无论是科学研究还是统计调查,显著性检验作为判断两个或是多个数据集之间是否存在差异的方法一直被广泛应用于各个科研领域。
如果我们想要判断样本与总体所做的假设之间的差异是纯属机会变异,还是由我们所做的假设与总体真实情况之间不一致所引起的,我们就需要对数据进行显著性检验。在统计学中,显著性检验是“统计假设检验”(Statistical hypothesis testing)的一种,就是事先对总体(随机变量)的参数或总体分布形式做出一个假设,然后利用样本信息来判断这个假设(备则假设)是否合理,即判断总体的真实情况与原假设是否有显著性差异。
针对不同的数据类型,研究者需要使用不同的方法和统计量来实现具体的差异性研究问题。差异研究通常包括以下几类分析方法,分别是T检验、方差分析和卡方检验。本文就针对各种数据类型相应检验方法及其常见问题进行解答。
三类分析方法的异同点
三类分析方法的常见问题
T检验
1) 什么是单样本T检验?
单样本T检验用于检验某个题项平均值是否等于某个数字(自行设定),此检验可用于分析样本整体态度是否偏离中立态度,比如某题项3分代表中立,可以利用单样本T检验研究样本对某题项平均得分是否为3分,如果呈现出显著性,则说明样本对该题项平均值打分为明显不为3分,即明显不应该是中立态度。
2) 独立样本T检验有两个P值,应该选择那一个?
独立样本T检验时,软件会输出方差齐和方差不齐时,分别对应的独立样本T检验P值,应该结合方差齐性检验P值,最终确认独立样本T检验的P值。
3) 配对样本T检验和独立样本T检验区别是什么?
配对样本T检验和独立样本T检验均可以对比两组数据的差异,但二者有着明显区别。配对样本T检验用于实验研究中,并且进行两种T检验时,SPSS格式数据并不一致。
方差分析
1)单因素方差分析时结果显示方差不齐。
理论上讲,单因素方差分析应该首先满足方差齐性,但在实际研究过程中,较多数据出现方差不齐现象,可以将分类数据X进行重新组合处理,也或者对因变量Y进行取对数或者开根号处理等。另外,如果研究的分类数据为两类,可以考虑使用独立样本T检验代表方差分析,避免方差不齐无法分析的尴尬。
2)单因素方差分析如何进行分析?
单因素方差分析是问卷研究中差异对比最为常见的分析方法,应该首先分析是否呈现出显著性,如果呈现出显著性,深入对比每组数据的平均得分差异,具体可参考5.3.9部分内容。
3)事后检验是否一定需要?
单因素方差分析如果呈现出显著性,则可能涉及到具体两两组别的差异对比。如果研究希望细致深入分析,则可以使用事后检验结果,多数情况下可以直接对比每组数据平均得分,进行差异说明,并不需要进行事后检验。
4) 如果因变量是分类数据是否可以进行多因素方差分析?
多因素方差分析的因变量为定量数据。如果希望分析两个分类数据之间的关系,可以使用卡方分析进行研究。
5) 多因素方差分析,单个变量不显著,但交互项显著。
多因素方差分析时,如果单个变量呈现出显著性,接着才可能进行交互作用研究。如果单个变量不显著,但是交互项显著,则时不应该进行交互作用分析。
卡方检验
1)多个P值应该选择那一个?
卡方分析时,软件会输出多个P值,通常情况下应该以Pearson卡方对应的P值作为卡方检验结果。
2)卡方分析如何进行文字分析?
卡方分析首先需要进行显著性检验,如果呈现出显著性则应该深入分析差异性,找出表格中百分比选择明显不一致的地方,并且进行详细分析。
3)多选题如何进行卡方分析?
类似单选题,多选题也可以进行卡方分析,并且其文字分析与单选题卡方分析类似。
更多干货请前往SPSSAU官网查看。