14个常用的统计假设检验的方法检验假设常用什么统计方法

文章插图

本文分享利用SPSSAU进行14个常用的统计假设检验的方法，分为以下五个部分：
一、正态性检验
正态性特质是很多分析方法的基础前提，如果不满足正态性特质，则应该选择其它的分析方法，因此在做某些分析时，需要先进行正态性检验。如果样本量大于50，则应该使用Kolmogorov-Smirnov检验结果，反之则使用Shapro-Wilk检验的结果。
常见的分析方法正态性特质要求归纳如下表（包括分析方法，以及需要满足正态性的分析项，如果不满足时应该使用的分析方法）。
SPSSAU整理

分析步骤：

如果p 值大于0.05，则说明具有正态性特质，反之则说明数据没有正态性特质。

关于问卷研究数据的正态性特质：

如果是问卷研究，数据很难满足正态性特质，而实际研究中却也很少使用不满足正态性分析时的分析方法。
SPSSAU认为有以下三点原因：
① 参数检验的检验效能高于非参数检验，比如方差分析为参数检验，所以很多时候即使数据不满足正态性要求也使用方差分析
② 如果使用非参数检验，呈现出差异性，则需要对比具体对比差异性（但是非参数检验的差异性不能直接用平均值描述，这与实际分析需求相悖，因此有时即使数据不正态，也不使用非参数检验，或者Spearman相关系数等）
③ 理想状态下数据会呈现出正态性特质，但这仅会出现在理想状态，现实中的数据很难出现正态性特质（尤其是比如问卷数据）【可直接使用“直方图”直观展示数据正态性情况】。

SPSSAU操作

SPSSAU-正态性检验
二、方差齐检验
如果要进行方差分析，需要满足方差齐性的前提条件，需要进行方差齐检验，其用于分析不同定类数据组别对定量数据时的波动情况是否一致。例如研究人员想知道三组学生的智商波动情况是否一致（通常情况希望波动一致，即方差齐）。

分析步骤

判断p 值是否呈现出显著性(p <0.05),如果呈现出显著性,则说明不同组别数据波动不一致，即说明方差不齐；反之p 值没有呈现出显著性（p >0.05）则说明方差齐。

SPSSAU操作

SPSSAU-方差齐检验

提示：方差不齐时可使用‘非参数检验’，或者还可使用welch 方差，或者Brown-Forsythe方差。
三、相关性检验
（1）相关分析
相关分析是一种简单易行的测量定量数据之间的关系情况的分析方法。可以分析包括变量间的关系情况以及关系强弱程度等。相关系数常见有三类，分别是：
1.Pearson相关系数
2.Spearman等级相关系数
3.Kendall相关系数
三种相关系数最常使用的是Pearson相关系数；当数据不满足正态性时，则使用Spearman相关系数，Kendall相关系数用于判断数据一致性，比如裁判打分。下图是详细使用场景：
SPSSAU整理

分析步骤

如果呈现出显著性（结果右上角有*号，此时说明有关系；反之则没有关系）。
有了关系之后，关系的紧密程度直接看相关系数大小即可。（一般0.7以上说明关系非常紧密；0.4~0.7之间说明关系紧密；0.2~0.4说明关系一般。）
如果说相关系数值小于0.2，但是依然呈现出显著性（右上角有*号，1个*号叫0.05水平显著，2个*号叫0.01水平显著；显著是指相关系数的出现具有统计学意义普遍存在的，而不是偶然出现），说明关系较弱，但依然是有相关关系。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：

14个常用的统计假设检验的方法 检验假设常用什么统计方法

14个常用的统计假设检验的方法检验假设常用什么统计方法