spss16使用教程10

实现步骤
图10-12 在菜单中选择“1-Sample K-S”命令
图10-13 “One-Sample Kolmogorov-Smirnov Test”对话框
图10-14 “One-Sample K-S：Options”对话框
10.4.3 结果和讨论
（1）本例输出结果如下表所示。
10.5 两独立样本非参数检验 10.5.1 统计学上的定义和计算公式
3．两独立样本的游程检验（Wald-Wolfwitz Runs）
两独立样本的游程检验用来检验样本来自的两 独立总体的分布是否存在显著差异。其零假设 是H0为样本来自的两独立总体分布没有显著差 异。
样本的游程检验中，计算游程的方法与观 察值的秩有关。首先，将两组样本混合并按照 升序排列。在数据排序时，两组样本的每个观 察值对应的样本组标志值序列也随之重新排列， 然后对标志值序列按照前面10.3节的方法求游 程。
（2）输出的结果文件中第二个表格如下。
10.2 二项分布检验 10.2.1 统计学上的定义和计算公式
现实生活中有很多数据的取值只有两类， 如医学中的生与死、患病的有与无、性别中的 男性和女性、产品的合格与不合格等。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SPSS中的二项分布检验 （Binomial）可对样本资料进行二项分布分析。
图10-2 “Weight Cases”对话框
图10-3 在菜单中选择“Chi-Square”命令
图10-4 “Chi-Square Test”对话框
图10-5 “Chi-Square Test：Options”对话框
10.1.3 结果和讨论
（1）本例输出结果中有两个表格，其中 第一个表格如下。

实现步骤
图10-9 在菜单中选择“Runs”命令
图10-10 “Runs Test”对话框
图10-11 “Runs Test：Options”对话框
10.3.3 结果和讨论
10.4 SPSS单样本K-S检验 10.4.1 统计学上的定义和计算公式
定义：单样本K-S检验是以两位前苏联数 学家Kolmogorov和Smirnov命名的，也是一种 拟合优度的非参数检验方法。单样本K-S检验 是利用样本数据推断总体是否服从某一理论分 布的方法，适用于探索连续型随机变量的分布 形态。
定义：两独立样本的非参数检验是在对总 体分布不很了解的情况下，通过分析样本数据， 推断样本来自的两个独立总体分布是否存在显 著差异。一般用来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。
两个样本是否独立，主要看在一个总体中抽取 样本对另外一个总体中抽取样本有无影响。如 果没有影响，则可以认为两个总体是独立的。 SPSS提供了4种两独立样本的非参数检验方法。
前面已经讨论的许多统计分析方法对总体 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，统称为参数检验。
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。因为有的数据不是来 自所假定分布的总体，或者数据根本不是来自 一个总体，还有可能数据因为某种原因被严重 污染，这样在假定分布的情况下进行推断的做 法就有可能产生错误的结论。此时人们希望检 验对一个总体分布形状不必作限制。
如果计算出的游程数相对比较小，则说明 样本来自的两总体的分布形态存在较大差距； 如果得到的游程数相对比较大，则说明样本来 自的两总体的分布形态不存在显著差距。
SPSS将自动计算游程数得到Z统计量，并 依据正态分布表给出对应的相伴概率值。如果 相伴概率小于或等于用户的显著性水平，则 应拒绝零假设H0，认为两个样本来自的总体分 布有显著差异；如果相伴概率值大于显著性水 平，则不能拒绝零假设H0，认为两个样本来自 的总体分布无显著差异。
这种不是针对总体参数，而是针对总体的 某些一般性假设（如总体分布）的统计分析方 法称非参数检验（Nonparametric Tests）。 非参数检验根据样本数目以及样本之间的关系 可以分为单样本非参数检验、两独立样本非参 数检验、多独立样本非参数检验、两配对样本 非参数检验和多配对样本非参数检验几种。
10.4.2 SPSS中实现过程
研究问题 某地144个周岁儿童身高数据如表10-4所 示，问该地区周岁儿童身高频数是否呈正态分 布？
表10-4
儿童身高数据
身高区间 64－ 68－ 69－ 70－ 71－ 72－ 73－ 74－ 76－ 78－ 79－ 83－ 人 2 4 7 16 20 25 24 22 16 2 6 1 数
SPSS将自动计算Z统计量，并给出相应的 相伴概率值。如果相伴概率小于或等于用户的 显著性水平α ，则应拒绝零假设H0，认为样本 来自的总体分布形态与指定的二项分布存在显 著差异；如果相伴概率值大于显著性水平，则 不能拒绝零假设H0，认为样本来自的总体分布 形态与指定的二项分布不存在显著差异。
SPSS二项分布检验的数据是实际收集到的样本 数据，而非频数数据。
3
4 5 6
1
1 1 1
15
16 17 18
1
1 0 0
27
28 29 30
0
0 0 0
7
8 9 10
0
0 0 0
19
20 21 22
0
0 0 0
31
32 33 34
1
0 0 0
11
12
1
1
23
24
1
1
35
0

实现步骤
图10-6 在菜单中选择“Binomial Test”命令
图10-7 “Binomial Test”对话框
10.1 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χ 2 检验）就是一种比较好的方法。
本章将介绍总体分布的卡方（Chisquare）检验、二项分布（Binomial）检验、 单样本K-S（Kolmogorov-Smirnov）检验、单 样本变量值随机性检验（Runs Test）、两独 立样本非参数检验、多独立样本非参数检验、 两配对样本非参数检验、多配对样本非参数检 验等8类常用的非参数检验方法。其中前4种属 于单样本非参数检验。
两独立样本的K-S检验将关注差值序列。SPSS 将自动计算K-S Z统计量，并依据正态分布表 给出对应的相伴概率值。如果相伴概率小于或 等于用户的显著性水平，则应拒绝零假设H0， 认为两个样本来自的总体分布有显著差异；如 果相伴概率值大于显著性水平，则不能拒绝零 假设H0，认为两个样本来自的总体分布无显著 差异。
图10-8 “Binomial Test：Options”对话框
10.2.3 结果和讨论
10.3 SPSS单样本变量值随机性检验 10.3.1 统计学上的定义和计算公式
定义：单样本变量值的随机性检验是对某 变量的取值出现是否随机进行检验，也称为游 程检验（Run过程）。
单样本变量值的随机性检验是由Wald提出 的，它的零假设为H0：总体某变量的变量值出 现是随机的。 单样本变量值的随机性检验通过游程 （Run）数来实现。所谓游程是样本序列中连 续出现的变量值的次数。
SPSS在统计中将计算K-S的Z统计量，并依 据K-S分布表（小样本）或正态分布表（大样 本）给出对应的相伴概率值。如果相伴概率小 于或等于用户的显著性水平α ，则应拒绝零假 设H0，认为样本来自的总体与指定的分布有显 著差异；如果相伴概率值大于显著性水平，则 不能拒绝零假设H0，认为样本来自的总体与指 定的分布无显著差异。
SPSS二项分布检验就是根据收集到的样本 数据，推断总体分布是否服从某个指定的二项 分布。其零假设是H0：样本来自的总体与所指 定的某个二项分布不存在显著的差异。
SPSS中的二项分布检验，在样本小于或等 于30时，按照计算二项分布概率的公式进行计 算；样本数大于30时，计算的是Z统计量，认 为在零假设下，Z统计量服从正态分布。Z统计 量的计算公式如下
在SPSS单样本变量值的随机性检验中， SPSS将利用游程构造Z统计量，并依据正态分 布表给出对应的相伴概率值。如果相伴概率小 于或等于用户的显著性水平α ，则应拒绝零假 设H0，认为样本值的出现不是随机的；如果相 伴概率值大于显著性水平，则不能拒绝零假设 H0，认为变量值的出现是随机的。
10.3.2 SPSS中实现过程
10.1.1 统计学上的定义和计算公式
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著差异。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著差异。
ቤተ መጻሕፍቲ ባይዱ
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。
SPSS 16实用教程
第10章 非参数检验
10.1 总体分布的卡方（Chi-square）检验 10.2 10.3
二项分布检验 SPSS单样本变量值随机性检验 SPSS单样本K-S检验 两独立样本非参数检验 多独立样本非参数检验
10.4
10.5 10.6
10.7
10.8
两配对样本非参数检验
多配对样本非参数检验
研究问题 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“1”，对非 发病的住户标记为“0”，共35户，其取值如 表10-3所示。
表10-3