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

总体，还应定义一个分类变量。

SPSS两独立样本t检验的基本操作步骤是：

1、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口

2、选择检验变量到Test Variable(s)框中。

3、选择总体标志变量到Grouping Variables框中。

4、单击Define Groups按钮定义两总体的标志值。其中：Use specified values 表示分别输入两个不同总体的变量值；Cut point框中应输入一个数字，大于等于该值的对应一个总体，小于该值的对应另一个总体。

5、两独立样本t检验的Option选项含义与单样本t检验的相同。

至此，SPSS会首先自动计算F统计量，并计算在两总体相等会不相等下的均值差的方差和t统计量的观测值以及各自对应的双尾概率p值。

4 两配对样本的T检验

4.1 两配对样本T检验的目的

?利用来自两个总体的配对样本，推断两个总体的均值是否存在显著性差异；

?两配对样本的样本容量应该相等，两组样本观察值的顺序一一对应，不能随意改变；

?样本来自的总体服从或近似服从正态分布。

4.2 两配对样本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；

?选择检验统计量。两配对样本T检验是间接通过单样本T检验实现的。配对样本T检验实际上是先求出每对观测值之差值，对差值变量求平均。检验配对变量均值之间差异是否显著，实质是检验差值变量的均值与0之间差异的显著性；

?计算样本统计量观测值和概率P值；

?根据显著性水平和概率P值进行统计推断。

4.3 两配对样本t检验的基本操作步骤

1、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口

2、把一对或若干对检验变量选择到Paired Variables框。

3、两配对样本t检验的Option选项含义与单样本t检验相同。

至此，SPSS将自动计算t统计量和对应的概率p值。

非参数检验

非参数检验的概念

是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数故得名。

这类方法的假定前提比参数性假设检验方法少的多，也容易满足，适用于计量信息较弱的资料且计算方法也简单易行，所以在实际中有广泛的应用。

1 单样本非参数检验

?总体分布的chi-square检验

(1)目的:

根据样本数据推断总体的分布与某个已知分布是否有显著差异---吻合性检验。适用于分类资料的统计推断

(2)基本操作步骤:

–菜单:analyze->nonparametric test->chi square

–选定待检验变量入test variable list 框

–确定待检验个案的取值范围(expected range)

?get from data:全部样本

?use specified range:用户自定义个案范围

–指定期望频数(expected values)

?all categories equal:所有类别有相同的构成比

?value:用户自定义构成比

?二项分布检验

?在现实生活中有很多的取值是两类的，如人群的男和女、产品的合格和不合格、学生的三好学生和非三好学生、投掷硬币的正面和反面。这时如果某一类出现的概率是P，则另一类出现的概率就是1-P。这种分布称为二项分布。

?原假设：样本来自的总体与指定的二项分布无显著差异

?K-S检验

(1)目的:

利用样本数据推断总体是否服从某个理论分布（正态分布、均匀分布、指数分布和泊松分布）。

?适用于探索连续随机变量的分布情况

(2)基本步骤:

–菜单选项:analyze->nonparametric tests->1-sample k-s

–选择待检验的变量入test variable list 框

–指定检验的分布名称(test distribution)

?normal:正态分布 uniform:均匀分布

?possion:泊松分布 exponential:指数分布

变量值的随机性检验

(1)目的:利用样本数据对总体可能出现的变量值是否随机进行检验.

:总体可能出现的变量值是随机的.

(2)基本假设: H

(3)基本方法:

–观察样本序列出现了多少游程(run).

–游程是样本序列中连续出现的变量值的次数.

–一般出现太多或太少的游程表示变量值序列有一定的非随机性.

(4)基本操作步骤:

–菜单选项:analyze->nonparametric test->runs

–选择待检验的变量入test variable list框

–指定如何计算游程(cut point)

?median:以中位数为界线 mode:以众数为界线

?mean:以均值为界线 custom:以用户指定值为界线

?小于界线值的为一类；大于等于界线值的为另一类.

?两独立样本非参数检验

(一)目的

?由独立样本数据推断两总体的分布是否存在显著差异(或两样本是否来自同一总体)。

(二)基本假设

?H

:两总体分布无显著差异(两样本来自同一总体)

(三)数据要求

?样本数据和分组标志

(四)基本方法

1.曼-惠特尼U检验(Mann-Whitney U):平均秩检验

–将两样本数据混合并按升序排序

–求出其秩

–对两样本的秩分别求平均

–如果两样本的平均秩大致相同,则认为两总体分布无显著差异

2.k-s检验

–将两样本混合并按升序排序

–分别计算两个样本在相同点上的累计频数和累计频率

–两个累计频率相减.

–如果差距较小,则认为两总体分布无显著差异

应保证有较大的样本数

3.游程检验(Wald-Wolfowitz runs)

–将两样本混合并按升序排序

–计算分组标志序列的游程数

–如果游程数较大,则说明是由于两类样本数据充分混合的结果,即:认为两总体分布无显著差异.

–如果两样本中有相同的样本值，则会使游程数发生变化.系统会作出提示.

4.极端反应检验(Moses Extreme Reacions)

–将一组样本作为控制样本，另一组样本作为实验样本。

–以控制样本作为对照，检验实验样本相对于控制样本是否出现了极端反应。

–如果实验样本没有出现极端反应,即:认为两总体分布无显著差异.

–相反，如果实验样本存在极端反应，则认为两总体的分布存在显著差异。

(五)基本操作步骤

–菜单选项:analyze->nonparametric tests->2 independent sample

–选择待检验的变量入test variable list框

–选择一种或几种检验方法

?多独立样本非参数检验

(一)目的:

?由独立样本数据推断多个总体的分布是否存在显著差异.

(二)基本假设:

? H

:多个总体分布无显著差异.

(三)数据要求:

?样本数据和分组标志

(四)基本方法:

1.相同中位数检验(median)

–判断多个总体是否是具有相同的中位数

–将多个样本数混合并按升序排序

–求出混合样本序列的中位数

–如果各独立样本中大于此中位数的个案数和小于此中位数的个案数大致相同，则认为总体有相同的中位数

2.k-w检验(推广的平均秩检验)

–将多个样本数混合并按升序排序,求出其秩

–对多个样本的秩分别求平均秩序

–如果各样本的平均秩大致相等,则认为多个总体分布无显著差异3.J-T检验

–计算一组样本观察值小于其他组样本的观察值的个数。

–计算所有情况下的J-T统计量，并计算这些J-T值的均值和标准差。

–如果观测的J-T统计量远大于或远小于J-T均值，那么可以认为，按照样本标志值的升序，样本数据有明显上升或下降趋势，从而能

够判定样本来自的多个总体分布存在显著差异。

(五)基本操作步骤:

–菜单选项:analyze->nonparametric test->k independent samples

–选择待检验的变量入test variable list框

–选择一种或两种检验方法

?两配对样本非参数检验

(一)含义:

?由配对样本数据推断两总体分布是否存在显著差异.

(二)基本假设:

?H0:两总体分布无显著差异.

(三)数据要求:

?配对样本的样本量是相同的；

?各样本的先后次序是不能随意更改的。

(四)基本方法:

1.变化显著性检验(McNemar)

–将研究对象作为自身的对照者检验其“前后”的变化是否显著

–关心的是发生变化的两格中的频数变化.如果频数变化相当,则认为无显著变化.

数据要求只能是二分值数据

2.正负符号检验(sign)

–将样本2的各样本值减去样本1的各样本值.如果差值为正,则记为正号;如果差值为负,则记为负号

–如果正号的个数与负号的个数相当,则认为无显著变化.否则,认为

有显著变化

3.符号平均秩检验(wilcoxon)

正负符号检验只考虑了两总体数据变化的性质,而没有注意其变化的程度.符号平均秩检验注意到了这点

–将样本2的各样本值减去样本1的各样本值.如果差值为正,则记为正号;如果差值为负,则记为负号.

–将差值按升序排序,并求其秩.分别计算正号秩和负号秩总和

–如果正秩和负秩相当,认为正负变化程度相当,两总体无显著差异.

–例如:为检验某种新训练方法是否有助于提高跳远运动员的成绩，收集到10名跳远运动员在使用新训练方法前后的跳远最好成绩来

进行判断

(五)基本操作步骤:

–菜单选项:analyze ->nonparametric->2 paired sample

–选择待检验的两配对变量入test pair(s) list框

–选择一种或几种检验的方法

?多配对样本非参数检验

(一)目的:

由多配对样本数据推断多个总体分布是否存在显著差异.

(二)基本假设:

:各总体分布无显著差异.

H

(三)数据要求:

多配对的样本数据.

(四)基本方法:

1.推广的平均秩检验(双向Friedman检验)

–将每个个案的变量值数据按升序排序，并求其秩

–求各样本的平均秩

–如果平均秩相当,则认为各总体分布无显著差异

–例：比较三种促销形式对商品销售的影响。

2. Cochran Q检验

基本思想：认为每行中取1的个数是可确定的。

适合对二值品质型数据的分析。

3.谐同系数检验(Kendall W检验)

–谐同系数检验方法与推广的平均秩检验方法相同

–主要用在分析评判者的评判标准是否一致和公平

–通过谐同系数W进行判定.W表示了横向各样本数据之间相关的强弱程度,取值在0和1之间.越接近1,则表示相关性越强,即:评判

者的评判标准一致.

–例：6名歌手参加比赛，4名评委进行评判打分，现判断这4个评委的评判标准是否一致。

(五)基本操作步骤:

–菜单选项:analyze->nonparametric->k paired sample

–选择待检验的若干变量入test variables框

–选择一种或几种检验的方法

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