• 揭示隐藏的模式:秩和检验和单因素方差分析的实战指南【考题】


    1.研究一种新方法对于某实验结果准确性提高的效果,并将其与原有方法进行比较,结果见下表,请评价两者是否有不同?

    (行无序,列有序)-->单方向有序-->两独立样本的秩和检验)

    1. 如下图所示,先将相关数据导入spss。

    图1 变量视图相关截图

    图2 数据视图相关截图

    1. 本题符合两组单向有序分类资料的应用场景,因此可以采用非参数检验的两独立样本秩和检验。【原因】
    2. 原假设:两种方法疗效分布相同

             备择假设:两种方法疗效分布不同

    1. spss具体实现过程:
    1. 个案加权

    图3 个案加权

    1. 非参数检验选择过程

    图4 选择两独立样本检验

    图5 具体设置

    1. 输出文档结果分析:

    图6 输出结果

        如图6所示,双侧P值为0.998,明显大于显著性水平0.05,所以支持原假设,两种方法在疗效上没有差别是有统计学意义的.

    评分标准:

    结合上机情况的情给分:
    两组单向有序分类变量采用两独立样本检验:(5分)
    建立数据集,个案加权:(5分)
    结果分析,双侧显著性P>0.05,效果无差别,说明新方法无明显作用(5分)
     

    2.

    某教师将20名学生随机分成4组,每组5人,各组分别采用一种复习方法。学生学习一定数量单词后,在规定时间内进行复习,然后进行测试,测试结果如下表所示。要求根据结果判断各复习方法的效果是否有差异,并将各复习方法按效果好坏排序。

    集中精读复习8, 20, 12, 14, 10
    分段精读复习39, 26, 31, 45, 40
    逐个击破复习17, 21, 28, 25, 29
    传统复习32, 23, 28, 29, 27

    1 数据输入

    • 在数据视图中手动输入数据,确保数据格式正确。
    • 复习方法 列输入1至4,分别代表四种复习方法;成绩 列输入对应的测试得分。

    2.单因素方差分析

    • 点击 分析(Analyze) > 比较均值(Compare Means) > 单因素方差分析(One-Way ANOVA)。
    • 将“成绩”拖入“因变量列表”(Dependent List)框,将“复习方法”拖入“因子”(Factor)框。
    • 点击 事后检验(Post Hoc)按钮,选择 LSD  和 塔姆黑尼 方法,点击 继续(Continue)

    1. 点击 选项(Options),勾选 方差齐性检验(Homogeneity of variance test),点击 继续(Continue)。

         2.点击 确定(OK),查看输出的结果。

         2.结果解读

    P值小于0.05,表明拒绝方差齐性的零假设,认为各组方差不同

    ANOVA中F值为21.876 p<0.05,认为有显著性差异,即四种方法均有显著性差异。

    最后通过事后检验得:(主要观察平均值差值判断---正越多越好)

    1. 方法2(分段循环复习) 效果最优,显著优于其他三种方法。这表明分段循环复习能够显著提高学生记忆单词的效果。
    2. 方法4(梯度复习) 效果较好,显著优于方法1(集中循环复习),但与方法3(重复击破式复习)之间没有显著差异。
    3. 方法3(重复击破式复习) 效果中等,与方法4(梯度复习)没有显著差异,但显著优于方法1(集中循环复习)。
    4. 方法1(集中循环复习) 效果最差,显著低于其他三种方法。

    即 复习效果排序为分段循环复习>梯度学习>逐个击破学习>集中循环复习。

    结合上机情况酌情给分:
    有序连续变量采用单因素方差分析:(5分)
    方差齐性判定(5分)
    p=0.001<0.01,有显著性差异,即四种方法均有显著性差异:(5分)
    复习效果排序为分段循环复习>梯度学习>逐个击破学习>集中循环复习。(5分)
     

  • 相关阅读:
    el+vue 实战 ⑨ el-button按钮悬浮、el-button按钮背景图片自定义、el-button按钮点击之后样式复原
    C++ Reference: Standard C++ Library reference: C Library: cstdio: getc
    2024年水利工程与交通运输国际学术会议(ICWCET 2024)
    使用NFS作为Glance存储后端
    Java学习笔记(十六)
    [python基础] 面向对象——封装,继承
    Haproxy
    【Azure 应用服务】NodeJS Express + MSAL 实现API应用Token认证(AAD OAuth2 idToken)的认证实验 -- passport.authenticate()
    TypeError: __init__() got an unexpected keyword argument ‘transport_options‘
    【3D图像分割】基于 Pytorch 的 VNet 3D 图像分割3(3D UNet 模型篇)
  • 原文地址:https://blog.csdn.net/m0_74070923/article/details/140067138