非参数性检验(SPSS)
SPSS非参数检验之一卡方检验
SPSS非参数检验之一卡方检验一、卡方检验的概念和原理卡方检验是一种常用的非参数检验方法，用于检验两个或多个分类变量之间的关联性。
它利用实际观察频数与理论频数之间的差异，来判断两个变量是否独立。
卡方检验的原理基于卡方分布，在理论上，如果两个变量是独立的，那么它们的观测频数应该等于理论频数。
卡方检验通过计算卡方值来度量观察频数与理论频数之间的差异程度，进而判断两个变量是否独立。
卡方值的计算公式为：卡方值=Σ(（观察频数-理论频数）²/理论频数）其中，观察频数为实际观察到的频数，理论频数为理论上计算得到的频数。
二、卡方检验的步骤卡方检验的步骤包括以下几个方面：1.建立假设：首先需要建立原假设和备择假设。
原假设（H0）是两个变量之间独立，备择假设（H1）是两个变量之间存在关联。
2.计算理论频数：根据原假设和已知数据，计算出各组的理论频数。
3.计算卡方值：利用卡方值的计算公式，计算观察频数与理论频数之间的差异。
4.计算自由度：自由度的计算公式为自由度=(行数-1)*(列数-1)。
5.查表或计算P值：根据卡方值和自由度，在卡方分布表中查找对应的临界值，或者利用计算机软件计算P值。
6.判断结果：判断P值与显著性水平的关系，如果P值小于显著性水平，则拒绝原假设，认为两个变量存在关联；如果P值大于显著性水平，则接受原假设，认为两个变量是独立的。
三、卡方检验在SPSS中的应用在SPSS软件中，进行卡方检验的操作相对简单。
下面以一个具体的案例来说明：假设我们有一份数据，包括了男性和女性在健康习惯（吸烟和不吸烟）方面的调查结果。
我们想要检验性别与吸烟习惯之间是否存在关联。
1.打开SPSS软件，导入数据。
2.选择"分析"菜单，点击"拟合度优度检验"。
3.在弹出的对话框中，将两个变量（性别和吸烟习惯）拖入"因子"栏目中。
4.点击"统计"按钮，勾选"卡方拟合度"。
第7章spss非参数检验
Statistics按钮： 计算卡方值，用于行列
变量的独立性检验
计算pearson和spearman 相关系数
定类资料的行列变 量相关性检验
定序资料的行列变 量相关性检验
定序与定距资料的行 列变量相关性检验
评判内部一致性 相关风险比例 两相关二项分类变量的非参检验
二项分类变量的因、自变量独立性检验
p(1 p) / n
17
【界面设置】
检验的落入第一组的 概率常数值
分组值，小于该值为1 组，其余为1组
注意大小样本的选择
18
【结果形式】
19
7.3 Runs 游程检验 主要用于对二分变量（数值型）或利用断点分 为两组的变量，检验取值的分布随机性或两总体分 布是否一致，即一个case的取值是否影响下一个。 统计原假设H0：样本二分值分布是随机的或两总体分 布相同。
5、 2 Independent Samples 两独立（成组）样本检验
6、 K Independent Samples K个独立样本检验 5、 2 Related Samples 两关联（配对）样本检验 6、 K Related Samples K个关联样本检验
2
7.1 Chi-Square
1、卡方拟合优度检验 （Nonparametric Tests - Chi-Square） 主要用于分析实际频数与理论频数（已知）拟合情况；χ2 值反映了实际频数和理论频数的吻合程度。χ2值越小， 说明实际频数与理论频数越吻合。 适用于一个变量的多项分类数据的检验分析。 统计原假设：实际频数与理论频数相等或实际构成比等于 已知构成比。 k ( f 0 f e )2 卡方统计量为 2
25
【界面设置】
SPSS的非参数检验
02
SPSS非参数检验概述
定义与特点
定义
非参数检验是在统计分析中，相对于参数检验的一种统计方法。 它不需要对总体分布做严格假定，只关注数据本身的特点，因此 具有更广泛的适用范围。
特点
非参数检验对总体分布的假设较少，强调从数据本身获取信息， 具有灵活性、稳健性和适用范围广等优点。
局限性
计算量大
对于大规模数据集，非参数检验的计算量可 能较大，需要较长的计算时间。
对数据要求高
非参数检验要求数据具有可比性，对于不可 比的数据集可能无法得出正确的结论。
解释性较差
非参数检验的结果通常较为简单，对于深入 的统计分析可能不够满足。
对异常值敏感
非参数检验对异常值较为敏感，可能导致结 果的偏差。
THANK YOU
感谢聆听
常用非参数检验方法
独立样本非参数检验
用于比较两个独立样本的差异 ，如Mann-Whitney U 检验 、Kruskal-Wallis H 检验等。
相关样本非参数检验
用于比较相关样本或配对样本 的关联性，如Wilcoxon signed-rank 检验、Kendall's tau-b 检验等。
等级排序非参数检验
案例二：两个相关样本的非参数检验
总结词
适用于两个相关样本的比较，如同一班级内不同时间点的成绩比较。
描述
使用SPSS中的两个相关样本的非参数检验，如Wilcoxon匹配对检验，可以比较两个相关样本的总体分布是否相 同。
案例二：两个相关样本的非参数检验
01
步骤
02
1. 打开SPSS软件，输入数据。
第5讲SPSS非参数检验
数据文件：“糖果中的卡路里.sav” 菜单：“分析→非参数检验→旧对话框→K个独立样本”
多独立样本非参数检验整体分析与设计的内容
输入最大值、 最小值。
Kruskal-Wallis H检 验：是曼-惠特尼U 检验在多个独立样 本下的推广。
检验各个样本是否来自有相同中位数的 总体。--- 这种检验的效能最低。
2）对数据的测量尺度无约束，对数据的要求也不严格，任何数据类型 都可以。
3）适用于小样本、无分布样本、数据污染样本、混杂样本等。
注：若参数检验模型的所有假设在数据中都能满足，而且测量达到了所 要求的水平，那么，此时用非参数检验就浪费了数据。
因此，若所需假设都满足的情况下，一般就选择参数检验方法。
卡方检验
此时，零假设：两总体的 均值无显著性差异；就可 能不成立。
K-S检验。以变量的秩 作为分析对象；而非变 量值本身。
也需要先将两组样本混 合、升序排列。
两独立样本非参数检验整体分析与设计的内容 二、操作
该检验有特定用途，给出的结果均为单侧 检验。若施加的处理时的某些个体出现正 向效应，而另一些个体出现负向效应时， 就应当采用该检验方法。 基本思想为：将一组样本作为控制样本， 另一组作为试验样本。以控制样本为对照， 检验试验样本相对于控制样本是否出现了 极端反应。若无极端反应，则认为两总体 分布无显著性差异；否则，有显著性差异。
选择分布
“结”的处理
单样本K-S检验
整体分析与设计的内容
三、补充描述性统计的P-P图和Q-Q图
P-P图的输出样子： P-P图
期望（理论）累计 概率值
去势P-P图
样本数据实际累计 概率值
实际与期望的差值
样本数据实际累计 概率值
SPSS教程-非参数检验
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。
Mann-Whitney检验
=0.18576
计算表
SPSS基本操作
SPSS基本操作
SPSS基本操作
SPSS基本操作
SPSS基本操作
单样本K-S检验
利用样本数据推断样本来自的总体是否服从某一理论 分布，是一种拟合优度的检验方法，适用于探索连续 型随机变量的分布
步骤
计算各样本观测值在理论分布中出现的理论累计概率值F(x) 计算各样本观测值的实际累计概率值S(x) 计算理论累计概率值与实际累计概率值的差D(x) 计算差值序列中最大绝对差值D
针麻效果
(1) Ⅰ Ⅱ Ⅲ Ⅳ
表
肺癌 (2) 10 17 19 4
三种病人肺切除术的针麻效果比较肺化脓症Fra bibliotek肺结核
(3)
(4)
24
48
41
65
33
36
7
8
合计 (5) 82 123 88 19
SPSS基本操作
与例7的操作相同
随机区组设计资料的秩和检验
M检验(Friedman法)法计算步骤
将每个区组的数据由小到大分别编秩 计算各处理组的秩和Ri 求平均秩：R=1/2b(k+1) 计算各处理组的（ Ri-R） 求M 查M界值表，F近似法
参数统计（parametric statistics) : 在 统计推断 中，若样本所来自的总体分布为已知的函数形式 （正态/近似正态分布），但其中的参数未知，统 计推断的目的就是对这些未知参数进行估计/检验， 这类统计推断方法称参数统计。
非参数检验-SPSS
非参数检验-SPSS什么是非参数检验？非参数检验是一种统计假设检验方法，它不依赖于总体的任何假设条件，如总体分布的正态性、方差的同一性等。
与参数检验相比，非参数检验更加灵活，能够适应更多的数据情况。
为什么需要非参数检验？当我们的数据不满足正态分布等假设条件时，就需要使用非参数检验。
此外，非参数检验还有以下优点：1.不需要知道总体分布的具体形态，从而更加适用于实际情况2.对于离群值和极端值并不敏感3.数据缺失并不会影响检验结果SPSS中的非参数检验现在我们来介绍SPSS中的非参数检验。
1. Wilcoxon符号秩检验Wilcoxon符号秩检验旨在检验两组配对样本的中位数差异是否为零。
它的原假设是两组样本中位数相同。
首先，我们需要打开SPSS，导入数据集，然后点击菜单栏中的“数据”-“配对样本T检验”-“Wilcoxon符号秩检验”。
接下来，我们需要在弹出的对话框中选择配对变量，然后点击“OK”即可得到检验结果。
2. Mann-Whitney U检验Mann-Whitney U检验是一种非参数检验方法，用于检验两组独立样本的中位数是否相同。
它的原假设是两组样本中位数相同。
要进行Mann-Whitney U检验，我们需要打开SPSS，导入数据集，然后点击菜单栏中的“分析”-“非参数检验”-“2独立样本”。
接着，在弹出的对话框中选择两组样本的变量，并设置分析的方法为“Mann-Whitney U检验”。
最后点击“OK”即可得到检验结果。
3. Kruskal-Wallis检验Kruskal-Wallis检验是一种非参数检验方法，用于检验多个独立样本的中位数是否相同。
它的原假设是多组样本中位数相同。
要进行Kruskal-Wallis检验，我们需要打开SPSS，导入数据集，然后点击菜单栏中的“分析”-“非参数检验”-“Kruskal-Wallis检验”。
接着，在弹出的对话框中选择多组样本的变量，并点击“OK”即可得到检验结果。
spss使用教程非参数检验
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。
第24页/共152页
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
人数 2 4 7 16 20 25 24 22 16 2 6 1
第49页/共152页
实现步骤
图10-12 在菜单中选择“1-Sample K-S”命令
第50页/共152页
图10-13 “One-Sample Kolmogorov-Smirnov Test”对话框
第51页/共152页
图10-14 “One-Sample K-S：Options”对话框
第28页/共152页
表10-2
35名婴儿的性别
婴儿
Sex
婴儿
Sex
婴儿
Sex
1
1
13
1
25
1
2
0
14
1
26
1
3
1
15
1
27
0
4
1
16
1
28
0
5
1
17
0
29
0
6
1
18
0
30
0
7
0
19
0
31
1
8
0
20
0
32
0
9
0
21
0
33
0
10
第6章 SPSS非参数检验讲解
在【定义二分法】选项组中可以定义二元变量。 Step04：指定检验概率值
在【检验比例】选项组中可以指定二项分布的检验概率值。 系统默认的检验概率值是0.5，这意味着要检验的二项是服从均 匀分布的。如果所要检验的二项分布不是同概率分布，参数框中 要键入第一组序列的随机性，而不管这个序列是 怎样产生的；此外还可用来判断两个总体的分布是否相同，从而 检验出它们的位置中心有无显著差异。
3.软件使用方法
SPSS中利用游程数构造Z统计量，利用Z统计量的分布来检验 序列是否具有随机性。软件将自动计算出Z统计量的取值及对应 的概率P值。如果概率P值小于或等于用户设定的显著性水平，则 拒绝零假设，认为变量不具有随机性；相反的，如果概率P值大 于显著性水平，则认为变量出现是随机的。
在【期望全距】选项组中可以确定检验值的范围，对应有 两个单选项。 Step04：选择期望值
在【期望值】选项组中可以指定期望值 ，对应有两个单选 项。
Step05：选择计算精确概率
单击【精确】按钮，弹出【精确检验】对话框，该对话框用于选 择计算概率P值的方法 。
Step06：其他选项选择 单击【选项】按钮，弹出【选项】对话框，该对话框用于指定输 出内容和关于缺失值的处理方法
3.软件使用方法
SPSS会自动计算出χ2统计量及对应的相伴概率P值。
Step01：打开主菜单
选择菜单栏中的【分析】 →【非参数检验】→【旧对话框】→ 【卡方】命令，弹出【卡方检验】对话框。
Step02：选择检验变量
在【卡方检验】对话框左侧的候选变量列表框中选择一个 或几个变量，将其添加至【检验变量列表】列表框中，表示需 要进行进行卡方检验的变量。 Step03：确定检验范围
SPSS的参数检验和非参数检验
SPSS的参数检验和非参数检验SPSS是一种非常常用的统计分析软件，可以用于参数检验和非参数检验。
参数检验是假设检验的一种方法，用于判断统计样本是否代表总体。
而非参数检验则是用于检验数据是否满足一些分布假设，或判断两个或多个群体是否具有差异。
参数检验主要有t检验、方差分析和回归分析等。
其中，t检验用于比较两个样本均值是否有显著差异，包括独立样本t检验和相关样本t检验。
方差分析用于比较三个或更多样本均值是否有显著差异，可以进行单因素方差分析或多因素方差分析。
回归分析用于建立预测模型，可以通过线性回归或多项式回归进行。
非参数检验通常适用于数据不满足正态分布或方差齐性的情况，如Wilcoxon符号秩检验、Kruskal-Wallis H检验、Mann-Whitney U检验等。
Wilcoxon符号秩检验用于比较两个配对样本的差异是否有显著差异，Kruskal-Wallis H检验用于比较三个或更多独立样本的差异是否有显著差异，Mann-Whitney U检验用于比较两个独立样本的差异是否有显著差异。
在SPSS中进行参数检验和非参数检验一般需要进行以下步骤：1.导入数据：将数据导入SPSS软件，可以通过选择文件-导入功能进行操作。
2.设定分析变量：定义需要进行分析的变量，并将其添加到分析列表中。
3.选择统计方法：根据实验设计和数据分布情况，选择合适的参数检验或非参数检验方法。
4.执行分析：点击运行按钮进行分析，在分析结果中可以查看得到显著性水平、均数、方差等指标。
5.结果解释：根据分析结果进行假设检验，判断是否存在显著差异，并解释其结果。
无论是参数检验还是非参数检验，在进行分析前需要注意数据的合理性、样本的选择和实验设计的合理性等，以保证分析结果的可靠性。
同时，还应根据不同的研究目的和数据特点选择适当的方法，并合理解释分析结果。
在SPSS软件中，可以通过图表、表格和描述性统计等形式展示和解释结果，并通过结果进行科学判断和相关推断。
SPSS非参数检验
第九届全国大学生市场调查与分析大赛 1. 大学生幸福感现状研究; 2. O2O模式下APP同质化研究; 3. 00后所喜爱的特色饺子及个性化定制市场前景分析; 4. 普惠性幼儿园教师互砍调查报告; 5. 基于成都市本科高校大学生朋友圈打卡热调查 ；
参数检验与非参数检验的选择与效度
独立、正态、方差齐 Y N
非参数检验
参数检验
P<0.05
Y
P一定<0.05
N P不一定<0.05
第九届全国大学生市场调查与分析大赛 1. 川北医学院高校食堂现状及满意度分析； 2. 网约车安全感现状研究； 3. 校园APP使用现状及满意度； 4. 品牌速冻食品的市场研究现状调查； 5. 用户对算法新闻的采纳意愿研究；
8、K个独立样本非参数检验
8、K个独立样本非参数检验
黄色直线处有 差异；
黄色背景处表 示有差异；
9、K个相关样本非参数检验 • 用途：验证K组相关计量变量或等级变量的差异。
• 实例：为了检测某治疗方法的效果，测量了三组数据，结果
见data26.sav, 问该治疗方法是否有用？
9、K个相关样本非参数检验
3、二项检验 • 用途：检验二分类变量是否符合某比例？ • 实例：某医院产科近三个月出生婴儿300例，其中男婴165例，
解析：单组资料，二分类与已知比率比较。
3、二项检验
3、二项检验 实践：data01.sav中，身高<=160cm人数所占的比例 是否占60%？
7、两相关样本非参数检验
威尔科克森检验与符号检验多用于检验两个配对 样本（计量变量）是否来自同一个总体； 麦克尼马尔检验用于二分类变量显著性检验； 边际齐性检验用于定序变量的检验。
7、两相关样本非参数检验
SPSS-非参数检验
SPSS-⾮参数检验⾮参数检验（卡⽅（Chi-square）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）参数检验：T检验、F检验等常⽤来估计或检验总体参数，统称为参数检验⾮参数检验：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1.总体分布的卡⽅（Chi-square）检验（Q统计量）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。
特点：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操作2.⼆项分布检验（Z统计量）⼆项分布：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⼆项分布检验：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SPSS操作3.SPSS单样本变量值随机性检验（Z统计量）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）SPSS操作4.SPSS单样本K-S检验（Z统计量）定义：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SPSS操作5.两独⽴样本⾮参数检验定义：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。
检验⽅法：①两独⽴样本的Mann-Whitney U检验（主要检验总体均值有没有显著差异）②两独⽴样本的K-S检验③两独⽴样本的游程检验④两独⽴样本的极端反应检验SPSS操作6.多独⽴样本⾮参数检验定义：多独⽴样本⾮参数检验分析样本数据是推断样本来⾃的多个独⽴总体分布是否存在显著差异SPSS多独⽴样本⾮参数检验⼀般推断多个独⽴总体的均值或中位数是否存在显著差异检验⽅法：①多独⽴样本的中位数检验②多独⽴样本的K-W检验③多独⽴样本的Jonkheere-Terpstra检验SPSS操作7.两配对样本⾮参数检验定义：两配对样本（2 Related Samples）⾮参数检验是在对总体分布不很清楚的情况下，对样本来⾃的两相关配对总体分别进⾏检验。
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_案例解析非参数检验是一种不基于总体分布特征的统计方法，适用于数据分布未知、非正态分布或无法满足参数检验假设的情况。
其中一种非参数检验是两独立样本检验，用于比较两组独立样本之间的统计差异。
本篇文章将结合案例解析，详细介绍SPSS软件中如何进行非参数检验的两独立样本检验。
案例背景：工厂生产两种不同形状的零件，为了比较两种零件的尺寸是否存在差异，随机选取了30个零件进行测量。
现在需要使用两独立样本检验来研究这两种零件的尺寸是否存在显著差异。
步骤一：数据导入首先，将收集到的数据导入SPSS软件中。
数据包括两个变量：零件类型（Group）和尺寸（Size）。
将数据按照Excel或CSV格式保存，然后在SPSS中选择"文件"->"导入"->"数据"，选择导入文件，并进行数据格式定义。
步骤二：描述性统计分析在进行假设检验之前，首先进行描述性统计分析，以了解样本数据的基本特点。
在SPSS中，选择"分析"->"描述性统计"->"描述性统计"，将"Size"变量拖入"变量"框中，然后点击"统计"按钮，选择要统计的统计量（如均值、标准差等），最后点击"确定"按钮进行计算。
步骤三：正态性检验在进行非参数检验之前，需要进行正态性检验，以确定数据是否满足参数检验的假设。
在SPSS中，选择"分析"->"非参数检验"->"单样本分布检验"，将"Size"变量拖入"变量"框中，然后点击"选项"按钮，选择要进行的正态性检验方法，如Kolmogorov-Smirnov检验或Shapiro-Wilk检验等。
SPSS非参数检验
SPSS非参数检验非参数检验 SPSS单样本非参数检验是对单个总体的分布形态等进行推断的方法，其中包括卡方检验、二项分布检验、K-S检验以及变量值随机性检验等方法。
参数检验与非参数检验的区别:参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。
但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。
非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。
由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数检验”。
一、几种常见的非参数检验1、总体分布的卡方检验卡方检验方法可以根据样本数据，推断总体分布与期望分布或某一理论分布是否存在显著差异，是一种吻合性检验，通常适于对有多项分类值的总体分布的分析。
它的原假设是:样本来自的总体分布与期望分布或某一理论分布无差异。
例如，医学家在研究心脏病人猝死人数与日期的关系时发现:一周之中，星期一心脏病人猝死者较多，其他日子则基本相当。
当天的比例近似为2.8:1:1:1:1:1:1。
现收集到心脏病人死亡日期的样本数据，推断其总体分布是否与上述理论分布相吻合。
2、二项分布检验SPSS的二项分布检验正是要通过样本数据检验样本来自的总体是否服从指定的概率为P的二项分布，其原假设是:样本来自的总体与指定的二项分布无显著差异。
在生活中有很多数据的取值是二值的，例如，人群可以分成男性和女性，产品可以分成合格和不合格，学生可以分成三好学生和非三好学生，投掷硬币实验的结果可以分成出现正面和出现反面等。
通常将这样的二值分别用1或0表示。
如果进行n次相同的实验，则出现两类(1或0)的次数可以用离散型随机变量X来描述。
如果随机变量X为1的概率设为P，则随机变量X值为0的概率Q便等于1-P，形成二项分布。
从某产品中随机抽取23个样品进行检测并得到检测结果。
《SPSS的非参数检验》PPT课件
精选课件ppt
33
数，计算实际观察频数与期望频数的差距，即：计算
卡方值 – 卡方值较小，则实际频数和期望频数相差较小。如果P
大于a，不能拒绝H0，认为总体分布与已知分布无显著 差异。反之
精选课件ppt
4
一、SPSS单样本非参数检验
（一）总体分布的chi-square检验 (4)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)
(六)案例结果 p203-210
精选课件ppt
22
四、SPSS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
两配对的样本数据。
精选课件ppt
23
四、SPSS两配对样本非参数检验
(四)基本方法
1.变化显著性检验(McNemar)
化。系统会作出提示。
案例：7-5 p194使用寿命
精选课件ppt
16
二、SPSS两独立样本非参数检验
(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
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（即0，1）
SPSS第6章 非参数检验
•现实生活中有很多现象的数据取值仅分两类，例如：学生可以按性别 分成男生和女生，产品可以按质量分成合格和不合格，投掷硬币实验的 结果可能出现正面或反面等。这时，如果某一类情况出现的概率是P， 则另一类情况出现的概率就是Q（即1-P），这种分布称为二项分布。 •【例6-3】根据过去的观察，用旧方法生产某种产品，其不合格率为1%。 现采用新方法，在600件产品中，发现了2件不合格品，问是否可以认为 新方法的不合格率明显低于旧方法的不合格率？ •1、方法基本思路 •二项检验属于拟合优度检验，适用于数据只能划分为两类的总体。二 项检验是检验是否认为从样本中观察到的两类比例来自具有指定P的总 体。H0：样本所属总体的分布形态与指定的二项分布无显著差异。 •就例6-3而言，H0：样本所属总体分布是P=1%的二项分布。 •SPSS中的二项分布检验，在样本数小于等于30时，按照计算二项分布概 率的公式进行计算；在样本数大于30时，计算的是Z统计量。SPSS将自 动计算Z统计量，并给出其所对应的概率值。如果Z值对应的概率值小于 或等于给定的显著性水平α，则应拒绝H0，认为样本所属的总体分布形 态与指定的二项分布存在显著差异；如果对应的概率值大于给定的显著 性水平α，则没有足够理由拒绝H0，认为样本所属的总体分布形态与指 定的二项分布无显著差异。
•c.“Expected Values”选项区可设定总体的各类别构成。若选用默认值则表示 所有各类构成比都相等；在“Values”框中可自行定义设定总体的各类构成， 输入的数值的个数和排放次序应和数据文件中的相对应。本例选用默认值。
•d. 单击图6.2主对话框中的“Options”按钮进行统计，“Statistics”用于确定 是否需要输出描述统计指标和分位数。
3、简要评论
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
谢谢！
非参数性检验(SPSS)
广州医科大学统计学
问题1、 配对变量：pairegroup 组别变量：group检验变 量，肿瘤最大直径（greatestdiameteroftumor ）是否满足 正态性，若不满足正态性进行非参数检验。
1、建立假设检验，确定检验水准 H0:group0和group1肿瘤最大直径的差值中位数等于0 H1:group0和group1肿瘤最大直径的差值中位数不等于0 检验水准α=0.05 2、计算统计量T 3、确定P值，作出推断 方法：配对设计资料的符号秩和检验
问题2、 吸烟与不吸烟的患者的手术中失血量blood loss是 否相同？ （1）分组 （2）正态性检验：1-Samples K-S Test 结论：两组数据都 不服从正态分布 （p<0.05),所以用 两组独立样本比 较的秩和检验。
（3）非参数检验： Nonparametric Test—2 Independent Samples Tests
3、确定P值，作出推断
问题3、 不同分期的手术中失血量blood loss是否相同？
（1）分组 （2）正态性检验
可以看出，四个分期的数据都不服从正态性分布
（3）非参数检验：K Independent Samples Test
H统计量服从卡方分布。 P<0.05(双侧），所以拒绝原 假设，可认为不同分期的手术 中失血量blood loss总体分布 位置不全相等。根据平均秩次 进一步推断，blood loss 4期 >3期>2期>1期。
Test Statistics
a
blood loss
p<0.05（双侧），吸烟与不 吸烟的患者的手术中失血 量blood loss的总体分布有 显著性差异。
Mann-W hitney U Wilcoxon W Z Asy mp. Sig. (2-tailed)
143437.00 269690.00 -5.878 .000
（1）对group分类：Data-Sort Cases
（2）建立变量差值g：Transform——Compute
（3）正态性检验：1-Samples K-S Test
结论：差值不服从 正态分布 （p<0.05),所以用 两相关样本的非参 数检验。
（4）非参数检验： Nonparametric Test—2 Related Samples Tests
P<0.05（双侧），所以 group0和group1肿瘤最大 直径差值的中位数有显著 性差异。
问题2、 吸烟与不吸烟的患者的手术中失血量blood loss是 否相同？
1、建立假设检验，确定检验水准 H0:吸烟与不吸烟的患者的手术中失血量blood loss的总体分 布位置相同 H1:吸烟与不吸烟的患者的手术中失血量blood loss的总体分 布位置不同 检验水准α=0.05 2、计算统计量T 3、确定P值，作出推断 方法：两独立样本的秩和检验
Байду номын сангаас
a. Grouping Variable: smoking 1 ＝y es，0＝no
问题3、 不同分期的手术中失血量blood loss是否相同？ 1、建立假设检验，确定检验水准 H0:不同分期的手术中失血量blood loss总体分布位置相等 H1:不同分期的手术中失血量blood loss总体分布位置不全 相等 检验水准α=0.05 2、计算统计量T