单样本t检验中的各数据值解释 t的值 是表示一个参数值，t的大小是否有意义，主要要根据sig的大小来判断df是自由度，在数据分析中没有实际意义，可以不去考虑。所以主要看sig 的值，这个值一般是与0.05。
常用非参数假设检验方法有哪些？ 1、秩和检验法的主要思想是把原始数据转化成秩，利用秩构造统计量来比较不同样本的分布。在这里每个样本的秩是指把原始数据按从大到小的顺序排列，该数据值在原始数据中的位置。例如：原始数据：A组(5，7)，B组(3，2)对应的秩：A组(3，4)，B组(2，1)A组的秩和为7，B组的秩和为3，每组的秩和被用来检验两组数据是否相同。2、中位数评分检验法的主要思想是将原始数据转换成中位数评分，利用中位数评分构造统计量比较不同样本的分布。当计算中位数评分时，如果数据值小于等于该组数据的中位数，则中位数评分为0，如果数据值大于该组数据的中位数，则中位数评分为1。扩展资料非参数检验的作用：在以前的均值T检验中，我们分析的都是连续型随机变量，并且前提条件是样本满足正态性条件。当分析不再是连续型或者不再是正态性条件时，则应当使用非参数的方法对均值和方差进行假设检验。在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的。
SPSS中独立T检验使用时两个独立样本是不是必须数目一样？ 在统计学中，两个独立样本做统计比较时，首先需用拟正态分布检验样本分布情况，不属正态分布，两个独立样本则要用非参数检验的两个独立样本u检验。一、属于正态分布，则采取以下方法：1、样本量不同，可以采用独立样本T检验；样本量相同且统计意义相同，可用配对T检验，是特殊的独立样本T检验。对于独立样本，统计方法的选择，是根据样本的分布情况而定，不能主观选定分布方法，否则会造成统计意义偏差。2、单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。二、单总体t检验统计量为：其中为样本平均数，为样本标准偏差，n为样本数。该统计量t在零假说：μ=μ0为真的条件下服从自由度为n？1的t分布。扩展资料选用的检验方法必须符合其适用条件，理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。
