spss用独立样本T检验时,假设方差相等的levene检验sig值小于0.05,...

展开全部 看方差不相等的那一行，sig值小于0.05，这种情况就是方差不齐。

在方差齐性检验结果中，若P>0.10，认为方差齐性，t检验看第一行的结果；否则认为方差不齐，t检验看第二行的结果。

一般取a=0.05,P<0.001，即P<0.05，可认为差异存在。

如果样本量很大，数据近似正态分布，可以直接用t检验中方差不齐的校正结果来做，就是选第二行的t和p值。

如果样本比较小，或者方差不齐问题很大，数据严重非正态分布，则要使用非参数检验。

扩展资料： 方差齐性检验（Homogeneity of variance test）是数理统计学中检查不同样本的总体方差是否相同的一种方法。

其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。

常用方法有：Hartley检验、Bartlett检验、修正的Bartlett检验。

方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。

方差齐性检验是对两样本方差是否相同进行的检验。

方差齐性检验和两样本平均数的差异性检验在假设检验的基本思想上是没有什么差异性的。

只是所选择的抽样分布不一样。

方差齐性检验所选择的抽样分布为F分布 。

方差分析中有三条前提假设，其中一条是：不同水平的总体方差相等。

因为F检验对方差齐性的偏离较为敏感，故方差齐性检验十分必要。

在线性回归分析中，也要满足以上三条前提假设，除了方差齐性检验外，另二个是：因变量是否符合正态分布和是否待分析的因变量中的个案彼此独立也就是个案间不存在自相关并来自于同一个总体。

对于线性回归分析，只是多一个需要因变量和自变量有线性趋势。

spss中的方差齐性检验：首先需要知道方差齐性检验的本质：样本以及总体的方差的分布是常数，和自变量或者因变量没有关系。

方法：绘制散点图：一般情况因变量是纵轴，但是，在方差齐性检验中，因变量被设置为横轴，纵轴是学生化残差。

原因就是，要弄清究竟因变量和残差之间有没有关系。

结果：如果残差随机分布在一条穿过零点的水平直线的两侧，就说明残差独立，也就是证明因变量方差齐性。

参考链接：齐性检验-百度百科...

请问关于统计学的英文单词！

A abscissa横坐标 absence rate缺勤率 absolute number绝对数 absolute value绝对值 accident error偶然误差 accumulated frequency累积频数 alternative hypothesis备择假设 analysis of data分析资料 analysis of variance(ANOVA)方差分析 arith-log paper算术对数纸 arithmetic mean算术均数 assumed mean假定均数 arithmetic weighted mean加权算术均数 asymmetry coefficient偏度系数 average平均数 average deviation平均差 B bar chart直条图、条图 bias偏性 binomial distribution二项分布 biometrics生物统计学 bivariate normal population双变量正态总体 C cartogram统计图 case fatality rate(or case mortality)病死率 census普查 chi-sguare(X2) test卡方检验 central tendency集中趋势 class interval组距 classification分组、分类 cluster sampling整群抽样 coefficient of correlation相关系数 coefficient of regression回归系数 coefficient of variability(or coefficieut of variation)变异系数 collection of data收集资料 column列（栏） combinative table组合表 combined standard deviation合并标准差 combined variance(or poolled variance)合并方差 complete survey全面调查 completely correlation完全相关 completely random design完全随机设计 confidence interval可信区间，置信区间 confidence level可信水平，置信水平 confidence limit可信限，置信限 constituent ratio构成比，结构相对数 continuity连续性 control对照 control group对照组 coordinate坐标 correction for continuity连续性校正 correction for grouping归组校正 correction number校正数 correction value校正值 correlation相关，联系 correlation analysis相关分析 correlation coefficient相关系数 critical value临界值 cumulative frequency累积频率 D data资料 degree of confidence可信度，置信度 degree of dispersion离散程度 degree of freedom自由度 degree of variation变异度 dependent variable应变量 design of experiment实验设计 deviation from the mean离均差 diagnose accordance rate诊断符合率 difference with significance差别不显著 difference with significance差别显著 discrete variable离散变量 dispersion tendency离中趋势 distribution分布、分配 E effective rate有效率 eigenvalue特征值 enumeration data计数资料 equation of linear regression线性回归方程 error误差 error of replication重复误差 error of type IIⅡ型错误，第二类误差 error of type IⅠ型错误，第一类误差 estimate value估计值 event事件 experiment design实验设计 experiment error实验误差 experimental group实验组 extreme value极值 F fatality rate病死率 field survey现场调查 fourfold table四格表 freguency频数 freguency distribution频数分布 G Gaussian curve高斯曲线 geometric mean几何均数 grouped data分组资料 H histogram直方图 homogeneity of variance方差齐性 homogeneity test of variances方差齐性检验 hypothesis test假设检验 hypothetical universe假设总体 I incidence rate发病率 incomplete survey非全面调检 indepindent variable自变量 indivedual difference个体差异 infection rate感染率 inferior limit下限 initial data原始数据 inspection of data检查资料 intercept截距 interpolation method内插法 interval estimation区间估计 inverse correlation负相关 K kurtosis coefficient峰度系数 L latin sguare design拉丁方设计 least significant difference最小显著差数 least square method最小平方法，最小乘法 leptokurtic distribution尖峭态分布 leptokurtosis峰态，峭度 linear chart线图 linear correlation直线相关 linear regression直线回归 linear regression eguation直线回归方程 link relative环比 logarithmic normal distribution对数正态分布 logarithmic scale对数尺度 lognormal distribution对数正态分布 lower limit下限 M matched pair design配对设计 mathematical statistics数理统计（学） maximum value极大值 mean均值 mean of population总体均数 mean square均方 mean variance均方，方差 measurement data讲量资料 median中位数 medical statistics医学统计学 mesokurtosis正态峰 method of least squares最小平方法，最小乘法 method of grouping分组法 method of percentiles百分位数法 mid-value of class组中值 minimum value极小值 mode众数 moment动差，矩 morbidity患病率 mortality死亡率 N natality出生率 natural logarithm自然对数 negative correlation负相关 negative skewness负偏志 no correlation无相关 non-linear correlation非线性相关 non-parametric statistics非参数统计 normal curve正态曲线 normal deviate正态离差 normal distribution正态分布 normal population正态总体 normal probability curve正态概率曲线 normal range正常范围 normal value正常值 normal kurtosis正态峰 normality test正态性检验 nosometry患病率 null hypothesis无效假设，检验假设 O observed unit观察单位 observed value观察值 one-sided test单测检验 one-tailed test单尾检验 order statistic顺序统计量 ordinal number秩号 ordinate纵坐标 P ...

两独立样本t检验spss结果怎么看

data sample;set sashelp.class;if age&lt;16；说明一下proc anova要求数据样本量相等的run ;/*test:balanced data or not*/proc anova data=sample;class sex;model height=sex;run ;quit;更具体的可以看proc anova的帮助

卡方检验具体怎么计算

卡方检验计算方法：(1)提出原假设：H0：总体X的分布函数为F(x).如果总体分布为离散型，则假设具体为H0：总体X的分布律为P{X=xi}=pi, i=1,2,...(2)将总体X的取值范围分成k个互不相交的小区间A1,A2,A3，…，Ak，如可取A1=(a0,a1],A2=(a1,a2],...,Ak=(ak-1,ak),其中a0可取-∞，ak可取+∞，区间的划分视具体情况而定，但要使每个小区间所含的样本值个数不小于5，而区间个数k不要太大也不要太小。

(3)把落入第i个小区间的Ai的样本值的个数记作fi，成为组频数（真实值），所有组频数之和f1+f2+...+fk等于样本容量n。

(4)当H0为真时，根据所假设的总体理论分布，可算出总体X的值落入第i 个小区间Ai的概率pi，于是，npi就是落入第i个小区间Ai的样本值的理论频数（理论值）。

(5)当H0为真时，n次试验中样本值落入第i个小区间Ai的频率fi/n与概率pi应很接近，当H0不真时，则fi/n与pi相差很大。

基于这种思想，皮尔逊引进如下检验统计量，在0假设成立的情况下服从自由度为k-1的卡方分布。

扩展资料卡方检验是用途非常广的一种假设检验方法，它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。

基本原理：卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合；卡方值越小，偏差越小，越趋于符合，若两个值完全相等时，卡方值就为0，表明理论值完全符合。

注意：卡方检验针对分类变量。

参考资料：百度百科-卡方检验

转载请注明出处51数据库 » 无原始观测值的随机样本均数的假设检验在s