Анализ-Сравнение средних-T-критерий для парных выборок

Обратить внимание на значение коэффициента корреляции.

Значение Значимость (2-сторонняя) составляет 0,000 означает наличие зависимости в среднем на 17483,48 руб

Если закономерное и однозначное соответствие между выборками невозможно, эти выборки являются независимыми. В SPSS независимые выборки содержат разные наблюдения (например, относящиеся к различным респондентам), которые обычно различаются с помощью групповой переменной, относящейся к номинальной шкале. В практике исследований часто встречаются ситуации, когда в ходе предварительного анали­за (на основании опыта исследователя, когнитивного или ста­тистического анализа) появляется гипотеза о разделении всей выборочной совокупности на определенные группы. Цель анализа различий — выявление групп респондентов, статистически значимо различающихся между собой.   

В случае независимости выборок в сравнении средних значений переменных используют t-тест (наличие 2-х сравниваемых выборок) и диспер­сионный анализ (наличие более 2-х сравниваемых выборок).

Примером статистического теста, который исходит из гипотезы о нормальном распределении, можно назвать t-тест Стьюдента (сравнение двух независимых выборок).

Анализ/Сравнение средних/Т-критерий для независимых выборок

Команда  рассчитывает значения F-теста (теста Ливеня), а также средние значения, стандартные отклонения и частоты.  С помощью кнопки Параметры можно задать вывод других описательных статистик для групп наблюдений, при этом предполагается, что среди данных имеются не только количественные переменные, для которых вычисляются средние, но и номинальные переменные, разделяющие объекты на подгруппы.

Пример: выявить, существует ли различие в средних зарплатах (считаем распределение нормальным) для мужчин и женщин.

Анализ-Сравнение средних- t-критерий для независимых выборок

В качестве проверяемых переменных определяют количественные переменные, в качестве группировочных, независимых – номинальные или порядковые.

    В случае, когда значение асимптотической значимости превышает значение в 0,05, приходят к выводу о равенстве дисперсий анализируют данные первой строки выводимой таблицы, в противном случае анализируют данные второй строки.

В случае, когда значение асимптотической значимости превышает значение в 0,05, приходят к выводу об отсутствии различий, в противном случае – о присутствии различий.

Поскольку в нашем примере тест Ливина является статистически незначимым, то определить значимость различия между двумя тестируемыми группами можно при помощи значения, находящегося на пересечении первой строки и столбца Sig. (2-tailed). Значение 0,000 говорит о том, что различие яв­ляется статистически значимым.

Значения коэффициентов F и t свидетельствуют о значимости связей.

Возможно сравнение средних с конкретным значением, например, сравнить зарплату сотрудников с средней зарплатой по краю

Пример: выявить, существуют ли различия между средней зарплатой сотрудников и средней зарплатой по региону.

Анализ-Сравнение средних-Одновыборочный T-критерий

В качестве проверяемой переменной выбрать переменную «зарплата сотрудника», в качестве проверяемого значения – выставить значение средней зарплатой по региону.

В анализе данных иногда возникает необходимость проанализировать не две, а три или более категории респондентов. В этом случае следует прибегнуть к использованию дисперсионного анализа, который позволяет анализировать одновременно любое число групп.

В случае, когда имеется более, чем две категории переменных используется операция Однофакторного дисперсионного анализа.

Пример:выявить наличие различий в средних для разных категорий сотрудников (сотрудники секретариата, среднего звена и менеджеры)

Анализ-Сравнение средних-Одновыборочный T-критерий-Однофакторный дисперсионный анализ

В результате представлены три группы. В первую группу отнесены Сотрудники секретариата и Сотрудники среднего звена, что свидетельствует о незначительности различий в уровне зарплат, но существуют различия между ними и менеджерами.

Пример: ф. Интеллект, переменные «возраст» и «коэффициент IQ»

Если данные не подчиняются нормальному распределению, следует использовать непараметрические тесты, например, непараметрический тест U-тест Манна и Уитни (сравнение двух независимых выборок).

Пример:

мозеса