|
|
Критерий /-Стьюдента для одной выборки.A) Выбираем Апа1уге > Сотраге теаш > Опе 8атр1е Т-Те$1... Б) В открывшемся окне диалога выделяем и переносим интересующие переменные из левого окна в правое окно при помощи кнопки > (в данном случае — переменные уаг7 и Vа^8). Устанавливаем величину, с которой собираемся сравнивать средние значения: Те$1 Уа1ие — вводим значение (в данном примере 10). Нажимаем ОК. B) Получаем результаты в виде двух таблиц:
В первой таблице содержатся первичные статистики, в частности, средние значения (Меап$), стандартные отклонения (8гс1. ОеУ1а1юп). Во второй — результаты проверки гипотез: значения /-Стьюдента (I), числа степеней свободы (ф, уровень значимости (5щ.), разность среднего значения и заданной величины (Меап ЭШегепсе). Критерий Г-Стьюдента и сравнение двух дисперсий для независимых выборок. A) Выбираем Апа1уге > Сотраге теап$ > 1ш)ерепс1еп1 8атр1е$ Т-Тез*... Б) В открывшемся окне диалога выделяем и переносим при помощи кнопки > из левого окна интересующие переменные в правое верхнее окно (Те$1 УапаЫе($)) (в данном случае — переменную уаг1); группирующую переменную, которая делит выборку на подгруппы (Сгоириц; Уап'аЫе) (в данном случае — переменную чаг2). Нажимаем кнопку Бейпе Сгоирх... и задаем номера градаций группирующей переменной, которые мы хотим сравнить (в данном случае 0 и 1). Нажимаем СопНпие. Нажимаем ОК. B) Получаем результаты в виде двух таблиц.
В первой таблице содержатся первичные статистики: каждой выборке (градации 0 п 1 переменной Vа^2) соответствует своя строка. Во второй таблице — результаты проверки гипотез: проверка равенства дисперсий (Ьеуепе'8 Тез*...) — значение критерия (Р) и уровень значимости (81§.); проверка различий средних (Ые8{...) — значение критерия (/), число степеней свободы ((I/), уровень значимости (8|§.). Результаты проверки по критерию /-Стьюдента принимаются во внимание, если дисперсии по критерию Ливена статистически значимо не различаются (р > 0,05). Примечание. Программа предлагает вариант проверки по критерию /-Стьюдента с поправкой на неоднородность дисперсии (Е^иа1 уапапсек по(аззитеё). Правомерность такой поправки не очевидна. Поэтому, в случае получения достоверного различия дисперсий по критерию Ливена, рекомендуем воспользоваться непараметрической проверкой различий для независимых выборок (по критерию {/-Манна-Уитни). Критерий Г-Стьюдента для зависимых выборок. A) Выбираем Апа1уге > Сотраге теап$ > Ра1гес1-8атр1е$ Т-Тек!... Б) В открывшемся окне диалога выделяем две переменные (соответствующие двум зависимым выборкам — измерениям одного и того же признака) и переносим пару при помощи кнопки > из левого окна в правое окно (Ра1гей УапаЫез). Пар может быть несколько (в данном случае — это пара переменных уаг2 и уагЗ). Нажимаем ОК. B) Получаем результаты в виде трех таблиц: Ра1гес1 8ашр1ев БЬаЫвЫса
Первая таблица содержит первичные статистики: каждой выборке соответствует своя строка. Во второй таблице — корреляция Пирсона для пары переменных, соответствующих двум зависимым выборкам. Третья таблица содержит результаты проверки гипотезы по критерию /-Стыодента: среднюю разность (Меап), стандартное отклонение разности (81(1. Бе\1а110п), значение критерия (г), число степеней свободы (<//), уровень значимости (§1§.). Глава 12 НЕПАРАМЕТРИЧЕСКИЕ МЕТОДЫ СРАВНЕНИЯ ВЫБОРОК ОБЩИЕ ЗАМЕЧАНИЯ К методам сравнения выборок, в соответствии с принятой классификацией[15], мы относим способы проверки статистических гипотез о различии выборок по уровню выраженности признака, измеренного в количественной шкале. Непараметрические методы сравнения выборок, рассматриваемые в этой главе, являются аналогами параметрических методов сравнения средних значений. И почти каждый параметрический метод сравнения средних может быть при необходимости заменен своим непараметрическим аналогом либо сочетанием непараметрических методов2. Непараметрические методы заметно проще в вычислительном отношении, чем их параметрические аналоги. До недавнего прошлого простота вычислений имела существенное значение при обработке данных «вручную». Но, во- первых, данные очень часто включают одинаковые значения, усложняющие расчеты, во-вторых, компьютерная обработка снимает проблему сложности вычислений. Поэтому при выборе между параметрическими и непараметрическими методами следует исходить из свойств самих данных. Непараметрические аналоги параметрических методов сравнения выборок применяются в случаях, когда не выполняются основные предположения, лежащие в основе параметрических методов сравнения средних значений. При решении вопроса о выборе параметрического или непараметрического метода сравнения необходимо иметь в виду, что параметрические методы обладают заведомо большей чувствительностью, чем их непараметрические аналоги. Поэтому исходной ситуацией является выбор параметрического метода. И решение о применении непараметрического метода становится оправданным, если не выполняются исходные предположения, лежащие в основе применения параметрического метода. Условия, когда применение непараметрических методов является оправданным: □ есть основания считать, что распределение значений признака в генеральной совокупности не соответствует нормальному закону; □ есть сомнения в нормальности распределения признака в генеральной совокупности, но выборка слишком мала, чтобы по выборочному распределению судить о распределении в генеральной совокупности; П не выполняется требование гомогенности дисперсии при сравнении средних значений для независимых выборок. На практике преимущество непараметрических методов наиболее заметно, когда в данных имеются выбросы (экстремально большие или малые значения). Если размер выборки очень велик (больше 100), то непараметрические методы сравнения использовать нецелесообразно, даже если не выполняются некоторые исходные предположения применения параметрических методов. С другой стороны, если объемы сравниваемых выборок очень малы (10 и меньше), то результаты применения непараметрических методов можно рассматривать лишь как предварительные. Структура исходных данных и интерпретация результатов применения для параметрических методов и их непараметрических аналогов являются идентичными. При сравнении выборок с использованием непараметрических критериев, как и в случае параметрических критериев, обычно проверяются ненаправленные статистические гипотезы. Основная (нулевая) статистическая гипотеза при этом содержит утверждение об идентичности генеральных совокупностей (из которых извлечены выборки) по уровню выраженности изучаемого признака. Соответственно, при ее отклонении допустимо принятие двусторонней альтернативы о конкретном направлении различий в соответствии с выборочными данными. Для принятия статистического решения в таких случаях применяются двусторонние критерии и, соответственно, критические значения для проверки ненаправленных альтернатив. Перед знакомством с непараметрическими методами сравнения читателю необходимо ознакомиться с порядком и условиями применения их параметрических аналогов. При выборе того или иного непараметрического метода сравнения выборок можно руководствоваться таблицей классификации методов сравнения (см. рис. 8.2).   Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам...  Что делать, если нет взаимности? А теперь спустимся с небес на землю. Приземлились? Продолжаем разговор...  Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот...  ЧТО ТАКОЕ УВЕРЕННОЕ ПОВЕДЕНИЕ В МЕЖЛИЧНОСТНЫХ ОТНОШЕНИЯХ? Исторически существует три основных модели различий, существующих между... Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:
|