卡方 |
2. 1单因素方差分析
单因素设计（single factor design）就是从影响实验结果的众多因素中选取一个作为自变量，其他因素都加以控制的设计类型。分析单因素设计实验结果的方法称单因素方差分析，换言之，实验所考察的自变量只有一个的实验设计的方差分析。
单因素方差分析,用于分析定类数据与定量数据之间的关系情况。在使用单因素方差分析时，需要每个选项的样本量大于30，比如男性和女性样本量分别是100和120，如果出现某个选项样本量过少时应该首先进行组别合并处理，比如研究不同年龄组样本对于研究变量的差异性态度时，年龄小于20岁的样本量仅为20个，那么需要将小于20岁的选项与另外一组(比如20~25岁)的组别合并为一组，然后再进行单因素方差分析。
2. 2协方差分析
协方差分析是将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响，从而更加准确的对控制变量进行评价。
例如：想要研究三种不同教学方法对初中英语教学的影响，选择某校初一三个班级，分别选择一种教学方法施教，其他因素保持一致，经过一学期的教学实践，以了解三种教学方法是否存在显著差异。（因为选取的是初一的三个班级，虽然其他因素保持一致，但是这三个班级的前测成绩并不能完全一样，但前测成绩可能对后测产生影响，所以我们可以将前测成绩作为协变量予以控制，从而进行协方差分析。）
