第8讲 差异显著性检验完整版.ppt

一、假设检验二、独立样本T检验三、单因素方差分析第8讲差异显著性检验不同性别、不同年龄、不同教育背景、不同收入、不同客源地的游客群体在旅游购物、游憩动机、游憩满意度、乃至旅游影响感知等方面肯定存在差异,但如果只探讨他们之间的微小差异是没有意义的,我们需要了解的是他们在这些方面是否存在显著差异。差异显著性检验属于假设检验的范畴,因而必须首先了解什么是假设检验(HypothesisTesting)。一、假设检验(一)假设检验的基本原理所谓假设,可以理解为是研究者对于某个有待解决的问题所提出的暂时性或尝试性的答案。就差异显著性的假设检验而言,其假设的陈述形式是一种差异式陈述方式。例如:不同性别的游客对某一景区提供的住宿条件的满意程度是否存在显著差异?不同收入的游客群体对某一景区自然风光的评价是否存在显著差异?要回答这些问题,我们最好先提出有关假设。:我们假设不同性别的游客对某一景区提供的住宿条件的满意程度不存在显著差异,我们以H0代表这个假设,H0就称为“零假设”(nullhypothesis)(也称为“原假设”或“虚无假设”)。其对立面,不同性别的游客对某一景区提供的住宿条件的满意程度存在显著差异,通常以H1代表,称为“对立假设”(alternativehypothesis)(也称为“备择假设”)。零假设是待检验的假设,如果待检验的假设不成立,那么其对立假设就成立。:也称为弃真错误,是指零假设H0实际上是真实的,而检验结果却拒绝了它。出现第一类错误的概率是显著性水平α,因此犯第一类错误的概率是可以控制的。第二类错误:也称为取伪错误,是指零假设H0实际上是不真实的,而检验结果却接受了它。第二类错误的概率用β表示。检验结果总体情况零假设H0为真对立假设H1为真接受H0拒绝H0判断正确第一类错误第二类错误判断正确弃真错误和取伪错误的概率存在此消彼长的关系:当弃真错误的概率降低时,取伪错误的概率就会增加当取伪错误的概率降低时,弃真错误的概率就会增加同时减少犯这两类错误的概率的唯一的方法是增大样本容量,但这又是不现实的因此,通常都是首先控制弃真错误的概率,(1)双侧检验有两个临界值,两个拒绝域,每个拒绝域的面积为,原假设µ=µ0,只要µ>µ0或µ<µ0有一侧出现,就要拒绝原假设。双侧检验按查表求临界值。µ=µ0µ≠µ0双侧检验单侧检验原假设H0备择假设H1µ≥µ0µ<µ0µ≤µ0µ>µ0α2α2(2)单侧检验有一个临界值,一个拒绝域,拒绝域的面积为α。当所考察的数值越大越好时,用单侧检验。如考察灯泡的寿命当所考察的数值越小越好时,用单侧检验。如考察产品的废品率单侧检验按α查表求临界值。。(2)选取检验统计量,并在原假设H0成立的条件下计算统计量的值。(3)对于给定的显著性水平α,决定临界值。α的取值范围为α≤,α≤≤,一般情况下,常用α≤。当α≤,差异显著,当α≤,差异极显著。(4)对假设做出判断。通过对计算获得的统计量与临界值的比较,作出接受或拒绝零假设的决定。显著性水平值α定得越大,拒绝域就越大,就越不容易接受原假设,反之,显著性水平值定得越小,拒绝域就越小,就越容易接受原假设。因此,在统计检验的问题中,要注意α值的确定问题。使用统计软件进行假设检验,在输出的结果中,会出现P值(Sig.),P值是判断检验结果的另一个衡量标准,是进行检验决策的另一个依据。P值是拒绝零假设的最小值。当P≤α时,拒绝H0,表明样本均值存在显著差异;当P>α时,接受H0,表明样本均值不存在显著差异。,差异显著性检验涉及的变量关系可以理解为一种因果关系。从统计学的观点来看,这种涉及两类变量的检验属于双变量(bivariate)的统计检验。对于双变量的假设检验,我们必须指定其中的一个变量为自变量(independentvariable)、另一个为因变量(dependentvariable)。如不同性别的游客对某景区提供的住宿条件的满意度存在显著差异,这里视性别为自变量,满意度为因变量,即认为这种满意度的差别是因为性别的不同引起的。