当前位置：文档库 › SPSS非参数检验13

SPSS非参数检验13

第十三章非参数检验第一节 Chi-Square过程

13.1.1 主要功能

13.1.2 实例操作

第二节 Binomial过程

13.2.1 主要功能

13.2.2 实例操作

第三节 Runs过程

13.3.1 主要功能

13.3.2 实例操作

第四节 1-Sample K-S过程

13.4.1 主要功能

13.4.2 实例操作

第五节 2 Independent Samples过程13.5.1 主要功能

13.5.2 实例操作

第六节 k Independent Samples过程13.6.1 主要功能

13.6.2 实例操作

第七节 2 Related Samples过程13.7.1 主要功能

13.7.2 实例操作

第八节 K Related Samples过程

13.8.1 主要功能

13.8.2 实例操作

许多统计分析方法的应用对总体有特殊的要求，如t检验要求总体符合正态分布，F检验要求误差呈正态分布且各组方差整齐，等等。这些方法常用来估计或检验总体参数，统称为参数统计。

但许多调查或实验所得的科研数据，其总体分布未知或无法确定，这时做统计分析常常不是针对总体参数，而是针对总体的某些一般性假设（如总体分布），这类方法称非参数统计（Nonparametric tests）。

非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。

第一节 Chi-Square过程

13.1.1 主要功能

调用此过程可对样本数据的分布进行卡方检验。卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否相符。

13.1.2 实例操作

[例13-1]某地一周内各日死亡数的分布如下表，请检验一周内各日的死亡危险性是否相同？

13.1.2.1 数据准备

激活数据管理窗口，定义变量名：各周日为day，死亡数为death。按顺序输入数据，结果见图13.1。激活Data菜单选Weight Cases...命令项，弹出Weight Cases对话框（如图13.2），选death点击钮使之进入Frequency Variable框，定义死亡数为权数，再点击OK 钮即可。

图13.1 数据录入窗口

图13.2 数据加权对话框

13.1.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中的Chi-Square...命令项，弹出Chi-Square Test对话框（图13.3）。现欲对一周内各日的死亡数进行分布分析，故在对话框左侧的变量列表中选day，点击钮使之进入Test Variable List框，点击OK钮即可。

图13.3 卡方检验对话框

13.1.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

运算结果显示一周内各日死亡的理论数（Expected）为15.71，即一周内各日死亡均数；还算出实际死亡数与理论死亡数的差值（Residual）；卡方值χ2= 3.4000，自由度数（D.F.）= 6 ，P = 0.7572 ，可认为一周内各日的死亡危险性是相同的。

第二节 Binomial过程

13.2.1 主要功能

有些总体只能划分为两类，如医学中的生与死、患病的有与无。从这种二分类总体中抽取的所有可能结果，要么是对立分类中的这一类，要么是另一类，其频数分布称为二项分布。调用Binomial过程可对样本资料进行二项分布分析。

13.2.2 实例操作

[例13-2]某地某一时期内出生40名婴儿，其中女性12名（定Sex=0），男性28名（定Sex=1）。问这个地方出生婴儿的性比例与通常的男女性比例（总体概率约为0.5）是否不同？

13.2.2.1 数据准备

激活数据管理窗口，定义性别变量为sex。按出生顺序输入数据，男性为1 ,女性为0。

13.2.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中的Binomial Test...命令项，弹出Binomial Test对话框（图13.4）。在对话框左侧的变量列表中选sex，点击钮使之进入Test Variable List框，在Test Proportion框中键入0.50，再点击OK钮即可。

图13.4 二项分布检验对话框

13.2.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

二项分布检验表明，女婴12名，男婴28名，观察概率为0.7000（即男婴占70%），检验概率为0.5000，二项分布检验的结果是双侧概率为0.0177，可认为男女比例的差异有高度显著性，即与通常0.5的性比例相比，该地男婴比女婴明显为多。

第三节 Runs过程

13.3.1 主要功能

依时间或其他顺序排列的有序数列中，具有相同的事件或符号的连续部分称为一个游程。调用Runs过程可进行游程检验，即用于检验序列中事件发生过程的随机性分析。

13.3.2 实例操作

[例13-3]某村发生一种地方病，其住户沿一条河排列，调查时对发病的住户标记为

问病户的分布排列是呈聚集趋势，还是随机分布？

13.3.2.1 数据准备

激活数据管理窗口，定义住户变量为epi。按住户顺序输入数据，发病的住户为1 ,非发病的住户为0。

13.3.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中的Runs Test...项，弹出 Runs Test 对话框（图13.5）。在对话框左侧的变量列表中选epi，点击钮使之进入Test Variable List 框。在临界割点Cut Point框中有四个选项：

图13.5 游程检验对话框

1、Median：中位数作临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；

2、Mode：众数作临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；

3、Mean：均数作临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；

4、Custom：用户指定临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；

本例选Custom项，在其方框中键入1（根据需要选项，本例是0、1二分变量，故临界割点值用1），再点击OK钮即可。

13.3.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

检验结果可见本例游程个数为14，检验临界割点值（Test value） = 1.00，小于1.00者有17个案例，而大于或等于1.00者有9个案例。Z = 0.3246，双侧 P = 0.7455。所以认为此地方病的病户沿河分布的情况无聚集性，而是呈随机分布。

返回目录返回全书目录第四节 1-Sample K-S过程

13.4.1 主要功能

调用此过程可对单样本进行Kolmogorov-Smirnov Z检验，它将一个变量的实际频数分布与正态分布（Normal）、均匀分布（Uniform）、泊松分布（Poisson）进行比较。

13.4.2 实例操作

[例13-4]某地正常成年男子144人红细胞计数（万/立方毫米）的频数资料如下，问该资料的频数是否呈正态分布？

13.4.2.1 数据准备

激活数据管理窗口，定义频数变量名为f，依次输入人数资料。

13.4.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中的1-Sample K-S ...命令项，弹出One-Sample Kolmogorov-Smirnov Test 对话框（图13.6）。在对话框左侧的变量列表中选f,点击钮使之进入Test Variable List框，在Test Distribution框中选Normal项，表明与正态分布形式相比较，再点击OK钮即可。

图13.6 单样本Kolmogorov-Smirnov Z检验对话框

13.4.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

K-S正态性检验的结果显示，Z值=0.7032，双侧P值=0.7060，可认为该地正常成年男子的红细胞计数符合正态分布。

第五节 2 Independent Samples过程

13.5.1 主要功能

调用此过程可对两个独立样本的均数、中位数、离散趋势、偏度等进行差异比较检验。

13.5.2 实例操作

[例13-5]调查某厂的铅作业工人7人和非铅作业工人10人的血铅值（μg / 100g）如下，问两组工人的血铅值有无差别？

13.5.2.1 数据准备

激活数据管理窗口，定义分组变量为group（非铅作业组为1，铅作业组为2），血铅值为Pb。按顺序输入数据。

13.5.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中的2 Independent Samples...命令项，弹出Two-Independent-Samples-Test对话框（图13.7）。在对话框左侧的变量列表中选Pb,点击钮使之进入Test Variable List框；选group，点击钮使之进入Grouping Variable 框，点击Define Groups...钮，在弹出的Two Independent Samples:Define Groups对话框内定义Group 1为1，Group 2为2，之后点击Continue钮返回Two-Independent-Samples-Test对话框；在Test Type框中有四种检验方法：

图13.7 两独立样本检验对话框

Mann-Whitney U：主要用于判别两个独立样本所属的总体是否有相同的分布；

Kolmogorov-Smirnov Z：推测两个样本是否来自具有相同分布的总体；

Moses extreme reactions：检验两个独立样本之观察值的散布范围是否有差异存在，以检验两个样本是否来自具有同一分布的总体；

Wald-Wolfowitz runs：考察两个独立样本是否来自具有相同分布的总体。

本例选Mann-Whitney U检验方法，之后点击OK钮即可。

13.5.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

结果表明，第1组的平均秩次（Mean Rank）为5.95，第2组的平均秩次为13.36，U = 4.5，W = 93.5，精确双侧概率P = 0.0012，可认为铅作业组工人的血铅值高于非铅作业组。

第六节 k Independent Samples过程

13.6.1 主要功能

调用此过程可对多个独立样本进行中位数检验和Kruskal-Wallis H检验。

13.6.2 实例操作

[例13-6]随机抽样得以下三组人的血桨总皮质醇测定值（μg / L），试比较有无差异？

13.6.2.1 数据准备

激活数据管理窗口，定义分组变量为 group（正常人为1，单纯性肥胖为2，皮质醇增多症为3），总皮质醇测定值为pzc。按顺序输入数据。

13.6.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中的k Independent Samples...项，弹出 Tests for Several Independent Samples对话框（图13.8）。在对话框左侧的变量列表中选pzc,点击钮使之进入Test Variable List框。选group，点击钮使之进入Grouping Variable框，点击Define Range...钮，在弹出的K Independent Samples:Define Range 对话框内定义Mininum为1，Maxinum为2，之后点击Continue钮返回Two-Independent-Samples-Test对话框。在Test Type框中有两个检验方法的选项：Kruskal-Wallis H为单向方差分析，检验多个样本在中位数上是否有差异，Median为中位数检验，检验多个样本是否来自具有相同中位数的总体；本例选Kruskal-Wallis H项。之后点击OK钮即可。

图13.8 多样本资料的秩和检验对话框

13.6.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

结果表明，1至3组的平均秩次（Mean Rank）分别为9.65、11.75、25.10，χ2值（即H 值）为 18.1219，P = 0.0001；可认为三组人的血桨总皮质醇测定值有差异，根据本例情况可看出皮质醇增多症组高于其他两组人。

第七节 2 Related Samples过程

13.7.1 主要功能

调用此过程可对两个相关样本资料（如配对、配伍资料）进行秩和检验。

13.7.2 实例操作

[例13-7]研究饲料中缺乏Vit E对大鼠肝中Vit A含量的关系，将大鼠按性别相同、体重相近的原则配成8对，并将每对大鼠随机分为2组（正常饲料组、Vit E缺乏饲料组），一定时间后杀死大鼠，测定肝中Vit A含量，结果如下表，问：饲料中缺乏Vit E对大鼠肝中Vit A含量有无影响？

13.7.2.1 数据准备

激活数据管理窗口，定义正常饲料组变量名为va1, Vit E 缺乏饲料组变量名为va2, 按顺序输入数据。

13.7.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中 2 Related Samples...项，弹出Two-Related-Samples Tests对话框（图13.9）。在对话框左侧的变量列表中选va1，在Current Selections栏的Variable 1处出现va1，选va2，在Current Selections栏的Variable 2处出现va2，然后点击钮使va1 -va2（表明是配对变量）进入Test Pair(s) List 框。在Test Type框中有三种检验方法：

图13.9 两相关样本的秩和检验对话框

1、Wilcoxon：配对符号等级秩次检验，

2、Sign：符号检验；

3、McNemar：以研究对象作自身对照，检验其“前后”的变化是否显著，该法适用于相关的二分变量数据。

本例选Wilcoxon和Sign两项。点击Options...钮，弹出Two-Related-Samples:Options 对话框，在Statistics栏中选Decriptive项，要求计算均数、标准差等指标，点击Continue 钮返回Two-Related-Samples Tests对话框，之后点击OK钮即可。

13.7.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

首先显示两变量va1和va2的例数、均数、标准差、最大值和最小值；配对符号秩和检验（Wilcoxon Matched-Pairs Signed-Ranks Test）结果，其平均秩分别为5.00 和1.00 ，Z = -2.3805，双侧P = 0.0173，可认为两组大鼠肝中Vit A含量有差别，饲料中缺乏Vit E 会使大鼠肝中Vit A含量降低；但符号检验（Sign Test）的结果，双侧P = 0.0703，则认为两组大鼠肝中Vit A含量无差别。在这种情况下，应取配对符号秩和检验（Wilcoxon）结果，因两法比较之下，配对符号秩和检验较为敏感，效率较高。

返回目录返回全书目录第八节 K Related Samples过程

13.8.1 主要功能

调用此过程可对多个相关样本资料（如配伍资料）进行秩和检验。

13.8.2 实例操作

[例13-8]用某药治疗血吸虫病患者，在治疗前和治疗后一周、二周和四周各测定7名患者血清SGPT值的变化，以观察该药对肝功能的影响，结果如下表，问：患者四个阶段的血清SGPT值有无不同？

13.8.2.1 数据准备

激活数据管理窗口，定义变量名：治疗前为before、治疗后一周为w1、二周为w2、四周为w4，按顺序输入各组SGPT数据。

13.8.2.2 统计分析

激活Statistics菜单选Nonparametric Tests中的k Related Samples...命令项，弹出 Tests for Serveral Related Samples对话框（图13.10）。在对话框左侧的变量列表中选before、w1、w2和w4, 点击钮使before、w1、w2和w4均进入Test Variables框。在Test Type框中有三种选项：

1、Friedman：双向方差分析，考察多个相关样本是否来自同一总体；

2、Cochran's Q：作为两相关样本McNemar检验的多样本推广，特别适用于定性变量和二分字符变量；

3、Kendall's W：Kendall和谐系数检验，通过计算Kendall和谐系数W，以检验多个相关样本是否来自同一分布的总体。

本例选Friedman和Kendall’s W两种检验方法，再点击Statistics...钮，弹出K Related-Samples:Statistics对话框，在Statistics栏中选Decriptive项，要求计算均数、标准差等指标，点击Continue钮返回K Related-Samples Tests对话框；最后点击OK 钮即可。

图13.9 多个相关样本的秩和检验对话框

13.8.2.3 结果解释

在结果输出窗口中将看到如下统计数据：

首先显示的是四个变量before、w1、w2、w4的例数、均数、标准差、最大值和最小值。

接着显示检验结果：

Friedman双向方差分析，平均秩次分别1.29、3.86、3.00和1.86 ，χ2 = 16.7143，P = 0.0008，可认为患者四个阶段的血清SGPT值有差别。

Kendall和谐系数检验，平均秩次分别1.29、3.86、3.00和1.86 ，和谐系数W = 0.7959，

χ2 = 16.7143，P = 0.0008，结论同前。

返回主页

spss-非参数检验-K多个独立样本检验( Kruskal-Wallis检验)案例解析

spss-非参数检验-K多个独立样本检验（ Kruskal-Wallis检验）案例解析 2011-09-19 15:09 最近经常失眠，好痛苦啊！大家有什么好的解决失眠的方法吗？希望知道的能够告诉我，谢谢啦，今天和大家一起探讨和分下一下SPSS-非参数检验--K个独立样本检验（ Kruskal-Wallis检验）。还是以SPSS教程为例：假设：HO: 不同地区的儿童，身高分布是相同的 H1：不同地区的儿童，身高分布是不同的不同地区儿童身高样本数据如下所示：提示：此样本数为4个（北京，上海，成都，广州）每个样本的样本量（观察数）都为5个即：K=4>3 n=5, 此时如果样本逐渐增大，呈现出自由度为K-1的平方的分布，

（即指：卡方检验）点击“分析”——非参数检验——旧对话框——K个独立样本检验，进入如下界面：将“周岁儿童身高”变量拖入右侧“检验变量列表”内，将“城市（CS)变量” 拖入“分组变量”内，点击“定义范围” 输入“最小值”和“最大值”（这里的变量类型必须为“数字型”）如果不是数字型，必须要先定义或者重新编码。在“检验类型”下面选择“秩和检验”（ Kruskal-Wallis检验）点击确定运行结果如下所示：

对结果进行分析如下： 1：从“检验统计量a,b”表中可以看出：秩和统计量为：13.900 自由度为：3=k-1=4-1 下面来看看“秩和统计量”的计算过程，如下所示：假设“秩和统计量”为 kw 那么:

其中：n+1/2 为全体样本的“秩平均” Ri./ni 为第i个样本的秩平均 Ri.代表第i个样本的秩和， ni代表第i个样本的观察数）最后得到的公式为：北京地区的“秩和”为：秩平均*观察数（N) = 14.4*5=72 上海地区的“秩和”为：8.2*5=41 成都地区的“秩和”为：15.8*5=79 广州地区的“秩和”为：3.6*5=18

SPSS-非参数检验—两独立样本检验_案例解析

SPSS-非参数检验—两独立样本检验案例解析 2011-09-16 16:29 好想睡觉，写一篇博文，希望可以减少睡意，今天跟大家研究和分享一下：spss非参数检验——两独立样本检验，我还是引用教程里面的案例，以：一种产品有两种不同的工艺生产方法，那他们的使用寿命分别是否相同下面进行假设：1：一种产品两种不同的工艺生产方法，他们的使用寿命分布是相同的 2：一种产品两种不同的工艺生产方法，他们的使用寿命分布是不相同的我们采用SPSS进行分析，数据如下所示：点击“分析”选择“非参数检验” 再选择“旧对话框——2个独立样本检验如下所示：

在检验类型下面选择"Mann-Whitney U “ 检验类型（Mann-whitney u 检验等同于对两组数据的Wilcoxon秩和检验和Kruskal-Wallis检验，主要检验两个样本的总体在某些位置上是否相等。）两种工艺类型分别为：甲种工艺和乙种工艺分别用定义值为“1” 和 “2”将“工艺类型”变量拖入“分组变量”下拉框内，点击“定义组”按钮，在组别1 和组别 2 中分别填入 1和2，点击继续按钮选择“使用寿命”作为“检验变量”点击确定，得到分析结果如下：

下面对结果，我将进行详细分解： 1：N 代表变量个数，甲种工艺秩和为 80 乙种工艺秩和为 40，下面来分析“秩和”这个结果如何出来的第一步：我们将”使用寿命“这个变量按照“从小到大”的顺序进行排序，得到如下结果：

得到数据如下：甲种工艺： 661 669 675 679 682 692 693 乙种工艺： 646 649 650 651 652 662 663 672 我们将“甲种工艺”和“乙种工艺”两组数据进行合并排序，并且对两组数据进行“秩次排序”分别用“序号”代替以上数据序号分别为： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 得到以下结果：甲种工艺为： 6 9 11 12 13 14 15 （加起来刚好等于80）

SPSS学习笔记非参数检验

学习必备欢迎下载总体分布未知，不会涉及有关总体分布的参数 1.单样本非参数检验：卡方分布，二项分布，K-S检验，变量值随机性检验 2.两独立样本非参数检验：两独立样本所来自的总体分布是否存在显著差异 3.两配对样本非参数检验 4.多独立样本非参数检验 5.多配对样本非参数检验得到样本数据后，判断总体分布：直方图、P-P图、Q-Q图，或非参数检验 1.1 卡方检验：根据样本数据，推断总体分布于期望分布或某一理论分布是否存在显著性差异，是一种吻合性检验，离散型数据。原假设：样本来自总体的分布与期望分布或某一理论分布无显著性差异。 Eg：心脏病猝死人数与日期。 1.2二项分布检验：检验总体是否服从指定概率为P的二项分布，原假设：样本来自的总体与指定的二项分布无显著差异。用于：二值型数据，性别，是否合格，是否为三好学生，硬币正反面等，用01表示。注：检验概率值（检验比例） 1.3单样本K-S检验：样本来自的总体是否与某一理论分布有显著差异，是一种拟合优度的检验方法。用于：探索连续性变量的分布。正态分布（normal）、均匀分布（uniform）、指数分布（ex.）、泊松分布。原假设：样本来自的总体与指定的理论分布无显著差异。另外，对于数据量很大的连续型变量，可以用图形直观判断。 P-P图:数据与理论分布一致时，各个数据点应落在对角线上。 Q-Q图：如果数据与理论分布无显著差异，点应分布在0横线附近。（没找到啊？） 2 Test type： Mann-Whitney: 秩：变量值排序的名次或位置 K-S检验：游程检验Wald-wolfwitz Runs 极端反应检验Moses Extreme Reactions：踢出极端值前后P值变化情况，是否踢出。注：不同分析方法对同批数据的分析，结论可能不相同，要反复进行探索性分析，还要注意方法本身侧重点上的差异性。 4 中位数检验强调位置，Kruskal-Wallis检验侧重分析平均秩，Jonckheere比较同相对数。 ~~~~不懂~ 5 mean rank 平均秩 P值说明平均秩是否存在显著差异 Kendall检验中，W协同系数接近于1时，说明是一致的。

SPSS的参数检验和非参数检验

S P S S的参数检验和非参数检验公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]

实验报告 SPSS的参数检验和非参数检验学期：_2013__至2013_ 第_1_学期课程名称:_数学建模专业:数学实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿一、实验目的及要求熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。二、实验内容使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验：方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下：方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：

请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天三种品牌牛奶的日销售额数据，如下表所示：请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。实验报告附页三、实验步骤（一）方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。

非参数检验的SPSS操作

第八节非参数检验的SPSS操作前面一章介绍的二项分布的比率检验、配合度检验——卡方检验和1-Sample K-S检验等都属于非参数检验。这一节我们主要结合前面参数假设检验一章讲过的t检验以及方差分析一章讲过的方差分析，来进一步分析，当参数检验的前提条件不满足时，两个样本和多个样本平均数差异的SPSS 操作方法。一、两个独立样本的差异显著性检验两独立样本的的差异显著性检验只有在满足如下条件时才能进行T检验：变量为正态分布的连续测量数据。若数据不满足这样的条件，强行进行T检验容易造成错误的结论。在数据不能满足这种参数检验的条件下，我们可以选择非参数检验方法进行。与两独立样本差异显著性检验相对应的方法可以在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples…中得到。 1．数据采用本章第一节中例2的数据（数据文件“9-4-1.sav”），具体介绍操作过程。 2．理论分析对于数据文件9-4-1.sav中的数据，目的是检验男女生之间注意稳定性是否存在显著差异，注意稳定性测量的结果虽然是测量数据但是从总体上来看不满足正态分布的前提假设，另外不同性别的学生可以看成是两组独立的样本，因此对上述资料的检验可以用非参数的独立样本的检验方法。 2．操作过程（1）在SPSS主菜单中选择Analyze / Nonparametric Tests / 2 Independent Samples…得到两个独立样本非参数检验的主对话框（图9-1），把因变量atten选入到检验变量表列（Test Independent-Sample Tests）中去，把gender选到分组变量（Grouping Variable）中，并单击Define Groups…,在随后打开的对话框中分别键入1与2，单击Continue回到主对话框如图9-1所示。在Test Type中有四个可选项，其中最常用的是第一种方法Mann-Whitney U（又称秩和检验法）。

spss实验报告—非参数检验

实验报告 ——（非参数检验）实验目的： 1、学会使用SPSS软件进行非参数检验。 2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。实验内容： 1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建) SPSS计算结果如下：此题为总体分布的卡方检验。零假设：样本来自总体分布形态和期望分布没有显著差异。即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。从下表中可以看出相伴概

率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。 2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav） -+++*++++-+++-+++++----++----+---- 毒源问：中毒与饮水是否有关？ SPSS计算结果如下：此题为单样本变量值随机检验零假设：总体某变量的变量值是随机出现的。即中毒的家庭沿河分布的情况随机分布，与饮水无关。相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。 3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。试验组：24 26 27 30 32 34 36 40 60 天以上对照组：4 6 7 9 10 10 12 13 16 16 SPSS计算结果如下：此题为两独立样本非参数检验。（1）两独立样本Mann-Whitney U检验：

SPSS非参数检验之一卡方检验

SPSS 中非参数检验之一：总体分布的卡方（Chi-square ）检验在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为χ2检验）就是一种比较好的方法。一、定义总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显着差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显着差异。总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时，就近似服从X 的总体分布。因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q () 2 1 k i i i i O E Q E =-=∑ 其中，Oi 表示观察频数；Ei 表示期望频数或理论频数。可见Q 值越大，表示观察频数和理论频数越不接近；Q 值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X

平方分布，因此SPSS将根据X平方分布表给出Q统计量所对应的相伴概率值。如果相伴概率小于或等于用户的显着性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显着差异；如果相伴概率值大于显着性水平，则不能拒绝零假设HO，认为样本来自的总体分布形态与期望分布或理论分布不存在显着差异。因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。二、实例某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧郁数是否满足1:1:2:2:1:1:1。实施步骤： 1、打开SPSS ，导入数据。

非参数检验 SPSS操作

非参数检验的SPSS操作前面一章介绍的二项分布的比率检验、配合度检验——卡方检验和1-Sample K-S检验等都属于非参数检验。这一节我们主要结合前面参数假设检验一章讲过的t检验以及方差分析一章讲过的方差分析，来进一步分析，当参数检验的前提条件不满足时，两个样本和多个样本平均数差异的SPSS操作方法。一、两个独立样本的差异显著性检验两独立样本的的差异显著性检验只有在满足如下条件时才能进行T检验：变量为正态分布的连续测量数据。若数据不满足这样的条件，强行进行T检验容易造成错误的结论。在数据不能满足这种参数检验的条件下，我们可以选择非参数检验方法进行。与两独立样本差异显著性检验相对应的方法可以在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples…中得到。 1．数据采用本章第一节中例2的数据（数据文件“9-4-1.sav”），具体介绍操作过程。 2．理论分析对于数据文件9-4-1.sav中的数据，目的是检验男女生之间注意稳定性是否存在显著差异，注意稳定性测量的结果虽然是测量数据但是从总体上来看不满足正态分布的前提假设，另外不同性别的学生可以看成是两组独立的样本，因此对上述资料的检验可以用非参数的独立样本的检验方法。 2．操作过程（1）在SPSS主菜单中选择Analyze / Nonparametric Tests / 2 Independent Samples…得到两个独立样本非参数检验的主对话框（图9-1），把因变量atten选入到检验变量表列（Test Independent-Sample

SPSS的参数检验和非参数检验

实验二 SPSS的参数检验和非参数检验（验证性实验 4学时） 1、目的要求：熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 2、实验内容：使用指定的数据按实验教材完成相关的操作。 3、主要仪器设备：计算机。练习： 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验：鼠体内钙的留存量有显著不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天并说明分析结论。 1 参数检验概述假设检验的基本思想 .事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立； .采用逻辑上的反证法，依据统计上的小概率原理。

2 单样本的T检验 2.1检验目的： ?检验单个变量的均值是否与给定的常数(总体均值)之间是否存在显著差异。如：分析学生的IQ平均分是否为100分；大学生考研率是否为5%。 ?要求样本来自的总体服从或近似服从正态分布。 2.2 单样本T检验的实现思路 ?提出原假设： ?计算检验统计量和概率P值 ●给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 2.3 单样本t检验的基本操作步骤 1、选择选项Analyze－Compare means－One-Samples T test，出现窗口： 2、在Test Value框中输入检验值。 3、单击Option按钮定义其他选项。Option选项用来指定缺失值的处理方法。其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。可见，较第二种方式，第一种处理方式较充分地利用了样本数据。在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可以输出默认95％的置信区间。至此，SPSS将自动计算t统计量和对应的概率p值。 3 两独立样本的T检验 3.1 两独立样本T检验的目的 ?利用来自两个总体的独立样本，推断两个总体的均值是否存在显著性差异； ?两独立样本的样本容量可以相等，也可以不相等； ?样本来自的总体服从或近似服从正态分布。方差齐性检验（Levene F方法）： ?计算两组样本的均值 ●计算各个样本与本组均值的平均离差绝对值； ●利用单因素方差分析推断两独立总体平均离差绝对值是否有显著差异。 ●在对两独立样本进行T检验时，两组样本方差相等和不等时使用的计算t 值的公式不同，所以首先进行方差F检验。用户需要根据F检验的结果自己判断选择t检验输出中的哪个结果，得出最后结论。如果推断两总体方差相等则看方差相等的T检验值和P值，如果推断两总体方差不相等则看方差不相等的T检验值和P值。 3.2 两独立样本T检验的实现思路 ?提出原假设：两总体均值不存在显著差异： ●计算统计量和P值：首先利用F检验确定两个总体的方差是否相等；然后再选择合适的T统计量计算观测值和概率P值； ●根据显著性水平和概率P值进行统计决策。 3.3 两独立样本t检验的基本操作步骤进行两独立样本t检验之前，正确地组织数据是一个非常关键的任务。SPSS 要求将两组样本数据存放在一个SPSS变量中，同时，为区分哪些样本来自哪个