楼上是正解，这个肯定是大样本的比率检验，采用的方式是相关样本还是随机样本检验，要看你第二次问卷调查抽的是否与第一次调查完全同样的一群人。你写到“重新抽出的调查户”，说明不是配对样本，没有必要进行配对样本比率检验。另外，你对第二调查没有对照组，检验结果即使达到显著性水平，也不可以确定认为经过一年的宣传，调查对象的接受率提高了，因为你的宣传是操作。从实验设计上来说，你这个是准实验设计，无法得出很好的结论。

test  proportion difference of two population. 非参数检验的书籍应该有介绍, 不过应该指出人大版21世界系列的统计学书上给出的是错误的，不符合检验的原则.

我知道的公式是： z = (p1-p2) / sqrt(  p*(1-p)*(1/n1+1/n2)  )， 其中p为合并接受率

个人浅见。

testing statistical hypotheses一书，搜下坛子里有

请教8楼，什么是合并接受率呢？为什么用了z = (p1-p2) / sqrt(  p*(1-p)*(1/n1+1/n2)  )这个统计量呢？
另：感谢4、5、9、10等各楼同学，4楼的解答我看明白了，尤其感谢一下！
不知如果我想做单侧检验的话，统计量化简后分子部分剩下的(p1-p2)怎样处理？

z = (p1-p2) / sqrt(  p*(1-p)*(1/n1+1/n2)  ) 是二项比例问题的两样本检验的正态近似法公式。它的思想是当样本足够大时，p1和p2服从均数为p，方差分别为pq/n1和pq/n2的正态分布，q=1-p。由于两样本是独立的，所以p1-p2服从均数为0，方差为pq/n1+pq/n2，即pq(1/n1+1/n2)的正态分布。这是就可以用正态近似法求出z统计量z = (p1-p2)  / sqrt(  p* q *(1/n1+1/n2)  ) ~N(0,1)。问题是p和q是未知的，所以用p1和p2的加权平均来估计，即p hat = (n1p1+n2p2) / (n1+n2)， 结合你的调查内容，就是合并接受率。如果作单侧检验，就是z值与1.645比较，否则就拿z值和1.96比较。（ 以上内容参见Bernard Rosner著，孙尚拱译《Fundamentals of Biostatistics》）

请教楼上：p1和p2应该是指两个总体(08年3月;09年3月)的接受率(我的目的当然是检验总体情况的变化)，那么，为什么当样本足够大时，二者都服从相同参数的正态分布呢？它们和样本量有什么关系？这个正态分布的参数是怎么得到的？为什么相同呢？

楼主，这里面有个问题，你的两次调查是对同样的个体进行的调查吗？如果是的话，以上方法都不对，因为上面的发方法是建立在独立样本的基础上的，如果两次针对不同的人群，这个方法每问题。但如果是对同样的人作的调查，那么应该使用其他的方法。

回楼上：实际调查中抽中的调查户是不同的，但抽样框是相同的。
另：如果您对12楼的方法认可，请解释一下13楼的问题，谢谢啦！

是这样，每次的接受次数可以看作是服从正态分布（样本容量满足np>5,n(1-p)>5），当然越大越好，你这里可以每次调查都可以看作一个正态分布，这样就是一个两个正态总体下的均值（接受次数/总调查次数=接受率就是一个均值）比较，因为在原假设成立的时候，概率p相等，则方差（np（1-p））肯定是相等的，故可以使用等方差假设的均值比较。当然关于方差中的p如何计算是个问题（你可以取两个总体均值的平均数，即（p1+p2）//2，因为你采用的和样本方差，所以这样做是没问题的）。

我再修改下，关于样本方差估计，不用两个概率的均值，可以利用合样本方差的估计，下面我给出具体的统计量的表达形式及其分布(p1-p2)/(sqrt(1/n1+1/n2)*sqrt((n1*p1*(1-p1)+n2*p2*(1-p2))/(n1+n2-2)))，这里p1,p2就是你抽样的两个比率，这个统计量服从t(n1+n2-2)，这应该没问题的。

回楼上，看明白了，谢谢！
还有最后一个问题请您解答一下：请您对4楼的解法进行一下点评，我觉得4楼的解法貌似也是对的，而且他的解法进行单侧检验应该也可以用。谢谢啦！

四楼的我看了，有两个问题，他的解法属于两个总体下方差不相等的情况（你的问题中原假设下方差是相等的），再有如果分母中的p1，p2是真值，那个统计量是服从正态分布，但直接用估计值代替后，其分布并不一定是正态分布，你可以参考两个正态总体下的均值检验。

回楼上，这两天放假回老家了，抱歉。先把你的设成标准答案吧。
不过我还有个问题请你解答一下：首先，4楼的解法是总体方差不相等情况下的解法还是总体方差未知(不一定不相等)下的解法？其次，如果我想做单侧检验的话，比如我希望得到p1<p2的结论，我是否需要把H0设为p1>=p2呢，此时，总体方差视为相等不太合适吧?

第一个问题，这里方差肯定是未知，四楼直接用方差估计值代替了真实值（他的解法是建立在方差已知情况下的，所以没有考虑方差是否相等），应用中有这么做的，但是，理论中没有这样的结果。
第二个问题，单侧检验，可以直接用方差相等的情况，这是可以的，这个在一元检验中，是经过严格证明的。

好的，谢谢啦！
我在一些概率方面的书中看到，总体分布未知(方差当然也就未知)的情况下，经常用4楼的解法，这算不算是理论上的结果呢，另外，判断他的解法建立在总体方差已知的情况下的依据是什么呢？
第二个问题的证明没有看到过，不过相信你一定言之有据的。

四楼应用的正态分布，在均值检验中一般理论中，只有方差已知时才服从正态分布（当然，在应用中方差未知时也有用正态分布的，因为大样本情况下，t分布接近正态分布，也就是说结果比较接近，所以就用正态分布近似代替了t分布，实际上也应该属于方差已知的情况）

四楼应用的正态分布，在均值检验中一般理论中，只有方差已知时才服从正态分布（当然，在应用中方差未知时也有用正态分布的，因为大样本情况下，t分布接近正态分布，也就是说结果比较接近，所以就用正态分布近似代替了t分布，实际上也应该属于方差已知的情况）

四楼应用的正态分布，在均值检验中一般理论中，只有方差已知时才服从正态分布（当然，在应用中方差未知时也有用正态分布的，因为大样本情况下，t分布接近正态分布，也就是说结果比较接近，所以就用正态分布近似代替了t分布，实际上也应该属于方差已知的情况）

哦，明白了。多谢啦！
受益匪浅，多谢楼上及曾经不吝指教的各位同学！祝大家早日学有所成哟！

正在慢慢研究，谢谢