在SPSS统计分析交流群中有学员在阅读论文的过程中看到下面的这张表格:

这张表中记录了第16届世界男子篮球锦标赛中国队与前8名球队进攻指标比较的结果,其中这份表格并没有给出详细的P值,而只是告诉我们P值小于多少。

在这种只有汇总数据,没有明细数据的情况下,这位学员希望根据这张表中呈现的数据信息计算出详细的P值。

解答这个问题需要用到“摘要独立样本t检验”知识点,只要我们分别知道了两组数据的样本量、均值和标准差,就能通过SPSS进行t检验分析,得到两组数据比较的t值和显著性P值。

但在这张表格中,我们只能够获得数据的均值和标准差,而不知道数据的样本量,因此无从开展数据分析。

我通过关键词搜索的方式,在中国知网上找到了学员阅读的这篇论文《第16届世界男子篮球锦标赛各球队攻防能力的比较研究》,仔细阅读了这篇论文,发现了如下的补充信息:

我大概判断出在第16届世界篮球锦标赛中,中国队应该是打了5场篮球赛进入16强,场均得分是71.2,标准差是3.2;世锦赛前8名的队伍的平均得分是82.7,标准差是5.6。因此,我们可以根据获得的这些汇总信息计算出中国队与前8名球队在整体得分上的显著性差异值。

操作步骤:选择菜单分析 -> 比较平均值 -> 摘要独立样本t检验,将两组数据的数值分别填入对应的样本信息框中,点击确定

注:该功能需要使用SPSS25.0或26.0版本才能实现,且需要在安装SPSS时同步安装Python扩展插件,文末推荐的课程中提供了该版本的软件。

摘要独立样本t检验的对话框如下图所示:

得到的分析结果如下所示:

从上图的分析结果可知:中国男子篮球队的综合平均得分与第16届世锦赛前8名的队伍的平均得分进行独立样本t检验,得到的t值为4.145显著性P值为0.002(P<0.01),说明在99%的置信区间内,两者之间的差异有统计学意义。

表中其它进攻指标(2分球命中率、3分球命中率、进攻篮板球数、助攻、失误)因为原论文中缺少样本量信息(或者我因为缺乏体育比赛的知识而没有找出其得分次数信息),所以我们不能对它们的比较结果进行复盘。

这个小案例也提醒大家,在进行论文写作的过程中,应该详细汇报数据的基本信息,至少应该包括样本量、均值、标准差、P值等统计量,以便让自己的论文更有说服力和可重复性。

以上就是我针对这位学员的提问所进行了回复,也向大家分享了摘要独立样本t检验方法,这种方法主要用于这种没有明细数据,只有汇总数据的情况,在研读他人的论文数据分析结果的过程中经常会使用到。

更多有关t检验的介绍可见松鼠的课程《SPSS论文数据分析实战》,点击文末读原文即可了解课程详情哦~

参考论文:

胡茂全, 孙庆祝, 荣华. 第 16 届世界男子篮球锦标赛各球队攻防能力的比较研究[D]. , 2011.

t检验的p值对照表_论文数据分析实战 | 如何对汇总数据进行t检验相关推荐

  1. t检验的p值对照表_统计学|各类统计检验方法大汇总

    点击蓝字关注我们 教材中(<医学统计学>第七版,李康.贺佳,人民卫生出版社)列举了对于不同类型的资料,可以使用包括t检验.方差分析.卡方检验.非参数检验.直线回归与相关等在内的不同方法处理 ...

  2. 数据库sql创建标量值函数_使用JSON_VALUE()从JSON数据中提取标量值

    数据库sql创建标量值函数 In this article, we will explore JSON_VALUE() function in SQL Server to extract scalar ...

  3. python怎么汇总数据_如何在Pandas Python中汇总数据?

    通过使用数据上的不同功能,可以获得有关数据的大量信息.但是,如果我们希望获得有关数据的所有信息,则可以使用"描述"功能. 此函数将提供诸如"计数"," ...

  4. python计算两组数据的协方差_(python3)数据分析之Pandas:汇总、统计、相关系数和协方差...

    pandas对象中拥有一组常用的数学和统计方法,跟NumPy数组相比,它们是基于没有缺失数据的加上构建的. In [71]: df = DataFrame([[1.4,np.nan],[7.1,-4. ...

  5. flutter持久化_【Flutter 实战】大量复杂数据持久化

    老孟导读:上一篇文章讲解了 Android 和 iOS 的文件目录系统,此篇文章讲解如何使用 SQLite 保存数据. 欢迎大家投稿:http://laomengit.com/plan/Contrib ...

  6. 安卓键盘加上数字_安卓键盘键值对照表

    Android 键盘 Key 值对照表 键码 常数 值 描述 vbKeyLButton 1 鼠标左键 vbKeyRButton 2 鼠标右键 vbKeyCancel 3 CANCEL 键 vbKeyM ...

  7. python 多元线性回归的系数检验 t p值_多元线性回归检验t检验(P值),F检验,R方等参数的含义...

    做线性回归的时候,检验回归方程和各变量对因变量的解释参数很容易搞混乱,下面对这些参数进行一下说明: 1.t检验:t检验是对单个变量系数的显著性检验   一般看p值:    如果p值小于0.05表示该自 ...

  8. 用matlab画黑底白条,计算机仿真F型结构电能表自动检测流水线_论文答辩PPT范例...

    计算机仿真F型结构电能表自动检测流水线_论文答辩PPT范例 学号20071460*******,姓名,专业计算机科学与技术,计算机仿真F型结构电能表自动检测流水线,指导教师,F型结构电能表自动检测流水 ...

  9. keycode值对照表_JavaScript中键盘字母与keyCode值(键值)的对照表

    JS键盘与keyCode值(键值)对照表 HTML5学堂:JS键值能够应用于很多JavaScript的效果当中,如一些键盘操作的小游戏(接金币等),再如表单除了使用点击按钮提交之外,也能够通过键盘回车 ...

最新文章

  1. [算法] [常微分方程] [欧拉法 改进欧拉法 经典R-K算法]
  2. Attempted to access a cursor after it has been clo
  3. 解决Spring boot中读取属性配置文件出现中文乱码的问题
  4. 提高显卡性能软件_华硕RTX30系显卡亮相
  5. 直播 | CIKM 2021论文解读:基于广群的知识图谱表示学习统一模型框架
  6. LuoguP1268树的重量【构造/思维】By cellur925
  7. 项目七samba服务器,Centos 7 配置Samba服务器
  8. java中字节码_聊聊Java的字节码
  9. plc模拟器软件_你的PLC和触摸屏为什么总是通讯不上?
  10. java标识符的介绍_Java标识符所有关键字
  11. 关于坑爹的编解码问题
  12. 国内外最佳的photoshop教程网站推荐
  13. 融思杯 第三届 部分wp
  14. M1 芯片Macbook pro连接支持AirPrint的佳能打印机
  15. C++ STL标准库
  16. 关于 Alpine Docker 镜像漏洞 CVE-2019-5021
  17. OPPO A59m刷机包|OPPO A59m官方线刷包救砖
  18. openh264编解码器的编译与运行
  19. 学生成绩预测模型_逻辑回归实战练习——根据学生成绩预测是否被录取
  20. 我是一个叫world的单词,这是我的Hadoop WordCount之旅

热门文章

  1. ajax modelbinder,.NET Core 使用ModelBinder去掉所有参数的空格
  2. x-shell 通过堡垒机连接 ssh多个机器 自动化脚本
  3. lombok 的bug?lombok 导致 springmvc 使用 @RequestBody注解 接收 json数据 对象参数绑定失败
  4. MybatisCodeHelperNew-2.8.1-191-201插件使用
  5. 改造一下jeecg中的部门树
  6. Android 应用内实现导航页面,接入百度SDK内置导航,高德SDK内置导航
  7. npm run build 报错 versionRequirement: packageConfig.engines.node 'node' of undefined
  8. 同一台机器上安装2个SDE服务
  9. c语言编写pdf,编写并运行C语言程序.pdf
  10. mysql 使用索引_mysql使用索引的注意事项