当前课程知识点:心理统计 > 9 独立样本t检验 > 9.1 独立样本t检验 > 9.1 独立样本t检验
同学们大家好
本章我们来学习独立样本
t检验
独立样本t检验这一章
我们主要分两小节
第一节为独立样本t检验的基本原理
第二节为独立样本t检验的应用
那么首先我们看为什么要提到独立样本t检验呢
上一章我们介绍了用单个样本作出总体结论的推断
虽然这种单样本技术
有时候会用到实际研究中
但是大多数研究问题往往关注于
两组数据的均值差异
说到两组数据的均值差异
通常有两类情况
一种类型的两种数据来自于两个不同的群体
比如说研究者比较分别接受教学方法A
和教学方法B的两个学生样本的均值差异
或者说比较男生样本
和女生样本智力水平的差异
也就是我们在实验心理学里面提到的
独立样本研究设计或者是组间设计
另外一种的两组数据来自于同一群体
或者是设计上匹配的群体
比如说研究者评价同一组病人
接受治疗前和治疗后的抑郁指数的差异
也就是实验心理学所提及的
重复测量研究设计或者是主内设计的概念
对于独立样本研究设计就是指
对每一种处理条件
或者是每个总体使用一个独立样本的研究设计
我们举个刚才的例子来看
用方法A教的学生与用方法比较的学生
在成绩上是否有差异
如果我们转化为统计语言的话
那么就是整体A的均值与总体B的均值是否有差异
但是这个时候总体是未知的
因此我们需要用样本A来代表总体A
用样本B来代表总体B
然后用样本A和样本B的均值差异
来估计总体A和总体B的均值差异
这个时候我们就需要用到独立样本t检验
那么接下来我们首先看
独立样本t检验的基本原理
本小节内容我们从以下几个方面进行介绍
第一首先介绍独立样本t检验的假设检验
第二介绍标准误及其计算
第三部分介绍独立样本t检验的计算公式
第四部分进行小结
首先我们看独立样本t检验的假设检验
那么对于独立样本t检验的研究目的
是评价两个总体
或者是两个处理条件之间均值的差异
独立样本t检验的假设为
那么它的虚无假设就是两个总体均值没有差异
那么也就是μ1减μ2等于0
备择假设就是两个总体间均值存在差异
也就是μ1减μ2不等于0
那么上一章我们也讲过单样本t检验的公式
t就等于样本统计量减去假设的总体参数
再除以估计标准误
以此类推独立样本t检验的公式
t就等于样本的均值差异减去总体的均值差异
再除以估计标准误
那么这里需要强调的是
M1代表样本1的均值
M2代表样本2的均值
那么μ1代表总体1的均值
μ2代表总体2的均值
那么SE就代表样本均值的估计标准误
因此从这个公式里面我们就可以看出
对于独立样本t检验
最关键的就是如何得到均值差异的标准误
那么首先我们看一下样本均值的分布
样本一的均值M1它是服从一个平均数为μ1
方差为∑1的平方除以N1的一个正态分布
那么样本二的均数M2是服从均值为μ2
方差为∑2的平方除以N2的一个正态分布
那么因此样本一的均值M1
减去样本二的均值M2就服从均值为μ1-μ2
方差为∑1的平方除以N1
再加上∑2的平方除以N2的一个正态分布
那么当总体的方差或者标准差
在未知的情况下
样本均值的标准误
就等于样本一的方差除以N1
加上样本二的方差除以N2再开方
那么需要注意的是
这个公式仅仅是用于
样本量N1和N2是相同的情况下
当样本量不同的时候
如果我们采用刚刚样本量相同的公式一
那么得到的标准误就是有偏的
因为从大样本得到的方差估计
比小样本得到的方差估计会更准确
因此在两个组方差相等的前提下
总体方差的估计应该采用
按照自由度所占比例加权的合并方差
我们接下来看一下合并方差的公式
那么合并方差的符号用Sp的平方来表示
那么在这里我们采用自由度所占比例进行加权
那么Sp的平方就等于
N1-1乘以SE的平方
也就是样本一的方差
再加上N2-1乘以样本二的方差
再除以两个样本的自由度之和
当把这个公式化简以后
我们就得到Sp的平方
就等于样本一的离均差平方和
再加上样本二的离均差平方和
再除以两个样本的自由度之和
那么当两个总体方差相等的条件成立的时候
如果我们使用合并方差来估计总体方差的话
我们可以得到样本均值差异的无偏测量值
所以说两个样本均值差异的估计标准误
SE就等于合并方差除以N1
再加上合并方差除以N2再开方
当样本量相同的时候
前面的标准误的公式一
就是这个公式的一个特例
因此独立样本t检验的完整公式为
t等于样本均值差异减去总体均及差异
再除以估计标准误
就等于M1减去M2
在减去μ1-μ2的差值
然后再除以SE
那么t值的自由度就等于第一个样本的自由度
加上第二个样本的自由度
也就是等于N1-1再加上N2-1
现在我们总结一下单样本t检验
和独立样本t检验的基本要素
那么单样本t检验我们是用样本均值
来推断总体的均值
它的估计标准误等于样本的方差
再除以N在开方
那么样本的方差就等于离均差平方和
再除以自由度
那么独立样本t检验它是用样本均值的差异
来推断总体均值的差异
那么它的估计标准误就等于合并方差
再除以N1加上合并方差除以N2再开方
那么合并方差就等于样本一的离均差平方和
加上样本二的离均差平方和
再除以两个样本的自由度之和
最后我们对本小节内容进行总结
独立样本t检验主要是使用了
两个独立样本的数据
来得出关于两个总体或者是不同处理条件之间
均值差异的一个推论
那么独立样本t检验的计算公式为
t等于样本的均值差异减去总体的均值差异
然后再除以估计标准误
那么独立样本t检验通过合并两个样本均值的误差来计算
样本均值差异的估计标准误
并使用合并方差来计算标准误
两个样本均值差异的估计标准误
就等于合并方差除以N1
再加上合并方差除以N2
然后再开方
好
本节内容我们就讲到这里
谢谢大家
-1.1 统计学的意义
-1.2 心理统计简介
-1.3 基本概念介绍1
-1.4 基本概念介绍2
-1.4 基本概念介绍2--作业
-1.5 研究方法
--1.5 研究方法
-2.1 统计表和统计图简介
--2.1 统计图表
-2.1 统计表和统计图简介--作业
-2.2 频数分布表
-2.2 频数分布表--作业
-2.3 频数分布图
-2.3 频数分布图--作业
-2.4 百分位数和百分等级
-2.4 百分位数和百分等级--作业
-3.1 平均数
--3.1 平均数
-3.1 平均数--作业
-3.2 中数
--3.2 中数
-3.2 中数--作业
-3.3 众数
--3.3 众数
-3.3 众数--作业
-4.1 全距和四分位距
-4.1 全距和四分位距--作业
-4.2 标准差和方差
-4.2 标准差和方差--作业
-4.3 差异系数
--4.3 差异系数
-4.3 差异系数--作业
-5.1 Z分数介绍
-5.1 Z分数介绍--作业
-5.2 Z分数的分布及转换
-5.2 Z分数的分布及转换--作业
-6.1 概率的基本概念
--6.1 概率与二项分布--作业
-6.2 概率与二项分布
-6.2 概率与二项分布--作业
-6.3 概率与正态分布
-6.3 概率与正态分布--作业
-6.4 抽样分布与推论统计
-6.4 抽样分布与推论统计--作业
-7.1 假设检验的一般原理
-7.1 假设检验的一般原理--作业
-7.2 假设检验的一般过程
-7.2 假设检验的一般过程--作业
-7.3 假设检验的不确定性和误差
-7.3 假设检验的不确定性和误差--作业
-7.4 有方向的假设与单侧检验
-7.4 有方向的假设与单侧检验--作业
-8.1 t统计量与t检验
-8.1 t统计量与t检验--作业
-8.2 单样本t检验的方法
-8.2 单样本t检验的方法--作业
-8.3 有方向的检验和单侧检验
-8.3 有方向的检验和单侧检验--作业
-9.1 独立样本t检验
-9.1 独立样本t检验--作业
-9.2 独立样本t检验的应用
-9.2 独立样本t检验的应用--作业
-10.1 相关样本t检验方法
-10.1 相关样本t检验方法--作业
-10.2 有方向的假设和单侧检验
-10.2 有方向的假设和单侧检验--作业
-11.1 效应量的测量
-11.1 效应量的测量--作业
-11.2 均值检验效应量
-11.2 均值检验效应量--作业
-11.3 统计检验力及其影响因素
-11.3 统计检验力及其影响因素--作业
-12.1 参数估计的基本内容
-12.1 参数估计的基本内容--作业
-12.2 用t统计量作参数估计
-12.2 用t统计量作参数估计--作业
-12.3 假设检验和参数估计
-12.3 假设检验和参数估计--作业
-13.1 方差分析的逻辑
-13.1 方差分析的逻辑--作业
-13.2 方差分析的计算
-13.2 方差分析的计算--作业
-14.1 完全随机单因素方差分析
-14.1 完全随机单因素方差分析--作业
-14.2 方差分析的测量效应和事后检验
-14.2 方差分析的测量效应和事后检验--作业
-15.1 重复测量单因素实验设计
-15.1 重复测量单因素实验设计--作业
-15.2 重复测量单因素方差分析的逻辑和计算
-15.2 重复测量单因素方差分析的逻辑和计算--作业
-16.1 完全随机两因素实验设计
-16.1 完全随机两因素实验设计--作业
-16.2 完全随机两因素方差分析的逻辑和计算
-16.2 完全随机两因素方差分析的逻辑和计算--作业
-16.3 简单效应检验
-16.3 简单效应检验--作业
-16.4 完全随机两因素方差分析的效应值和事后检验
-16.4 完全随机两因素方差分析的效应值和事后检验--作业
-17.1 相关概述
-17.1 相关概述--作业
-17.2.1 皮尔逊相关1
-17.2.1 皮尔逊相关1--作业
-17.2.2 皮尔逊相关2
-17.2.2 皮尔逊相关2--作业
-17.3 等级相关
-17.3 等级相关--作业
-17.4 点二列相关和二列相关
-17.4 点二列相关和二列相关--作业
-17.5 φ相关
--17.5 φ相关
-17.5 φ相关--作业
-18.1 简单线性回归
-18.1 简单线性回归--作业
-18.2 回归模型和回归系数
-18.2 回归模型和回归系数--作业
-18.3 线性回归的基本假设
-18.3 线性回归的基本假设--作业
-18.4 变异的分解
-18.4 变异的分解--作业
-18.5 回归方程的估计标准误
-18.5 回归方程的估计标准误--作业
-18.6 回归方差的有效性检验
-18.6 回归方差的有效性检验--作业
-19.1 二项检验
-19.1 二项检验--作业
-19.2 卡方检验
-19.2 卡方检验--作业
-19.3 四格表及列联表
-19.3 四格表及列联表--作业
-20.1 非参数检验概述
-20.1 非参数检验概述--作业
-20.2 单样本非参数检验
-20.2 单样本非参数检验--作业
-20.3 两独立样本非参数检验
-20.3 两独立样本非参数检验--作业
-20.4 多个独立样本非参数检验
-20.4 多个独立样本非参数检验--作业
-20.5 两个配对样本非参数检验
-20.5 两个配对样本非参数检验--作业
-20.6 多配对样本的非参数检验
-20.6 多配对样本的非参数检验--作业