實驗目的：
1、學會使用SPSS的簡單操作。
2、掌握假設檢驗。
實驗內容：
1.一個總體均值的檢驗（小樣本）；
2.兩個總體均值之差的檢驗；
3.繪制正態概率圖；
4.S—W檢驗。
實驗步驟：
1.一個總體均值的檢驗（小樣本）：單總體的Z檢驗和t檢驗。設
是取自正態總體
的一個樣本，要檢驗
。其中
為已知的常數。為了說明如何構造檢驗統計量和拒絕域，先看一個簡單的情形。設總體方差是已知的，記為
，設
為樣本均值，則
。設
為真，即
，對
作標准化，得到 
上述的Z就是要構造的檢驗統計量。設定顯著性水平
為0.05，因為
，
的概率為0.05，所以檢驗的拒絕域是
。如果由樣本計算得到
，與小概率原理矛盾，從而拒絕原假設。
在實際應用中，總體的方差是未知的。因而需要樣本方差代替總體方差，相應地，檢驗統計量編程了t統計量。設
與
分別為樣本的均值和樣本方差，當
為真時，可知統計量
對於給定的顯著性水平
，檢驗的拒絕域是
。其中臨界值
滿足條件
。它就是自由度為(N-1)的t分布的雙側
分為點。如果由樣本觀測值代入，計算得到的t值滿足，則拒絕原假設。
SPSS檢驗結果不給出臨界值，而是在給出t值的同時給出它的顯著性概率（也成為p值或相伴概率，記為p或Sig）。計算一個雙側檢驗問題，SPSS操作如下：“分析”→“比較均值”→“單樣本T檢驗”，在打開的對話框中填好“檢驗變量”列表框和“檢驗值”文本框。單擊“確定”。輸出結果中的Sig.(雙側)就是p值。比較p值與檢驗水准
。
1 T-TEST 2 /TESTVAL=80 3 /MISSING=ANALYSIS 4 /VARIABLES=score 5 /CRITERIA=CI(.95).
差齊性檢驗：Sig=0.397>0.05,方差不顯著，可以認為兩個獨立樣本的方差一致。均值之差t檢驗：在方差相等的條件下，Sig=0.004<0.05，均值之差顯著，可以認為兩個獨立樣本均值有顯著差異。
1 T-TEST GROUPS=class(1 2) 2 /MISSING=ANALYSIS 3 /VARIABLES=score 4 /CRITERIA=CI(.95).
3.繪制正態概率圖；P-P圖和Q-Q圖最常用於判斷變量是否服從正態分布，但實際上他們可以用於考察其它分布，常有的有BETA分布、指數分布、伽瑪分布、半對數分布、拉普拉斯分布、logistic分布、對數正態分布、帕累托分布、t分布、weibull分布、標准正態分布等共13種分布。從P-P圖中可以看出變量的實際累積概率與其假定理論分布累計概率的符合程度，從而判斷是否服從所考察的分布類型。如果變量服從理論分布，則實際累積概率與理論累積該理念應該基本一致。操作如下：“分析”→“描述統計”→“P-P圖”，在打開的對話框中，選擇需要分析的變量。在“檢驗分布”的下拉菜單中，選擇“正態”。“轉換”框組提供了4中數據變換方法，以考查變換后的數據分布情況。“比例估計公式”框組，用於估計樣本累計概率分布的具體算法，一般不需要修改。“分配給綁定值的秩”，指定樣本中出現沖符數值時的處理方式，默認的均值就非常合適，不需要更改。
如果數據服從正態分布，則其中的數據點迎合理論直線（對角線）基本重合。可見score的實際分布和理論分布較為接近。為了更仔細的觀察，可以繼續觀察趨勢P-P圖，該圖反映的是按正態分布計算的理論值和實際值之差的分布情況，即分布的殘差圖。如果數據服從正態分布，則數據應交均勻地分布在Y=0這條直線的上下。從圖中可見殘差雖有一定的上下波動，但是絕對差異均小於0.05，這在絕大多數研究中都是可以忽略的分布概率差異。由此可以看出，變量score原始數據與正態分布的理論數據相差很小，可以認為其基本服從正態分布。（上圖兩條參考線分別是Y=0.05和Y=-0.05，是在輸出窗口里雙擊該圖，在編輯窗口里添加的）
1 PPLOT 2 /VARIABLES=score 3 /NOLOG 4 /NOSTANDARDIZE 5 /TYPE=P-P 6 /FRACTION=BLOM 7 /TIES=MEAN 8 /DIST=NORMAL.
Q-Q圖也用於比較變量的實際分布與其假定的理論分布是否一致。但P-P圖比較的是兩者的累計概率分布，而Q-Q圖則是根據變量的實際百分位數域理論百分數進行繪制的，或者說得更通俗一點，相比之下，Q-Q圖的適用條件更加寬松，結果也更穩健一些。但是Q-Q圖進行觀察時存在一個很大的問題，即不想P-P圖可以用經驗界值來判斷樣本是否和理論分布存在明顯差異，因此應用相對較少。操作：“分析”→“描述統計”→“Q-Q圖”，操作與P-P圖的操作基本一致。
1 PPLOT 2 /VARIABLES=score 3 /NOLOG 4 /NOSTANDARDIZE 5 /TYPE=Q-Q 6 /FRACTION=BLOM 7 /TIES=MEAN 8 /DIST=NORMAL.
一般以Sig.（顯著性）值大於0.05，就可以說明數據是正態性的。
1 EXAMINE VARIABLES=score 2 /PLOT NPPLOT 3 /STATISTICS NONE 4 /CINTERVAL 95 5 /MISSING LISTWISE 6 /NOTOTAL.
小結：
（1）假設檢驗的理論基礎是“小概率反證法”原理，無論多復雜的檢驗方法，期分析的邏輯都是該原理。
（2）假設檢驗設計的幾個概念：原假設，備擇假設；第一類錯誤，第二類錯誤；顯著性水平；單尾檢驗，雙尾檢驗。