当前位置：文档视界 › 非参数检验 SPSS操作

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

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）。

图9-1：两独立样本非参数检验的主对话框

l（2）单击按钮Options…可以要求输出描述统计量，四分位数，及对缺失值的处理方法。这里我们选择描述统计量和四分位数，缺失值采用系统默认的方法。点击Continue返回主对话框。

l（3）在主对话框点击OK，得到程序运行结果。

3．结果及解释

（1）因变量与分组变量的描述统计量表

Descriptive Statistics

MinimumMaximumPercentiles

NMean Std.

Deviation

75th

25th50th

(Median) ATTEN3128.29 4.85193725.0029.0032.00 GENDER31 1.55.5112 1.00 2.00 2.00从上表中的结果可以看出，变量ATTEN对应的样本容量为31，平均值

为28。29，标准差为4。85，最小值为19，最大值为37，25%的分位点的值为25，50%的分位点的值为29，75%的分位点的值为32。

（2）等级表Ranks 列出分组后等级平均数及等级之和(如下表所示)。Ranks

GENDER N Mean

Rank Sum of Ranks

ATTEN男生1412.43174.00

女生1718.94322.00

Total31

男生组14人，平均等级（Mean Rank）为12.43，等级和为174.00；女生组17人，平均等级（Mean Rank）为18.94，等级和为322.00。（3）统计量检验表

Test Statistics

ATTEN

Mann-Whitney U69.000

Wilcoxon W174.000

Z-1.990

Asymp. Sig. (2-

tailed)

.047

Exact Sig. [2*(1-

tailed Sig.)]

.048

a Not corrected for ties.

b Grouping Variable: GENDER

经检验发现，两种方法计算的显著性水平值（Asymp. Sig.与Exact Sig.）均小于0.05，所以可以推论说两总体没有显著性差异。

二、多个独立样本的差异显著性检验

当把差异显著性检验从两个独立总体推论到多个独立总体时，参数检验的方法为方差分析，如果方差分析的条件不满足，就需要用到非参数检验的方法。

1.数据

以本章第三节例2中的数据为例，简单说明用SPSS如何进行非参数的多个独立样本的差异性的检验。数据如下所示（文件“9-4-2.sav”）：

图11-2：多个独立样本非参数数据输入

2．理论分析

我们的目的是分析4所学校的成绩是否存在差异，4所学校成绩样本可以看成是独立抽取的4个样本，对于竞赛的成绩一般情况下从总体上不满足正态性的假设条件，所以应该用多个独立样本的分参数检验的方法。

3．检验过程与结果

(1)单击主菜单Analyze / Nonparametric Tests / K Independent Samples…，即可进入主对话框。因变量为score，所以我们把它选入到检验变量表列(Test Variable List)中。我们仍要检验来自4个学校的差异，所以分组变量为school（该变量的4个变量值表示4所不同的学校）。

在Test Type中，我们有四种不同的检验方法可供选择，在此我们使用

系统默认的方法Kruskal Wallis H（克——瓦氏单向方差分析）。

l (2)Option按钮功能与两独立样本的情况相同，在此不赘述。点击Continue返回主对话框。设置完成后如下图9-3所示：

图9-3：多个独立样本非参数检验对话框

l（3）在主对话框点击OK，得到程序运行结果。

4．结果及解释

（1）描述统计量的信息

Descriptive Statistics

MinimumMaximumPercentiles

NMean Std.

Deviation

75th

25th50th

(Median) SCORE3385.188.13719979.0086.0090.50 SCHOOL33 2.64 1.1414 2.00 3.00 4.00总样本容量为33，学生的平均成绩为85.18，标准差为8.13，最小值为71，最大值为99，25%的分位点的值为79.00，50%的分位点的值为86.00，75%的分位点的值为90.50。

（2）等级表列出了因变量名称、分组变量的变量值、每组的观测量数目、每小组的等级平均数。

Ranks

SCHOOL N Mean

Rank

SCORE1719.64

2829.50

3816.31

410 5.70

Total33

第1个学校7人，平均等级19.64，第2个学校8人，平均等级29.50，第3个学校8人，平均等级16.31，第4个学校10人，平均等级5.70。

（3）统计量检验表列出了2值及显著性水平值。

Test Statistics

SCORE

27.695

Chi-

Square

df3

Asymp.

.000

Sig.

a Kruskal Wallis Test

b Grouping Variable: SCHOOL

上面统计量检验表显示，所计算出的卡方统计量的值为27.695，对应的自由度为3，显著性水平值0.000小于0.05，所以四个学校学生的成绩存在显著差异。

三、两个相关样本的差异显著性检验

当在实验设计中进行两两配对分配被试，或使用同一组被试进行两种实验处理时，此时就需要用到两个相关样本的差异显著性检验。

1．数据

以本章第二节例2的数据为例（数据9-4-3.sav），用SPSS进行两个相关样本的差异显著性检验。在输入数据时，需要注意把两个样本的数据分别作为一个变量输入。也就是说，这种检验方法要求至少一对变量或更多的成对变量。

2．我们分析的目的是检验学生期中和期末两次成绩之间是否存在差异，因为涉及到的资料是同一批样本前后两次的测试结果，所以不能看成是独立样本，应该被看成是相关样本；另外如果我们没有把握认为两次考试成绩从总体上服从正态分布，则用相关样本的非参数检验。

3．操作过程

（1）单击主菜单Analyze / Nonparametric Tests / 2 Related Samples…，进入主对话框。在左边变量列中点中first，再点中second，即可同时选到这两个相关变量，把它们选到右边变量表中去。Test Type中选择Wilcoxon方法（符号等级检验法）和Sign方法（符号检验法）。Options 与前面所述相同，在此不赘述。设置完成如下图9-5所示：

图9-5 ：两相关样本非参数检验主对话框

（2）点击OK得到程序运行结果

4．结果及解释

（1）符号等级检验法结果

①等级表 Ranks列出按正负及相等分组的等级平均数及等级和。Ranks

N Mean

Rank Sum of Ranks

SECOND -

FIRST Negative

Ranks

88.3867.00

Positive

Ranks

1916.37311.00

Ties1

Total28

a SECOND < FIRST

b SECOND > FIRST

c FIRST = SECOND

上表说明，用第2次的结果减去第1次的结果，正号的个数为8个，平均等级为8.38，等级和为67.00；正号的个数为19个，平均等级为16.37，等级和为311.00；零的个数为1个。

②统计量检验表列出了计算得到的Z值及其显著性水平。

Test Statistics

SECOND -

FIRST

Z-2.965

Asymp. Sig. (2-

tailed)

.003

a Based on negative ranks.

b Wilcoxon Signed Ranks Test

在此Z=-2.965，对应的显著性水平sig=0.003<0.05，所以可以说两个相关样本在0.05水平存在显著差异。

（2）符号检验法结果

①正负号频次表表明第二次（期末）与第一次（期中）评定结果相比，正号个数为19个，负号个数为8个，两次评价相同的有1个。Frequencies

SECOND -

FIRST

Negative Differences

Positive

Differences

Ties1

Total28

a SECOND < FIRST

b SECOND > FIRST

c FIRST = SECOND

②统计量检验表列出计算得到的Z值和对应的显著性水平

Test Statistics

SECOND -

FIRST

Z-1.925

.054

Asymp. Sig. (2-

tailed)

a Sign Test

从上面检验结果可以看出，在0.05的显著性水平，期中和期末两次评价不存在显著差异。可见不同方法（符号等级检验和符号检验）得到的结果不一定相同，这时应以符号等级检验结果为参考。

四、多个相关样本的差异显著性检验

（一）弗里德曼双向等级方差分析

当把两个相关样本的差异显著性检验扩展到多个相关样本时，需要把每个样本的数据分别作为一个变量来输入。

1．数据

以本章第三节的例3为例来说明多个相关样本的非参数检验的操作。把每种实验处理结果作为一个变量输入，数据格式如下图9-6所示（9-4-4.sav）：

图9-6：多个相关样本非参数检验数据输入

2．理论分析

我们的目的是检验3中试验处理之间是否存在差异，从实验设计上来看，共选取了5个被试，每个被试同时接收3中实验处理，属于重复测量的问题，所以不能将三个处理得到的结果看成是相互独立的；另外得到的资料是等级形式的资料，因此应该用多个相关样本的非参数检验。3．分析过程与结果

单击主菜单Analyze / Nonparametric Tests / K Related Samples…，可进入到主对话框。把指定分析的五个变量选入到分析表中。检验方法可使用系统默认的方法Friedman，其它设置可以保持默认。设置完成如下图9-7所示，然后点击OK得到程序运行结果。

图9-7：多个相关样本非参数检验对话框

4．结果及解释

（1）等级表列出了每个组样本的等级平均数。

Ranks

Mean

Rank

A 1.40

B 2.10

C 2.50

得到第1组的平均等级为1.40，第1组的平均等级为2.10，第1组的平均等级为2.50。

（2）统计量检验表，列出了2值、自由度、及显著性水平值。

Test Statistics

Chi-

3.444

Square

Asymp.

.179

Sig.

a Friedman Test

在本例中，得到的卡方统计量的值为3.444，自由度为2，对应的

0.179>0.05，所以各样本之间差异不显著，即三种实验处理结果不存在显著差异。应该注意这里得到的显著性水平是在近似卡方分布的情况下得到的，在小样本时，与查弗里德曼双向等级方差分析表得到的结果稍有差异。

（二）．肯德尔W系数的计算与检验

1．数据

再以第四章第三节关于介绍肯德尔W系数计算的例4为例，介绍肯德尔等级相关系数的计算与检验。以被评价者为变量，评价者为CASE，将数据按照图9-8形式输入（文件9-4-5.sav）。

2．理论分析

本例数据涉及到多个评价者对多种事物的评价是否具有一致性的问题，目的在于计算评分者信度的高低，可以用肯德尔W系数来描述。

图9-8：肯德尔W系数数据输入

3．操作

与上面弗里德曼双向等级方差分析操作相同，单击主菜单Analyze / Nonparametric Tests / K Related Samples…，可进入到主对话框。把指定分析的七个变量选入到分析表中。检验方法选择Kendall’s W，其它设置可以保持默认。设置完成如下图9-9所示：

图9-9：肯德尔W系数计算与检验对话框

点击OK，得到运行结果。

4．结果及解释

（1）被评价者的平均等级

Ranks

Rank

红 3.30

橙 6.30

黄 5.00

绿 1.50

青 4.00

蓝 1.70

紫 6.20

输出七种颜色评价的平均等级，如红颜色的平均等级为3.30。

（2）检验统计量

Test Statistics

N10

.827

Kendall's

Chi-

49.629

Square

df6

.000

Asymp.

Sig.

a Kendall's Coefficient of Concordance

从上面的结果可以看出，肯德尔W系数为0.827，说明10名评价者对7种颜色的评价具有较高的一致性，检验统计量卡方值49.629，对应的显著性水平小于0.001，说明此相关系数与零存在显著差异。

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

第5章spss的参数检验(课后练习参考)

SPSS的参数检验 1、某公司经理宣称他的雇员英语水平很高，如果按照英语六级考试的话，一般平均得分为75分。现从雇员中随机选出11人参加考试，得分如下： 80, 81, 72, 60, 78, 65, 56, 79, 77,87, 76 请问该经理的宣称是否可信。步骤：依题目录入数据，采用单样本T检验（原假设H0:u=u0,总体均值与检验值之间不存在显著差异.）；菜单选项：分析——比较均值——单样本T检验；指定检验值:在“检验值”后的框中输入检验值（填75），最后“确定”!分析：N=11人的平均值（mean）为，标准差（）为,均值标准误差(std error mean)为统计量观测值为，t统计量观测值的双尾概率p-值（sig.(2-tailed)）为，六七列是总体均值与原假设值差的95%的置信区间,为,,由此采用双尾检验比较a和p。T统计量观测值的双尾概率p-值（sig.(2-tailed)）为＞a=所以不能拒绝原假设；且总体均值的95%的置信区间为,,所以均值在~内,75包括在置信区间内,所以经理的话是可信的。 2、经济学家认为决策者是对事实做出反应，不是对提出事实的方式做出反应。然而心理学家则倾向于认为提出事实的方式是有关系的。为验证哪种观点更站得住脚，调查者分别以下面两种不同的方式随机访问了足球球迷。 l 方式一：假设你已经买了100元一张的足球票，当你来到足球场门口时，发现票丢了且再也找不到了。球场还有票出售。你会再掏出100元买一张球票吗（1.买 0.不买）。随机访问了200人，其中：92人回答买； l 方式二：你想看足球赛，100元一张票。当你来到足球场买票时，发现丢了100元钱。你口袋中还有钱，此时你还会付100元买一张球票吗（1.买 0.不买）。随机访问了183人，其中：161人回答买；请恰当建立SPSS数据文件，并利用本章所学习的参数检验方法，说明你更倾向于那种观点，为什么步骤：菜单选项:分析——比较均值——独立样本T检验；选择若干变量作为检验变量到“检验变量”框（填TD态度）；选择代表不同总体的变量（FS方式）作为分组变量到“分组变量”框；定义分组变量的分组情况“定义组”……：（填1，2）。分析：从分析结果上可以

SPSS的参数检验

第7章 SPSS 的参数检验 7-1 统计推断的基本方法一、统计推断的概念 1、定义：根据已经收集到的样本数据，推断样本来自的总体的分布或总体均值、方差等总体参数。 2、统计推断的原因（1）总体数据无法全部收集到如：企业里面的质量检验（2）收集总体数据的成本很高 3、两种类型（对于小样本而言）（1）假设总体分布已知——参数检验（2）总体分布未知——非参数检验二、统计推断的基本方法 1、步骤（1）根据推断检验的目标，对待推断的总体参数或分不做一个基本假设H 0 （2）利用收集到的数据和基本假设计算某检验统计量，该统计量服从或近似服从某种统计分布。（3）根据该统计量得到的相伴概率值，该值是该统计量在某个特定的极端区域取值在H 0 成立时的概率。（4）做出判断。 2、注意（1）显著性水平使弃真的概率（2）比较相伴概率与显著性水平三、统计推断的基本内容 1、单样本（1）大样本n ≧50 2 ~(,)X N n σμ, 其中：μ为总体均值，2σ为总体方差，n 为样本容量当2σ未知时，用样本方差s 2代替2σ 标准化： ~(0,1)X Z N = 同理，μ2~(,)P P N P σ P 为总体成数，n 为样本容量 2(1)p pq p p n n σ-= = 标准化： μ μ~(0,1)p P p Z N σ-== （2）小样本 2σ 已知：~(0,1)Z N = 2σ 未知：0 ~(1)X X t t n μσ-==- 2、两个独立样本（1）大样本

22~(, )A B A B A B A B X X N n n σσμμ--+ 标准化统计量： ~(0,1)Z N = 如果22,A B σσ未知，则用S 2A ,S 2B 代替（2）小样本如果22,A B σσ已知 22~(, )A B A B A B A B X X N n n σσμμ--+ 标准化统计量： (~(0,1)X X Z N = 如果22,A B σσ未知，但要求22A B σσ= ()~(2)A B X X t n n -- S 为S A ,S B 的加权平均 ☆方差比检验 22~(1,1)A A B B S F F n n S =-- 3、配对样本 X A , X B 满足正态分布，但并不要求22,A B σσ相等。当A B μμ= 配对数据可以看作来自均值为0的总体D: 2~(0,)D N σ 所以，2 ~(0,)d N n σ i i i A B d X X =- 若2 σ未知，则用 221 1()1n d i i S d d n ==--∑代替 0~(1)d t t n S -=- n 为配对数.

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）

第五章 spss的参数检验

spss的参数检验第五单元分。、某公司经理宣称他的雇员英语水平很高，如果按照英语六级考试的话，一般平均得分为751请76 56, 79, 77,87, 80, 人参加考试，得分如下：81, 72, 60, 78, 65, 现从雇员中随机选出11 问该经理的宣称是否可信。u=u0=75 即原假设：样本均值等于总体均值t检验→相关设置→输出结果步骤：生成spss数据→分析→比较均值→单样本5-1 表表，故不能拒绝原假设，且0.668>0.050.05的检验值下得到双侧检验值为分析：由上表可以看出，在在此区间，更加证明73.73一般六级成置信区间为（67.31,80.14），表中从置信区间上也可以看出绩为75 ，即认为该总经理的话可信。 2、经济学家认为决策者是对事实做出反应，不是对提出事实的方式做出反应。然而心理学家则倾向于认为提出事实的方式是有关系的。为验证哪种观点更站得住脚，调查者分别以下面两种不同的方式随机访问了足球球迷。原假设：决策与提问方式无关，即u-u0=0 步骤：生成spss数据→分析→比较均值→两独立样本t检验→相关设置→输出结果表5-3 组统计量提问方式 N 均值标准差均值的标准误 .035 200 .46 丢票再买 .500 决策 .024 183 .88 丢钱再买 .326 表5-4

分析：由表5-3可以看出，提问方式不同所做的相同决策的平均比例是 46%和88%，认为决策者的决策与提问方式有关。由表5-4看出，独立样本在0.05的检验值为0，小于0.05，故拒绝原假设，认为决策者对事实所作出的反应与提问方式有关，心理学家的观点更站得住脚。 3、一种植物只开兰花和白花。按照某权威建立的遗传模型，该植物杂交的后代有75%的几率开株开了兰花，请利142颗，种植后发现200的几率开白花。现从杂交种子中随机挑选25%兰花， SPSS 进行分析，说明这与遗传模型是否一致？用u=u0=0.75 75%，即原假设：开蓝花的比例是 t 检验→相关设置→输出结果步骤：生成spss 数据→分析→比较均值→单样本5-5 表 5-6 表 0.75，1.23,1.35）值为0，小于0.05，故拒绝原假设，由于检验区间为（sig 分析：由于检验的结果不在此区间内，进一步说明原假设不成立，故认为与遗传模型不一致。：同一鼠喂不同的饲料所测得的体1 给幼鼠喂以不同的饲料，用以下两种方法设计实验：方式4、所测得的钙留存量数29只喂饲料12只喂饲料1，乙组有内钙留存量数据如下：方式2：甲组有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据如下的留存量有显著不同。原假设：不同饲料使幼鼠体内钙的留存量无显著不同。1方式 t 检验 →相关设置→输出结果步骤：生成spss 数据→分析→比较均值→配对样本5-7 表 5-8 表

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。

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检验步骤总结

检验步骤总结： 1、t检验 2、方差分析 3、卡方检验 4、秩和检验 5、相关分析 6、线性回归 1、t检验（要求数据来自正态总体，可能需要先做正态检验）（1）单一样本t检验数据特征：单一样本变量均数与某固定已知均数进行比较方法：ANALYZE-COMPARE MEANS-ONE SAMPLE t TEST （2）独立样本t检验数据特征：两个独立、没有配对关系的样本（有专门变量表示组数）方法：ANALYZE-COMPARE MEANS-INDEPENDENT SAMPLES t TEST 注意观察方差分析结果，判断查看的数据是哪一行！（3）配对样本t检验数据特征：两个不独立的，有配对关系的样本（没有专门变量表示组数）方法：ANALYZE-COMPARE MEANS-PAIRED SAMPLES t TEST 不需要方差分析结果检验步骤：（1）正态性检验1（有同学推荐，老师没有强调，但依据理论应进行）（2）建立假设（H0：。。。。来自同一样本。H1：。。。。不来自同一样本）（3）确定检验水准（4）计算统计量（依据上面不同样本类型选择检验方法，注意独立样本t检验要先注明方差分析结果）（5）确定概率值P （6）得出结论 2、方差分析（要求数据来自正态总体，可能需要先做正态检验）（1）单因素方差分析数据特征：相互独立、来自正态总体、随机、方差齐性的多样本（有专门变量表示组数，且组数大于2）方法：ANALYZE-COMPARE MEANS-ONE WAY ANOVA 注意需要在options 里面选择homogeneity variance test 做方差分析符合方差齐性才可以得出结论！（>0.1）（2）双因素方差分析 1正态性检验方法：analyze-explore-plot里面选择normality test

第五章 spss的参数检验人大薛薇版

第五单元spss的参数检验 1、某公司经理宣称他的雇员英语水平很高，如果按照英语六级考试的话，一般平均得分为75分。现从雇员中随机选出11人参加考试，得分如下： 80, 81, 72, 60, 78, 65, 56, 79, 77,87, 76 请问该经理的宣称是否可信。原假设：样本均值等于总体均值即u=u0=75 步骤：生成spss数据→分析→比较均值→单样本t检验→相关设置→输出结果（Analyze->compare means->one-samples T test；）分析：分析：N=11人的平均值（mean）为73.7，标准差（std.deviation）为9.55,均值标准误差(std error mean)为2.87.t统计量观测值为-4.22，t统计量观测值的双尾概率p-值（sig.(2-tailed)）为0.668，六七列是总体均值与原假设值差的95%的置信区间,为(-7.68,5.14),由此采用双尾检验比较a和p。T统计量观测值的双尾概率p-值（sig.(2-tailed)）为0.668＞a=0.05所以不能拒绝原假设；且总体均值的95%的置信区间为(67.31,80.14),所以均值在67.31~80.14内,75包括在置信区间内,所以经理的话是可信的。 2、经济学家认为决策者是对事实做出反应，不是对提出事实的方式做出反应。然而心理学家则倾向于认为提出事实的方式是有关系的。为验证哪种观点更站得住脚，调查者分别以下面两种不同的方式随机访问了足球球迷。原假设：决策与提问方式无关，即u-u0=0 步骤：生成spss数据→分析→比较均值→两独立样本t检验→相关设置→输出结果

spss两配对样本的非参数检验

原文地址：SPSS学习笔记之——两配对样本的非参数检验（Wilcoxon符号秩检验）作者：王江源一、概述非参数检验对于总体分布没有要求，因而使用范围更广泛。对于两配对样本的非参数检验，首选Wilcoxon符号秩检验。它与配对样本t检验相对应。二、问题为了研究某放松方法（如听音乐）对于入睡时间的影响，选择了10名志愿者，分别记录未进行放松时的入睡时间及放松后的入睡时间（单位为分钟），数据如下笔。请问该放松方法对入睡时间有无影响。本例可以采用配对样本t检验，但由于样本量少，数据可能不符合正太分布，所以考虑用非参数检验。三、统计操作数据视图

菜单选择打开如下的对话框

该对话框有三个选项卡，第一个选项卡会根据第三个选项卡的设置自动设置，故一般不用手动设定。点击进入“字段”选项卡。将“放松前”、“放松后”均选入右边“检验字段”框中。点击进入“设置”对话框，选择检验方法，切换为“自定义检验”，选择“Wilcoxon匹

配样本对符号秩（二样本）”复选框。“检验选项”可以设定显著性水平。点击“运行”按钮，输出结果四、结果解读这就是输出结果。原假设示放松前好放松后差值的中位数等于0，P=0.015<0.05，拒绝原假设，认为放松前后有统计学差异。

双击该表格，会弹出如下的“模型浏览器”窗口，可以看到更详细的信息。如下图。

统计第十一课：SPSS 多相关样本的非参数检验（Friedman检验）关键词：SPSS多相关样本非参数检验2015-07-14 00:00来源：互联网点击次数：5103 先讲讲什么是 Friedman 检验 Friedman 检验是利用秩实现对多个总体分布是否存在显著差异的非参数检验方法。其原假设是：多个配对样本来自的多个总体分布无显著差异。 SPSS 将自动计算 Friedman 统计量和对应的概率 P 值。如果概率 P 值小于给定的显著性水平 0.05，则拒绝原假设，认为各组样本的秩存在显著差异，多个配对样本来自的多个总体的分布有显著差异。反之，则不能拒绝原假设，可以认为各组样本的秩不存在显著性差异。基于上述基本思路，多配对样本的 Friedman 检验时，首先以行为单位将数据按升序排序，并求得各变量值在各自行中的秩；然后，分别计算各组样本下的秩总和与平均秩。多配对样本的 Friedman 检验适于对定距型数据的分析。看完这些，是不是有点儿晕，好吧，让我们进入实例来分析分析。

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。

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