Wilcoxon符号秩检验的结果分析:检验的概率p=0.05??=0.05,所以不应该接受原假设,即:幼儿园生活对儿童的知识没有影响。
7. 分析三种不同运动方法在30分钟内消耗的热量是否相等。(可用三种方法) 游泳 打球 骑车 306 311 289 285 364 188 319 338 221 300 315 302 320 398 201 该问题应该采用多独立样本进行分析:其原假设都为H0:三种不同运动方法消耗的热量相等。 (1)Kruskal-Wallis 检验:
由上面两个表可知三种方法的平均秩分别为:8.2,12.2,3.6,K-W统计量为9.26。检验的概率p=0.01=0.05,于是应该拒绝原假设,即认为三种不同运动在30分钟内消耗的热量不相等。
(2)中位数检验:
上面的结果表面三种方法的共同中位数为306。中位数检验的概率p=0.006=0.05,因此应该拒绝原假设,即认为三种不同运动在30分钟内消耗的热量不相等。 (3)Jonckheere-Terpstra 检验
J-T 检验的概率p=0.154>?=0.05,所以不应该接受原假设,即:三种不同运动在30分钟内消耗的热量相等。
8. 为了试验某种减肥药的性能,测量10个人在服用该药物前以及服用该药物一个月后、两个
月后、3 个月后的体重。请问在这4个时期,10个人的体重有无发生显著的变化。
该问题为多配对样本的非参数检验。其原假设为H0:10个人的体重无显著性变化。本问题可以用三种方法进行检验,在此采用Friedman 方法进行检验,检验结果如下:
上面左表表明在使用前、使用后一月、两月和三月的秩的平均值分别为3.65,3.15,1.85,和1.35。右表表明其卡方观测值为24.929,其检验的概率p=0.000=0.05,所以应该接受原假设,即认为在使用药物时期体重无明显变化。
9. 消费者协会调查顾客对3种品牌的电视机的满意程度,共10名顾客参与了调查。数据表如
下所示,请问顾客对这三个品牌的电视机的满意度有无显著性差异?
该问题采用多配对样本进行检验,本题采用Friedman 方法进行检验,其原假设为H0:顾客对这三个品牌的电视机的满意度无显著性差异。下面为检验结果:
上面的结果表明,检验的概率值p=0.115>?=0.05,所以应该拒绝原假设,即认为顾客对这三种品牌的电视机的满意度有显著性差异。
10. 某公司聘请了5名心理学家为其进行中层干部招聘考试中的面试,面试分数记录如下。
请问各考官评分的一致性如何? 专家1 专家2 专家3 专家4 专家5 79 80 77 88 77 干部1 2 89 88 78 88 88 3 67 77 78 55 77 4 56 66 56 46 66 5 78 56 45 78 55 6 56 56 34 65 44 7 89 78 45 78 89 8 90 67 67 66 76 9 56 67 78 55 56 10 66 56 89 46 45
本题为对配对样本模型,采用Kendall协同系数检验。其原假设为H0:各考官评分的一致性无差异。检验结果如下:
结果表明,检验的概率值p=0.004=0.05,所以不能拒绝原假设,即认为各考官的评分一致性无显著性差异。
操作四:回归分析及扩展
研究某市各经济开发区经济发展与招商投资的关系,因变量Y为各开发区的销售收入(百万元),选取两个自变量:X1到1998年底各开发区累计招商数目,X2为招商企业注册资本(百万元)。 要求:
1计算各变量间的简单相关系数,偏相关系数 (1)、简单相关系数
上表说明X1与X2之间的简单相关系数为0.439,说明两者之间存在着正的弱相关关系,其相关系数检验的概率值p=0.101>?=0.05,应该接受原假设,即认为X1与X2之间是零相关的。
(2)、偏相关系数
本题的偏相关分析可以采用分别控制Y.X1.X2,在此仅以控制Y为例进行分析。
上面的结果表明,在没有控制变量的情况下,X2与X1之间存在正的弱相关性,但是其相关系数检验的概率值p为0.101,大于显著性水平0.05,所以认为两者之间存在零相关关系。X2与Y之间的简单相关系数为0.746,两者存在正的强相关关系,其相关系数检验的概率值p为0.001小于显著性水平0.05,所以认为两者之间确实存在着正的强相关关系。X1与Y之间的简单相关系数为0.807,说明两者之间存在正的强相关关系,其相关系数检验的概率值近似为0,小于显著性水平,说明两者之间确实存在正的强相关关系。
下面的结果为在Y作为控制变量的情况下,X2与X1之间的偏相关系数为-0.416,存在着负的弱相关关系,偏相关系数检验值的概率p=0.139>?=0.05,所以两者之间存在着零相关关系。
2建立 Y对X1和X2的二元线性回归,写出回归方程,回归方程的显著性检验的分析(F、t检验)。
上表为回归方程的显著性检验,其检验的概率值p近似为0,小于显著性水平(?=0.05),因此被解释变量与解释变量间的线性关系显著,建立线性模式是恰当的。
此表为向后筛选的结果,结果显示在回归方程中应该包括X1和X2两个变量,对X1而言,其回归系数的显著性检验的概率值p=0.001=0.05,因此X1与Y之间的线性关系是显著的,保留在模型中是合理的。对X2而言,其回归系数的显著性检验的概率值p=0.003=0.05,因此X2与Y之间的线性关系也是显著地,保留在模型中时合理的。 回归方程可以表示为Y??327.039?2.036X1?0.468X2 3.探测样本是否存在异常值。