第七章 spss非参数估计

第七章非参数检验

1、为分析不同年龄段人群对某商品满意程度的异同，进行随机调查收集到以下数据：请选择恰当的非参数检验方法，以恰当形式组织上述数据，分析不同年龄段人群对该商品满意程度的分布状况是否一致。

原假设:不同年龄段人群对该商品满意程度的分布无显著差异。

步骤：建立SPSS数据数据→加权个案→对频次进行加权→分析→非参数检验→旧对话框→两个独立样本→把年龄段导入分组变量、满意程度导入检验变量列表→确定

表7-1

检验统计量a

满意程度

最极端差别绝对值.121

正.121

负.000

Kolmogorov-Smirnov Z 2.217

渐近显著性(双侧) .000

a. 分组变量: 年龄段

分析：从上表中可以看出，在显著水平为0.05下得到的sig值均为0.00<0.05，故拒绝原假设，即认为不同年龄段人群对该商品满意程度的分布存在显著差异。

2、利用习题二第6题数据，选择恰当的非参数检验方法，分析本次存款金额的总体分布与正态分布是否存在显著差异。

原假设：本次存款金额的总体分布与正态分布无显著差异

步骤：分析→非参数检验→旧对话框→单个独立样本K-S检验→本次存款金额导入检验变量列表→正太分布检验→确定

表7-2

单样本 Kolmogorov-Smirnov 检验

本次存款金额

N 282

正态参数a,b均值4738.09

标准差10945.569

最极端差别绝对值.333

正.292

负-.333

Kolmogorov-Smirnov Z 5.585

渐近显著性(双侧) .000

a. 检验分布为正态分布。

b. 根据数据计算得到。

分析：如上表，在显著水平为0.05下得到的sig值均为0.00<0.05，故拒绝原假设，认为本次存款金额的分布与正太分布有显著差异。

3、利用习题二第6题数据，选择恰当的非参数检验方法，分析不同常住地人群本次存款金

额的总体分布是否存在显著差异。

原假设：不同常住地人群本次存款金额的总体分布无显著差异。

步骤：分析→非参数检验→旧对话框→2个独立样本→常住地导入分组变量、本次存款金额导入检验变量列表→确定

表7-3

检验统计量a

本次存款种类

最极端差别绝对值.280

正.000

负-.280

Kolmogorov-Smirnov Z 2.138

渐近显著性(双侧) .000

a. 分组变量: 常住地

分析：从图中可以看出，在显著水平为0.05下得到的sig值均为0.00<0.05，故拒绝原假设，认为不同常住地人群本次存款金额的总体分布存在显著差异。

4、利用习题二第6题数据，选择恰当的非参数检验方法，分析不同收入人群本次存款金额的总体分布是否存在显著差异。

原假设：不同收入人群本次存款金额的总体分布无显著差异。

步骤：分析→非参数检验→旧对话框→2个独立样本→不同收入人群导入分组变量、本次存款金额导入检验变量列表→确定

表7-4

检验统计量a

本次存款金额

最极端差别绝对值.361

正.006

负-.361

Kolmogorov-Smirnov Z 2.238

渐近显著性(双侧) .000

a. 分组变量: 月收入水平

分析：在图中可以看出，在显著水平为0.05下得到的sig值均为0.00<0.05，所以拒绝原假设，即认为不同收入人群本次存款金额的总体分布存在显著差异。

5、选择恰当的非参数检验方法，对“裁判打分.sav”数据随机选取10%的样本，并以恰当形式重新组织数据后，分析不同国家裁判对运动员的打分标准是否一致。

原假设：不同国家裁判对运动员的打分标准无显著差异

步骤：数据→选择个案→随机个案样本→样本→大约10%所有个案→继续→确定

表7-5

中国38 8.0421 .67649 7.10 9.50

美国38 8.8658 1.00143 7.00 10.00

俄罗斯38 8.0737 .92113 7.00 9.80

步骤：挑选初选中的数据→国家和评分组建新的SPSS数据→分析→非参数检验→多个独立样本检验→把评分导入检验量→把国家导入分组→确定

表7-6

秩

国家N 秩均值

评分意大利38 134.26

韩国38 166.03

罗马尼亚38 97.22

法国38 171.45

中国38 96.54

美国37 164.86

俄罗斯37 97.05

总数264

表7-7

检验统计量a

N 38

卡方155.226

df 6

渐近显著性.000

a. Friedman 检验

表7-8

Jonckheere-Terpstra 检验a

评分

国家中的水平数7

N 264

J-T 观察统计量13691.500

J-T 统计量均值14934.500

J-T 统计量的标准差708.825

标准J-T 统计量-1.754

渐近显著性(双侧) .079

a. 分组变量: 国家

表7-9

频率

国家

意大利韩国罗马尼亚法国中国美国俄罗斯评分> 中值20 25 11 28 7 25 12 <= 中值18 13 27 10 31 12 25 表7-10

检验统计量b

评分

N 264

中值8.5000

卡方43.248a

df 6

渐近显著性.000

a. 0 个单元 (.0%) 具有小于 5 的期望频率。单元最小期望频率为 17.9。

b. 分组变量: 国家

分析：根据上表，在秩检验和中值检验中，在显著水平为0.05下得到的sig值均为0.00，小于0.05，拒绝原假设，认为不同国家对其评分有显著影响。但是在JTerpstra 检验中在显著水平为0.05下得到的sig值均为0.079，大于0.05，接受原假设，不同国家对其评分不具有显著影响。

6、为分析大众对牛奶品牌是否具有偏好性，随机挑选超市了收集其周一至周六各天三种品牌牛奶的日销售额数据，如下表：请选择恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。

原假设：日期与品牌的分布无显著差异

步骤：建立spss数据→加权个案→销售额进行加权→分析→非参数检验→两个独立样本检验→确定

表7-11：:

秩

星期N 秩均值

品牌 1 21 62.76

2 2

3 83.80

3 31 72.63

4 32 77.83

5 2

6 81.27

6 16 67.16

总数149

表7-12

检验统计量a,b

品牌

卡方 4.469

df 5

渐近显著性.484

a. Kruskal Wallis 检验

检验统计量a,b

品牌

卡方 4.469

df 5

渐近显著性.484

a. Kruskal Wallis 检验

b. 分组变量: 星期

表7-13

频率

星期

1 2 3 4 5 6 7

品牌> 中值 4 8 10 10 9 3 0 <= 中值17 15 21 22 17 13 0

表7-14

检验统计量b

品牌

N 149

中值 2.00

卡方 2.787a

df 5

渐近显著性.733

表7-15

Jonckheere-Terpstra 检验a

品牌

星期中的水平数 6

N 149

J-T 观察统计量4706.000

J-T 统计量均值4578.500

J-T 统计量的标准差281.561

标准J-T 统计量.453

渐近显著性(双侧) .651

a. 分组变量: 星期

分析：根据上表7-11到7-15，在显著水平为0.05下得到的sig值均大于0.05，故接受原假设，认为日期与品牌的分布无显著差异。

spss-非参数检验-K多个独立样本检验( Kruskal-Wallis检验)案例解析

spss-非参数检验-K多个独立样本检验（ Kruskal-Wallis检验）案例解析 2011-09-19 15:09 最近经常失眠，好痛苦啊！大家有什么好的解决失眠的方法吗？希望知道的能够告诉我，谢谢啦，今天和大家一起探讨和分下一下SPSS-非参数检验--K个独立样本检验（ Kruskal-Wallis检验）。 还是以SPSS教程为例： 假设：HO: 不同地区的儿童，身高分布是相同的 H1：不同地区的儿童，身高分布是不同的 不同地区儿童身高样本数据如下所示： 提示：此样本数为4个（北京，上海，成都，广州）每个样本的样本量（观察数）都为5个 即：K=4>3 n=5, 此时如果样本逐渐增大，呈现出自由度为K-1的平方的分布，

（即指：卡方检验） 点击“分析”——非参数检验——旧对话框——K个独立样本检验，进入如下界面： 将“周岁儿童身高”变量拖入右侧“检验变量列表”内，将“城市（CS)变量” 拖入“分组变量”内，点击“定义范围” 输入“最小值”和“最大值”（这里的变量类型必须为“数字型”）如果不是数字型，必须要先定义或者重新编码。 在“检验类型”下面选择“秩和检验”（ Kruskal-Wallis检验）点击确定 运行结果如下所示：

对结果进行分析如下： 1：从“检验统计量a,b”表中可以看出：秩和统计量为：13.900 自由度为：3=k-1=4-1 下面来看看“秩和统计量”的计算过程，如下所示： 假设“秩和统计量”为 kw 那么:

其中：n+1/2 为全体样本的“秩平均” Ri./ni 为第i个样本的秩平均 Ri.代表第i个样本的秩和， ni代表第i个样本的观察数） 最后得到的公式为： 北京地区的“秩和”为：秩平均*观察数（N) = 14.4*5=72 上海地区的“秩和”为：8.2*5=41 成都地区的“秩和”为：15.8*5=79 广州地区的“秩和”为：3.6*5=18

SPSS-非参数检验—两独立样本检验_案例解析

SPSS-非参数检验—两独立样本检验案例解析 2011-09-16 16:29 好想睡觉，写一篇博文，希望可以减少睡意，今天跟大家研究和分享一下：spss非参数检验——两独立样本检验， 我还是引用教程里面的案例，以：一种产品有两种不同的工艺生产方法，那他们的使用寿命分别是否相同 下面进行假设：1：一种产品两种不同的工艺生产方法，他们的使用寿命分布是相同的 2：一种产品两种不同的工艺生产方法，他们的使用寿命分布是不相同的 我们采用SPSS进行分析，数据如下所示： 点击“分析”选择“非参数检验” 再选择“旧对话框——2个独立样本检 验如下所示：

在检验类型下面选择"Mann-Whitney U “ 检验类型（Mann-whitney u 检验等同于对两组数据的Wilcoxon秩和检验和Kruskal-Wallis检验，主要检验两个样本的总体在某些位置上是否相等。） 两种工艺类型分别为：甲种工艺和乙种工艺分别用定义值为“1” 和 “2”将“工艺类型”变量拖入“分组变量”下拉框内，点击“定义组”按钮，在组别1 和组别 2 中分别填入 1和2，点击继续按钮 选择“使用寿命”作为“检验变量”点击确定，得到分析结果如下：

下面对结果，我将进行详细分解： 1：N 代表变量个数，甲种工艺秩和为 80 乙种工艺秩和为 40， 下面来分析“秩和”这个结果如何出来的 第一步：我们将”使用寿命“这个变量按照“从小到大”的顺序进行排序，得到如下结果：

得到数据如下： 甲种工 艺： 661 669 675 679 682 692 693 乙种工艺： 646 649 650 651 652 662 663 672 我们将“甲种工艺”和“乙种工艺”两组数据进行合并排序，并且对两组数据进行“秩次排序”分别用“序号”代替以上数据 序号分别为： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 得到以下结果： 甲种工艺为： 6 9 11 12 13 14 15 （加起来刚好等于80）

SPSS学习笔记非参数检验

学习必备欢迎下载 总体分布未知，不会涉及有关总体分布的参数 1.单样本非参数检验：卡方分布，二项分布，K-S检验，变量值随机性检验 2.两独立样本非参数检验：两独立样本所来自的总体分布是否存在显著差异 3.两配对样本非参数检验 4.多独立样本非参数检验 5.多配对样本非参数检验 得到样本数据后，判断总体分布：直方图、P-P图、Q-Q图，或非参数检验 1.1 卡方检验： 根据样本数据，推断总体分布于期望分布或某一理论分布是否存在显著性差异，是一种吻合性检验，离散型数据。 原假设：样本来自总体的分布与期望分布或某一理论分布无显著性差异。 Eg：心脏病猝死人数与日期。 1.2二项分布检验： 检验总体是否服从指定概率为P的二项分布， 原假设：样本来自的总体与指定的二项分布无显著差异。 用于：二值型数据，性别，是否合格，是否为三好学生，硬币正反面等，用01表示。 注：检验概率值（检验比例） 1.3单样本K-S检验： 样本来自的总体是否与某一理论分布有显著差异，是一种拟合优度的检验方法。 用于：探索连续性变量的分布。正态分布（normal）、均匀分布（uniform）、指数分布（ex.）、泊松分布。 原假设：样本来自的总体与指定的理论分布无显著差异。 另外，对于数据量很大的连续型变量，可以用图形直观判断。 P-P图:数据与理论分布一致时，各个数据点应落在对角线上。 Q-Q图：如果数据与理论分布无显著差异，点应分布在0横线附近。（没找到啊？） 2 Test type： Mann-Whitney: 秩：变量值排序的名次或位置 K-S检验： 游程检验Wald-wolfwitz Runs 极端反应检验Moses Extreme Reactions：踢出极端值前后P值变化情况，是否踢出。注：不同分析方法对同批数据的分析，结论可能不相同，要反复进行探索性分析，还要注意方法本身侧重点上的差异性。 4 中位数检验强调位置，Kruskal-Wallis检验侧重分析平均秩，Jonckheere比较同相对数。 ~~~~不懂~ 5 mean rank 平均秩 P值说明平均秩是否存在显著差异 Kendall检验中，W协同系数接近于1时，说明是一致的。

SPSS的参数检验和非参数检验

S P S S的参数检验和非 参数检验 公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]

实验报告 SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下： 方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：

请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至 周六各天三种品牌牛奶的日销售额数据，如下表所示： 请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。 实验报告附页 三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。

非参数检验的SPSS操作

第八节非参数检验的SPSS操作 前面一章介绍的二项分布的比率检验、配合度检验——卡方检验和1-Sample K-S检验等都属于非参数检验。这一节我们主要结合前面参数假设检验一章讲过的t检验以及方差分析一章讲过的方差分析，来进一步分析，当参数检验的前提条件不满足时，两个样本和多个样本平均数差异的SPSS 操作方法。 一、两个独立样本的差异显著性检验 两独立样本的的差异显著性检验只有在满足如下条件时才能进行T检验：变量为正态分布的连续测量数据。若数据不满足这样的条件，强行进行T检验容易造成错误的结论。在数据不能满足这种参数检验的条件下，我们可以选择非参数检验方法进行。与两独立样本差异显著性检验相对应的方法可以在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples…中得到。 1．数据 采用本章第一节中例2的数据（数据文件“9-4-1.sav”），具体介绍操作过程。 2．理论分析 对于数据文件9-4-1.sav中的数据，目的是检验男女生之间注意稳定性是否存在显著差异，注意稳定性测量的结果虽然是测量数据但是从总体上来看不满足正态分布的前提假设，另外不同性别的学生可以看成是两组独立的样本，因此对上述资料的检验可以用非参数的独立样本的检验方法。 2．操作过程 （1）在SPSS主菜单中选择Analyze / Nonparametric Tests / 2 Independent Samples…得到两个独立样本非参数检验的主对话框（图9-1），把因变量atten选入到检验变量表列（Test Independent-Sample Tests）中去，把gender选到分组变量（Grouping Variable）中，并单击Define Groups…,在随后打开的对话框中分别键入1与2，单击Continue回到主对话框如图9-1所示。在Test Type中有四个可选项，其中最常用的是第一种方法Mann-Whitney U（又称秩和检验法）。

spss实验报告—非参数检验

实验报告 ——（非参数检验） 实验目的： 1、学会使用SPSS软件进行非参数检验。 2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。 实验内容： 1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调 查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建) SPSS计算结果如下： 此题为总体分布的卡方检验。 零假设：样本来自总体分布形态和期望分布没有显著差异。即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。 观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。从下表中可以看出相伴概

率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。 2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用 河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav） -+++*++++-+++-+++++----++----+---- 毒源 问：中毒与饮水是否有关？ SPSS计算结果如下： 此题为单样本变量值随机检验 零假设：总体某变量的变量值是随机出现的。即中毒的家庭沿河分布的情况随机分布，与饮水无关。 相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。 3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。 试验组：24 26 27 30 32 34 36 40 60 天以上 对照组：4 6 7 9 10 10 12 13 16 16 SPSS计算结果如下： 此题为两独立样本非参数检验。 （1）两独立样本Mann-Whitney U检验：

SPSS非参数检验之一卡方检验

SPSS 中非参数检验之一：总体分布的卡方（Chi-square ）检验 在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为χ2检验）就是一种比较好的方法。 一、定义 总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显着差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显着差异。 总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时，就近似服从X 的总体分布。 因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q () 2 1 k i i i i O E Q E =-=∑ 其中，Oi 表示观察频数；Ei 表示期望频数或理论频数。可见Q 值越大，表示观察频数和理论频数越不接近；Q 值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X

平方分布，因此SPSS将根据X平方分布表给出Q统计量所对应的相伴概率值。 如果相伴概率小于或等于用户的显着性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显着差异；如果相伴概率值大于显着性水平，则不能拒绝零假设HO，认为样本来自的总体分布形态与期望分布或理论分布不存在显着差异。 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。 二、实例 某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧郁数是否满足1:1:2:2:1:1:1。 实施步骤： 1、打开SPSS ，导入数据。

非参数检验 SPSS操作

非参数检验的SPSS操作 前面一章介绍的二项分布的比率检验、配合度检验——卡方检验和1-Sample K-S检验等都属于非参数检验。这一节我们主要结合前面参数假设检验一章讲过的t检验以及方差分析一章讲过的方差分析，来进一步分析，当参数检验的前提条件不满足时，两个样本和多个样本平均数差异的SPSS操作方法。 一、两个独立样本的差异显著性检验 两独立样本的的差异显著性检验只有在满足如下条件时才能进行T检验：变量为正态分布的连续测量数据。若数据不满足这样的条件，强行进行T检验容易造成错误的结论。在数据不能满足这种参数检验的条件下，我们可以选择非参数检验方法进行。与两独立样本差异显著性检验相对应的方法可以在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples…中得到。 1．数据 采用本章第一节中例2的数据（数据文件“9-4-1.sav”），具体介绍操作过程。 2．理论分析 对于数据文件9-4-1.sav中的数据，目的是检验男女生之间注意稳定性是否存在显著差异，注意稳定性测量的结果虽然是测量数据但是从总体上来看不满足正态分布的前提假设，另外不同性别的学生可以看成是两组独立的样本，因此对上述资料的检验可以用非参数的独立样本的检验方法。 2．操作过程 （1）在SPSS主菜单中选择Analyze / Nonparametric Tests / 2 Independent Samples…得到两个独立样本非参数检验的主对话框（图9-1），把因变量atten选入到检验变量表列（Test Independent-Sample

SPSS的参数检验和非参数检验

实验二 SPSS的参数检验和非参数检验 （验证性实验 4学时） 1、目的要求：熟练掌握t检验及其结果分析。熟练掌握单样本、两独立 样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给 出准确分析。 2、实验内容：使用指定的数据按实验教材完成相关的操作。 3、主要仪器设备：计算机。 练习： 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 鼠体内钙的留存量有显著不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天 并说明分析结论。 1 参数检验概述 假设检验的基本思想 .事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立； .采用逻辑上的反证法，依据统计上的小概率原理。

2 单样本的T检验 2.1检验目的： ?检验单个变量的均值是否与给定的常数(总体均值)之间是否存在显著差异。如：分析学生的IQ平均分是否为100分；大学生考研率是否为5%。 ?要求样本来自的总体服从或近似服从正态分布。 2.2 单样本T检验的实现思路 ?提出原假设： ?计算检验统计量和概率P值 ●给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在 一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 2.3 单样本t检验的基本操作步骤 1、选择选项Analyze－Compare means－One-Samples T test，出现窗口： 2、在Test Value框中输入检验值。 3、单击Option按钮定义其他选项。Option选项用来指定缺失值的处理方法。其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。可见，较第二种方式，第一种处理方式较充分地利用了样本数据。在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可以输出默认95％的置信区间。 至此，SPSS将自动计算t统计量和对应的概率p值。 3 两独立样本的T检验 3.1 两独立样本T检验的目的 ?利用来自两个总体的独立样本，推断两个总体的均值是否存在显著性差异； ?两独立样本的样本容量可以相等，也可以不相等； ?样本来自的总体服从或近似服从正态分布。 方差齐性检验（Levene F方法）： ?计算两组样本的均值 ●计算各个样本与本组均值的平均离差绝对值； ●利用单因素方差分析推断两独立总体平均离差绝对值是否有显著差异。 ●在对两独立样本进行T检验时，两组样本方差相等和不等时使用的计算t 值的公式不同，所以首先进行方差F检验。用户需要根据F检验的结果自己判断选择t检验输出中的哪个结果，得出最后结论。如果推断两总体方差相等则看方差相等的T检验值和P值，如果推断两总体方差不相等则看方差不相等的T检验值和P值。 3.2 两独立样本T检验的实现思路 ?提出原假设：两总体均值不存在显著差异： ●计算统计量和P值：首先利用F检验确定两个总体的方差是否相等；然后 再选择合适的T统计量计算观测值和概率P值； ●根据显著性水平和概率P值进行统计决策。 3.3 两独立样本t检验的基本操作步骤 进行两独立样本t检验之前，正确地组织数据是一个非常关键的任务。SPSS 要求将两组样本数据存放在一个SPSS变量中，同时，为区分哪些样本来自哪个