非参数检验的SPSS操作
SPSS两个独立样本秩和检验操作步骤
SPSS两个独立样本秩和检验操作步骤SPSS（Statistical Package for the Social Sciences）是一种统计分析软件，可用于执行各种统计分析操作，包括独立样本秩和检验。
独立样本秩和检验是一种非参数检验方法，用于比较两个独立样本的中位数是否存在差异。
以下是在SPSS中执行独立样本秩和检验的操作步骤：1.打开SPSS软件，并导入相关数据。
- 单击"File"选项卡，然后选择"Open"选项，以选择要导入的数据文件。
-在导入数据文件之前，确保数据文件符合SPSS格式要求。
2.在SPSS中创建秩和检验数据。
- 单击"Transform"选项卡，然后选择"Rank Cases"选项，以创建秩和检验所需的秩序变量。
- 在弹出的"Rank Cases"对话框中，选择要进行秩和检验的变量，并为新的秩序变量指定名称。
-单击"OK"按钮以创建秩序变量。
3.执行秩和检验。
- 单击"Analyze"选项卡，然后选择"Nonparametric Tests"选项，以访问非参数测试工具。
- 在"Nonparametric Tests"子菜单中，选择"Legacy Dialogs"选项，以显示传统对话框。
- 在传统对话框中，选择"2 Independent Samples"选项，以执行独立样本秩和检验。
- 在弹出的"2 Independent Samples"对话框中，选择要进行秩和检验的变量，并将其添加至"Test Variables"框中。
- 单击"Options"按钮以访问进一步的选项。
在"Options"对话框中，您可以选择计算效应大小指标等。
非参数检验的实验设计及其SPSS软件实操应用
第36卷第1期邢台职业技术学院学报Vol.36No.12019年2月Journal of Xingtai Polytechnic College Feb.2019收稿日期：2018—11—20基金项目：新疆师范大学教学研究与改革项目——“经管类专业统计学实验课程标准化建设研究”，项目编号：SDJG2017-26。
作者简介：陈军(1973—)，新疆乌鲁木齐人，新疆师范大学商学院，副教授。
95非参数检验的实验设计及其SPSS 软件实操应用陈军（新疆师范大学商学院，新疆乌鲁木齐830017）摘要：在统计学课程的教学中，参数检验是重点和难点内容，而非参数检验往往不被重视。
参数检验要求总体服从正态分布或分布形式已知，且数据类型是数值型。
但实际应用中面临的数据往往分布非正态或分布形式未知，此时参数检验方法一般会失效，需要引入非参数检验方法。
本文针对实际应用需求，结合具体例题并利用SPSS 软件就非参数检验的实验设计和实际操作进行介绍，以方便此内容的教学。
关键词：非参数检验；实验设计；实操应用；SPSS 中图分类号：O212文献标识码：A文章编号：1008—6129（2019）01—0095—06多数统计学教材中的检验通常基于参数检验，例如t 检验、F 检验等，这些检验要求总体服从正态分布或分布形式已知，且数据类型是数值型。
但实际情形往往是总体分布非正态或分布形式未知，最常见的如问卷数据等。
此时，参数检验方法一般会失效，需要采用其他检验方法，非参数检验方法是采用较多的检验方法，它是随统计方法在复杂的社会和经济管理领域中扩展应用而发展起来的现代推断统计的一个分支，有着极为广泛的应用。
一、非参数检验理论内容及实验设计体系非参数检验内容主要有单样本检验、两个及两个以上样本的检验、秩相关及其检验等。
在单样本检验中，非参数检验用于检验总体的某个位置参数与假定值是否相等，具体应用有中位数符号检验、Wilcoxon 符号秩检验；两个及两个以上样本的检验主要包括两个配对样本的Wilcoxon 符号秩检验、两个独立样本的Mann-Whitney 检验和k 个独立样本的Kruskal-Wallis 检验；秩相关及其检验包括Spearman 秩相关检验和Kendall 秩相关检验。
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
SPSS操作：多个相关样本的非参数检验（CochransQ检验）
SPSS操作：多个相关样本的⾮参数检验（CochransQ检验）点击Settings→Customize tests，勾选Cochran's Q (k samples)。
点击Define Success，在Cochran's Q: Define Success对话框中，点击Combine values into success category，在Success框中填⼊1（这⾥是“成功”对应的编码，本例中即为通过体能测试，“Passed”对应的是1，所以这⾥填“1”）。
点击OK→Run，输出结果。
3.4 不符合假设4的“精确”Cochran's Q检验当不符合假设4时，需要使⽤“精确”Cochran's Q检验。
在主界⾯点击Analyze→Nonparametric Tests→Legacy Dialogs→K Related Samples，出现Tests for Several Related Samples对话框。
将变量initial_fitness_test、month3_fitness_test和final_fitness_test选⼊Test Variables框中。
在Test Type 下⽅去掉Friedman，然后勾选Cochran's Q。
（如果数据符合假设4，则此时点击OK，结果与3.3部分的操作结果⼀致）点击Exact，在Exact Tests对话框中，点击Exact，点击Continue→OK。
3.5 “精确”Cochran's Q检验后的两两⽐较对于符合假设4的Cochran's Q检验（3.3部分），事后的两两⽐较将在结果解释部分展⽰（4.2部分）。
对于不符合假设4的“精确”Cochran's Q检验（3.4部分）事后的两两⽐较，可采⽤经Bonferroni法校正的多重McNemar检验。
在主界⾯点击Analyze→Nonparametric Tests→Legacy Dialogs→2 Related Samples。
SPSS中非参数检验方法
1. 总体分布的卡方（Chi-square）检验 2. 二项分布检验 3. SPSS单样本变量的随机性检验 4. SPSS单样本的K-S检验 5. 两个独立样本的非参数检验 6. 多个独立样本的非参数检验 7. 两个配对样本的非参数检验 8. 多配对样本的非参数检验
本章主要介绍总体分布的卡方（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等8类常用的 非参数检验方法。
前面已经讨论的统计分析方法，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。
现实中，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。
人数 2 4 7 16 20 25 24 22 16 2 6 1
实现步骤
在菜单中选择“1-Sample K-S”命令
“One-Sample Kolmogorov-Smirnov Test”对话框
“One-Sample K-S：Options”对话框
4.3 结果和讨论
（1）本例输出结果如下表所示。
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。
1.2 SPSS中实现过程
spss教程_14-1(非参数检验)
Xi Ri
15 7
9 5
18 9
3 1
17 8
8 4
5 2
13 6
7 3
19 10
Mann-Whitney U检验(Rank检验)
1 将两组样本混合按升序排序,得到每个 数据的秩
R (Q1 ,Qm , R1 , Rn )
游程检验 基本操作
1 Analyze==>Nonparametic test==> Runs
Test Variable List:待检验变量 Cut Point:游程数的分界值
实例分析
检验某耐压设备在某段时间内 工作是否持续正常
第2 节
两独立样本非参数检验
问题
例:检验两种工艺下产品的使用寿命 是否存在显著差异
非参数检验
非参数检验特点
（1）不要求总体分布已知或对总体分布作任 何限制性假定； （2）不以估计总体参数为目的； （3）能用于定性变量（即定类变量和定序 变量）； （4）方法直观，易于理解，运算比较简单。 （5）缺点是检验的功效不如参数检验方法。
本章内容
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 两相关样本非参数检验 多相关样本非参数检验
k 2 i
ni
2
i 1 j 1
3 H 0 成立， H值偏小 , n较大时， H ~ 2 ( K 1)
Jonkheere-Terpstra检验
基本思想与Mann-Whitney U检验 类似
基本操作 Analyze==>Nonparametic test ==>K Independent Samples Test Variable List:待检验变量 Grouping Variable:选入分组变量 Define Range :分组变量范围 Test Type:检验方法
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。
利用SPSS进行非参数检验
利用SPSS进行非参数检验（卡方检验）
一、启动SPSS
二、建立数据文件
1、定义两个数值型变量：组限L和频数f（先确定变量名称，
变量类型的默认值为数值型）。
2、输入组限L和频数f的实际数据。
3、用Data菜单中的Weight cases将f变成Frequency（频率）。
三、单击Analyze s菜单，选择Nonparametric Test中的
Chi-Square选项，打开相应的对话框。
选择要进行检验的变量L。
四、根据需要选择相应的选择项：
1、在Expected Range中选择Get from data或Use specified
range，后者需指定Lower（下限）和Upper（上限）。
2、在Expected Values指定期望值：如检验总体是否服从均匀分
布，只需选定All categories equal项；如检验总体是否服从某
个给定的分布，需选定Values，并键入相应各组所对应的由
给定分布计算而得的期望值。
五、选定所需的各项后，单击Ok即可得所需结果。
SPSS非参数检验
SPSS⾮参数检验实验⽬的：学会使⽤SPSS的简单操作，掌握⾮参数检验。
实验内容： 1.中位数符号检验，检验总体中位数是否等于某个假定的值。
设⼀个随机样本有n个数据，总体中位数的实际值为M，假设的总体中位数值为。
当样本中的数据⼤于假设的中位数时，⽤“+”号表⽰，⼩于假设的中位数时，⽤“-”表⽰；对于恰好等于假设的中位数的数据予以剔出。
若关⼼实际的M与假设的是否有差别，应建⽴假设：；计算检验统计量S+和S-。
S+表⽰每个样本数据与与差值符号为正的个数；S-表⽰每个样本数据与差值符号为负的个数。
计算P值并作出决策。
若P<，拒绝原假设。
2.Wilcoxon符号秩检验，检验总体参数(如中位数)是否等于某个假定的值。
它是对符号检验的⼀种改进，弥补了符号检验的不⾜，要⽐单纯的符号检验更准确⼀些(对应的参数检验—单样本均值检验)。
检验步骤：①计算各样本观察值与假定的中位数的差值，并取绝对值；②将差值的绝对值排序，并找出它们的秩；③计算检验统计量和P值，并作出决策。
3.独⽴样本的检验，Mann-Whitney检验不需要诸如总体服从正态分布且⽅差相同等之类的假设，但要求是两个独⽴随机样本的数据⾄少是顺序数据；Kruskal-Wallis检验不需要总体服从正态分布且⽅差相等这些假设。
该检验可⽤于顺序数据，也可⽤于数值型数据。
要检验k个总体是否相同，提出如下假设。
：所有总体都相同，：并⾮所有总体都相同或等价于，不全相同。
4.秩相关检验，对两个顺序变量之间相关程度的⼀种度量。
Spearman秩相关系数也称等级相关系数，记为，计算公式为，的取值范围为[-1,1]；，两种排序之间完全相关；若，两种排序之间为负相关；若，两种排序之间为正相关；若，两种排序之间不相关；越趋于1，相关程度越⾼；越趋于0，相关程度越低。
实验步骤： 1.中位数符号检验SPSS操作，点击【分析】→【⾮参数检验】→【相关样本】，打开【⾮参数检验、两个或更多相关样本】对话框。
spss-非参数检验-K多个独立样本检验(-K
spss-非参数检验-K多个独立样本检验（ Kruskal-Wallis检验）案例解析最近经常失眠，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接近13.90 （由于中间的计算，我采用四舍五入，丢弃了部分数值，所以，会有部分误差）2：“检验统计量a,b”表中可以看出：“渐进显著性为0.003，由于0.003<0.01 所以得出结论：H1：不同地区的儿童，身高分布是不同的秩和检验前面介绍的均数的区间估计及假设检验，都是要求个体变量值服从正态分布，或根据中心极限定理，当样本较大时，样本均数服从正态分布。
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。
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操作步骤讲解系列--非参数K个独立样本检验
非参数K个独立样本检验1.理论非参数K个独立样本检验：检验多个两独立样本检验的问题。
分析方法原理和两个独立样本检验类似。
提出假设与备择假设：H0：各个样本代表的总体分布相同，H1各个样本代表的总体分布不完全相同。
求出各个样本秩和统计量求H统计量统计推断：p>0.05,表明各个样本代表的总体分布相同P<0.05,表明各个样本代表的总体分布不完全相同图1成对比较结果2.非参数K个独立样本检验操作步骤先导入数据后点击分析、非参数检验、旧对话框、K个独立样本。
图2操作步骤第一步第二步：进入图对话框后将因变量放入检验变量框中，后将分组变量放入分组变量框中后定义范围，填入分组变量赋值时的最大值和最小值，后点击继续、确定。
图3检验方法勾选及定义分组范围第三步：若需要看描述统计表结果，点击选项勾选描述、四分位数。
图4描述统计勾选第四步：若需要修改检验标准、点击精确、勾选蒙特卡洛法填入对应的检验标准置信区间。
图5检验标准置信区间修改3.非参数K个独立样本检验结果后K个独立样本检验的结果就出来了。
图6结果4.两两比较结果操作步骤第一步：如需要看两两比较结果，点击分析、非参数检验、独立样本。
图7两两比较结果第一步第二步：进入图中对话框后点击、字段、将对应变量放入对应的变量框中。
图8定义字段点击设置、勾选定制检验、克鲁卡尔沃利斯单因素ANOVA检验（K个样本）在多重比较里勾选：全部成对。
点击运行。
图9定义设置5.两两比较结果然后K个独立样本检验两两比较的假设检验结果就出来了。
图10假设检验结果第一步：双击假设检验中的一个结果（一般都是双击显著的结果），及可以进入图中结果查看器。
图11结果查看器第二步：在模型查看器中找到查看并点击其中的成对比较。
图12成对比较选择进入图中两两比较的结果框查看结果。
图13两两比较结果6.结果整理将结果粘贴复制到Excel表格中进行整理，将克鲁斯卡尔-沃利斯检验结果粘贴复制到表格中，后将检验统计放入卡方和p值，且把两两比较结果放入表格中。
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）。
《非参数统计》SPSS实验指导书
《非参数统计》SPSS实验指导书非参数统计分析―Nonparametric Tests菜单详解平时我们使用的统计推断方法大多为参数统计方法，它们都是在已知总体分布的条件下，对相应分布的总体参数进行估计和检验。
比如单样本u检验就是假定该样本所在总体服从正态分布，然后推断总体的均数是否和已知的总体均数相同。
本节要讨论的统计方法着眼点不是总体参数，而是总体分布情况，即研究目标总体的分布是否与已知理论分布相同，或者各样本所在的分布位置/形状是否相同。
由于这一类方法不涉及总体参数，因而称为非参数统计方法。
SPSS的的Nonparametric Tests菜单中一共提供了8种非参数分析方法，它们可以被分为两大类：1、分布类型检验方法：亦称拟合优度检验方法。
即检验样本所在总体是否服从已知的理论分布。
具体包括：Chi-square test：用卡方检验来检验二项/多项分类变量的几个取值所占百分比是否和我们期望的比例有没有统计学差异。
Binomial Test：用于检测所给的变量是否符合二项分布，变量可以是两分类的，也可以使连续性变量，然后按你给出的分界点一分为二。
Runs Test：用于检验样本序列随机性。
观察某变量的取值是否是围绕着某个数值随机地上下波动，该数值可以是均数、中位数、众数或人为制定。
一般来说，如果该检验P值有统计学意义，则提示有其他变量对该变量的取值有影响，或该变量存在自相关。
One-Sample Kolmogorov-Smirnov T est：采用柯尔莫哥诺夫-斯米尔诺夫检验来分析变量是否符合某种分布，可以检验的分布有正态分布、均匀分布、Poission分布和指数分布。
2、分布位置检验方法：用于检验样本所在总体的分布位置/形状是否相同。
具体包括：Two-Independent-Samples Tests：即成组设计的两独立样本的秩和检验。
Tests for Several Independent Samples：成组设计的多个独立样本的秩和检验，此处不提供两两比较方法。
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)。
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）。
图9-1：两独立样本非参数检验的主对话框（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。
（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 StatisticsMinimum Maximum PercentilesN Mean Std.Deviation25th 50th75th(Median) ATTEN 31 28.29 4.85 19 37 25.00 29.00 32.00 GENDER 31 1.55 .51 1 2 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)。
RanksGENDER N Mean Rank Sum of RanksATTEN 男生14 12.43 174.00女生17 18.94 322.00Total 31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 StatisticsATTENMann-Whitney U 69.000Wilcoxon W 174.000Z -1.990Asymp. Sig. (2-tailed) .047Exact Sig. [2*(1-tailed Sig.)] .048a 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）。
(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（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 StatisticsMinimum Maximum PercentilesN Mean Std.Deviation75th25th 50th(Median) SCORE 33 85.18 8.13 71 99 79.00 86.00 90.50 SCHOOL 33 2.64 1.14 1 4 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。
RanksSCHOOL N Mean RankSCORE 1 7 19.642 8 29.503 8 16.314 10 5.70Total 33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 StatisticsSCOREChi-Square 27.695df 3Asymp. Sig. .000a Kruskal Wallis Testb 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。
RanksN Mean Rank Sum of RanksSECOND - FIRST Negative Ranks 8 8.38 67.00Positive Ranks 19 16.37 311.00Ties 1Total 28a SECOND < FIRSTb SECOND > FIRSTc 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 StatisticsSECOND - FIRSTZ -2.965Asymp. Sig. (2-tailed) .003a 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。
FrequenciesNSECOND - FIRST Negative Differences 8Positive Differences 19Ties 1Total 28a SECOND < FIRSTb SECOND > FIRSTc FIRST = SECOND②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 StatisticsSECOND - FIRSTZ -1.925Asymp. Sig. (2-tailed) .054a 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。