spss教程(t检验,非参数检验)
配对样本t检验，史上最完整SPSS操作教程！
配对样本t检验，史上最完整SPSS操作教程！⼀、问题与数据研究者想验证⼀种新型运动饮料配⽅是否有助于提⾼⼈们的跑步距离。
传统饮料配⽅为纯碳⽔化合物，⽽新型饮料为碳⽔化合物-蛋⽩质混合物。
为了⽐较两种运动饮料对⼈们跑步距离的影响差异，研究者招募了20名受试者，每⼈进⾏2项试验，每项试验受试者均在跑步机上运动2⼩时。
2项试验中，同⼀受试者跑步前分别喝含纯碳⽔化合物饮料和碳⽔化合物-蛋⽩质混合饮料。
同时，均衡所有受试者进⾏2项试验的先后顺序，使⼀半⼈先喝纯碳⽔化合物饮料，另⼀半⼈先喝碳⽔化合物-蛋⽩质混合饮料，分别记录其跑步距离。
碳⽔化合物饮料组的跑步距离记为carb变量，碳⽔化合物-蛋⽩质饮料组的跑步距离记为carb_protein变量。
研究者想知道，是否2组的跑步距离有差异，即2种运动饮料对⼈们跑步距离的影响不同。
从变量层⾯上，也就是看是否carb变量和carb_protein变量的均数存在差异（部分数据如下图）。
展开剩余95%⼆、对问题的分析研究者想探索是否2个相关（配对）组别间的因变量均数存在差异，可以使⽤配对样本t检验。
使⽤配对样本t检验时，需要考虑4个假设：假设1：因变量为连续变量；假设2：⾃变量包含2个分类、且相关（配对）⾮独⽴的组别；假设3：2个相关（配对）组别间的因变量差值没有明显异常值；假设4：2个相关（配对）组别间的因变量差值近似服从正态分布。
那么进⾏配对样本t检验时，如何考虑和处理这4个假设呢？三、思维导图（点击图⽚可查看⼤图）四、对假设的判断假设1：因变量为连续变量；假设2：⾃变量包含2个分类、且相关（配对）⾮独⽴的组别。
和研究设计有关，需要根据实际情况进⾏判断。
假设3：2个相关（配对）组别间的因变量差值没有明显异常值。
对于配对样本t检验，异常值和正态性的假设检验都是基于2组间配对数值的差值进⾏的。
因此，我们⾸先需要计算2组因变量的差值，并把它作为⼀个新变量储存，变量名为difference，具体操作如下：1. 在主菜单栏中点击Transform > Compute Variable...：出现Compute Variable对话框：2. 在Target Variable:模块中输⼊difference，即为新创建的变量名；在Numeric Expression:模块中输⼊carb_protein – carb，即为2个配对组别间的因变量差值（也可以直接从左侧中部变量框中挑选变量进⼊Numeric Expression:模块，并选择中间的运算符号和数字进⾏运算）：本例为⽤carb_protein变量值减去carb变量值，此顺序与研究设计和研究⽬的有关，通常⽤实验组的数值减去对照组的数值。
常用统计学方法--SPSS操作步骤
4.1 一般资料对比
4.1 一般资料对比
4.1 一般资料对比
4.1 一般资料对比
4.1 一般资料对比
4.1 一般资料对比
两组患者一般情况见表1，表中数据组间差异均无显著性意义（P＞ 0.05）,具有可比性。
4.2 终点指标对比
4.2 终点指标对比
4.2 终点指标对比
4.2 终点指标对比-组内比较
2.2 计数与等级资料的描述
2.3 统计描述：spss
定量资料的正态性检验:小样本选S-W,本例中，P大于0.05，数据符合正态分布
2.3 统计描述：spss
均值、标准差
2.3 统计描述：spss
中位数、四分位数
03 统 计 学 推 断
3.1 统计学方法选择思路
研究目的
资料类型
计量资料
等级资料
计数资料
统计描述 离集统 散中计 程趋图 度势表
统计推断 统计推断
no 条件
t方
检差
验
分 析
秩 和 检 验
统计描述 相构率 对成 比比
统计推断
2
检 验
3.2 t检验
单样本t检验：已知样本均数与 已知总体均数的比较。
满足以下条件 1. 计量资料 2. 单因素 3. 样本均数和总体均数的比较 4. 服从正态分布
3.5 计数资料：X2检验
行X列表资料的X2检验
3.5 计数资料：X2检验
1、所有理论频数≥5，看Pearson ChiSquare的结果； 2、超过20%的理论频数<5或至少1个理论频 数<1，看Fisher’s Exact Test结果
04 简 单 案 例
4.1 一般资料对比
1、建立三线表； 2、注意不同的统计量值； 3、注明数据的单位
统计软件spss操作3_常用假设检验与相关分析
例：
二、连续变量的统计推断：t-检验
例： 以张文彤《SPSS统计分析基础教程》261页 案例数据做配对检验。（文件：配对样本t检 验（治疗前后舒张压拘束比较：张文彤261页 案例）.sps）
二、连续变量的统计推断：t-检验
结果解读： 输出结果中”均值“”标准差“”标准误“和” 可信区间“等都是针对配对差值的统计量。由 结果可见，差值均值为10，相应的 P=0.027>0.025，故可以认为该药物对血压治 疗有影响。由于治疗前-治疗后的差值均值为 正，故可推断是使得病人血压下降。
例5：在轿车拥有率案例中，控制城市影响条 件下，更准确研究收入与轿车拥有率的关系。
三、无序分类变量的统计推断：卡方检验
五）分层卡方检验 （控制某些分类因素） 操作： “分析”—“描述统计”—“交叉表” （“层”框中选入城市变量S0） （“统计量”选中“风险”、 “Cochran‟s…”）
三、无序分类变量的统计推断：卡方检验
功能：比较两个总体样本的均值是否相等。实际功 能可以理解为判断是一个总体的样本还是两个总体 的样本，又称为成组设计两样本均数比较。（通常 数据中有一个变量显示分组情况） 也有前面说的两种情况，SPSS只做一种。 操作：“分析”—“比较均值”—“独立样本 t 检验”
例：
比较“均值比较”数据中男女生“自信心”的均值 是否有差异。（即，是同属于一个总体还是分属两 个不同总体）
用p-p图检验CCSS的年龄S3是否符合正态分布。
“分析”—“描述统计”—“p-p图”
一、分布类型检验
三）用p-p图直观数据分布形状 例3：
用茎叶图比较index和S3分布形状。
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。
实验一 t检验
实验一t检验一、实验目的1、学会应用SPSS软件进行数据处理与分析；2、能够应用SPSS软件对相关数据作出t检验；3、掌握SPSS软件功能及正确分析结果的能力。
二、实验内容山羊的怀孕期平均为150天今测得12头波尔山羊的怀孕期（单位：天）分别为147、148、152、154、155、154、146、150、152、153、149、150，试检验所得样本的平均数与总体平均数150天有无显著差异。
三、实验步骤（一）、数据输入启动SPSS，单击【输入数据】，单击【确定】，打开数据编辑界面，然后点击【变量视图】，建立变量“怀孕期”，定义其类型、宽度、小数点后位数等。
在进入【数据视图】，在对应的变量名称下录入数据。
（二）、通过单样本K-S检验推断数据正态性，依次点击【分析→非参数检验→旧对话框→1-样本K-S】，将变量“怀孕期”选入【检验变量列表】，在检验分布中选择常规即正态分布，单击确定进行检验，由单样本Kolmogorov-Smirnov 检验表中结果n=12、z=0、533、p=0.939可知，数据服从正态分布。
（三）、操作过程依次单击【分析→比较均值→单样本t检验】，进入【单样本t检验】主对话框。
选中【变量待选框】中的“怀孕期”变量，将该变量选入【检验变量】选择框中，在【检验值】一栏输入待比较的总体平均数即已知山羊平均怀孕期“150”。
单击【选项】，在弹出的对话框中设置【置信区间百分比】，选择【缺失值】处理方式，本例直接单击【继续】，选择默认的95%置信区间与对缺失值按分析顺序排除个案，最后单击【确定】，运行。
四、结果解释本例运行后的出的输出结果如表（1）和表（2）所示。
表（1）显示了样本的描述性统计结果。
N 为样本含量，同时还给出了样本平均数、标准差、均值的标准误（对样本平均数分布离散程度的描述指标）。
表（2）给出了单样本t 检验的分析结果。
检验值即待比较的总体平均数，同时给出了检验统计量、自由度、P 值、样本平均数与待比较的总体平均数的差值、两平均数差值的95%置信区间。
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参数与非参数检验实验报告
(1).将一样本作为控制样本，另一样本作为实验样本。两样本混合后按升序排列；
(2).找出控制样本的跨度（最低秩和最高秩间的样品数）和截头跨度（去掉控制样本的最小值和最大值后的跨度）。若跨度（截头跨度）很小，认为样本存在极端反应。
以上四种检验的基本操作步骤：
(1)【Analyze】--->【Nonparametric Tests】--->【2 Independent Sample】
该检验可用来检验两个独立样本是否取自同一总体，它是最强的非参数检验之一。
基本思路：
1.将样本X和样本Y混合后作升序排列，计算每个数据的秩；
2.分别对两样本的秩求平均，得到两个平均秩，分别用W1=WX/m和W2=WY/n表示。
若W1和W2比较接近，则说明两个样本来自相同分布的总体，若W1和W2差异较大，则说明两个样本来自不同的总体。
(2)选择待检验变量到【Test Variable】框中
(3)指定存放样本标志值的变量到【Grouping Variable】框
(4)选择非参数检验方法
三、多个独立样本的非参数检验包括：中位数检验、Kruskal-Wallis H检验、Jonkheere-Terpstra检验
3.1中位数检验
（一）含义：通过对多组独立样本的分析，检验它们来自的总体的中位数是否存在显著差异。其原假设是：多个独立样本来自的多个总体的中位数无显著差异。
(2)选定待检验的变量到【Test Variable list】框中
(3)在【Cut Point】框中确定计算游程数的分界点
二、两个独立样本的非参数检验包括：Mann-Whitney U检验、K-S双样本检验、Wald-Wolfowitz游程检验、Moses极端反应检验
spss软件中的T检验
你的分析结果有T值，有sig值，说明你是在进行平均值的比较。
也就是你在比较两组数据之间的平均值有没有差异。
从具有t值来看，你是在进行T检验。
T检验是平均值的比较方法。
T检验分为三种方法：1. 单一样本t检验（One-sample t test）是用来比较一组数据的平均值和一个数值有无差异。
例如，你选取了5个人，测定了他们的身高，要看这五个人的身高平均值是否高于、低于还是等于1.70m，就需要用这个检验方法。
2. 配对样本t检验（paired-samples t test）是用来看一组样本在处理前后的平均值有无差异。
比如，你选取了5个人，分别在饭前和饭后测量了他们的体重，想检测吃饭对他们的体重有无影响，就需要用这个t检验。
注意，配对样本t检验要求严格配对，也就是说，每一个人的饭前体重和饭后体重构成一对。
3. 独立样本t检验（independent t test）是用来看两组数据的平均值有无差异。
比如，你选取了5男5女，想看男女之间身高有无差异，这样，男的一组，女的一组，这两个组之间的身高平均值的大小比较可用这种方法。
总之，选取哪种t检验方法是由你的数据特点和你的结果要求来决定的。
t检验会计算出一个统计量来，这个统计量就是t值，spss根据这个t值来计算sig值。
因此，你可以认为t值是一个中间过程产生的数据，不必理他，你只需要看sig值就可以了。
sig值是一个最终值，也是t检验的最重要的值。
sig值的意思就是显著性（significance），它的意思是说，平均值是在百分之几的几率上相等的。
一般将这个sig值与0.05相比较，如果它大于0.05，说明平均值在大于5%的几率上是相等的，而在小于95%的几率上不相等。
我们认为平均值相等的几率还是比较大的，说明差异是不显著的，从而认为两组数据之间平均值是相等的。
如果它小于0.05，说明平均值在小于5%的几率上是相等的，而在大于95%的几率上不相等。
我们认为平均值相等的几率还是比较小的，说明差异是显著的，从而认为两组数据之间平均值是不相等的。
spss多配对样本非参数检验
课程名称实用统计软件实验项目名称多配对样本非参数检验实验成绩指导老师（签名）日期2011-12-6一．实验目的1，掌握多配对样本的非参数检验基本原理和算法；2，能够用SPSS软件解决多配对样本的非参数检验的问题。
二. 实验内容与要求1．实验内容1．书上的三个研究问题的实现。
2．书上练习与思考题第10-3题。
（提示：录入数据进行kendall协同系数检验时要把数据进行转置，读物作为变量，评论家作为行）3．为了比较A、B、C、D、E 5种药物注射后产生的皮肤疱疹的大小，选取6只家兔并给每只家兔先后分别按随机排列的次序注射这5种药物。
实验结果如下表（疱疹面积的度量单位为mm2）：（提示：录入数据是也要注意，家兔在行，药物在列作为检验变量）2．实验要求：作业中要出现检验过程。
如本ppt第8页、第20页、第30页的表格及统计计算过程。
注意：今天的三种方法所处理的实际问题类型有所不同，需要根据具体问题选择不同的检验方法。
三．实验步骤具体操作参见课件多配对样本非参数检验.PPT（ftp://10.66.28.22:22）四. 实验结果（数据与图形）与分析1．书上的三个研究问题的实现。
2．书上练习与思考题第10-3题。
（提示：录入数据进行kendall协同系数检验时要把数据进行转置，读物作为变量，评论家作为行）得到卡方统计量为9.782，W系统系数为0.466，小于1，相伴概率为0.201，大于显著性水平0.05，所以评分标准不够一致。
3．为了比较A、B、C、D、E 5种药物注射后产生的皮肤疱疹的大小，选取6只家兔并给每只家兔先后分别按随机排列的次序注射这5种药物。
实验结果如下表（疱疹面积的度（提示：录入数据是也要注意，家兔在行，药物在列作为检验变量）得到卡方统计量为14.609，W系统系数为0.609，小于1，相伴概率为0.006，小于显著性水平0.05，所以皮肤疱疹大小无差异。
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教程(t检验,非参数检验)
• 要求：样本符合正态分布实用文档1.单样本t检验：单样本
实用文档
2.配对样本t检验：
实用文档
3.独立样本t检验：两组数据的均值差异
实用文档
4.单因素方差分析：3个或以上独立组
实用文档
二、若变量不符合正态分布→非参数检验
• 1.两个独立样本秩和检验：等级资料（半定量资料：按不同程度 分组计数）
实用文档
2.K个独立样本秩和检验：（等级资料）
实用文档
3.两个相关样本秩和检验：
实用文档
logisitic回归：概率性非线性回归(二或 多分类)
• 主要用于分析疾病与危险因素的关系。
实用文档
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
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数据特征：有三列数据，1列是主要研究因素，1列是配伍组因素，1列是研究数据。
方法：GENERAL LINEAR MODEL-UNIVARIATE （注意选择model里的custom，type是main effect，注意把两个因素选择为fixed factor）检验步骤：（1）正态性检验（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：。
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）。
SPSS数据分析 第四章 t检验
3. 被称为观察到的(或实测的)显著性水平
4. 决策规则：若p值<, 拒绝 H0
双侧检验的P 值
/2
拒绝H0
1/2 P 值
/2
拒绝H0
1/2 P 值
临界值 0
临界值
Z
计算出的样本统计量
计算出的样本统计量
左侧检验的P 值
抽样分布
拒绝H0
P值
异较大。其图形如下：
f(t)
ν─>∞(标准正态曲线)
ν=5
ν=1
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
1.0
2.0
3.0
4.0
5.0
t
图3-3 不同自由度下的t 分布图
3．特征：
① 单峰分布，以 0 为中心，左右对称； ② 自由度 越小，则 t 值越分散，t 分布的峰部
越矮而尾部翘得越高； ③当 逼近, SX 逼近 X , t 分布逼近 u 分布，故标
解：研究者想收集证据予以证明的 假设应该是“生产过程不正常”。 建立的原假设和备择假设为
H0 ： 10cm H1 ： 10cm
【例】某品牌洗涤剂在它的产品说明书中声称： 平均净含量不少于500克。从消费者的利益出发， 有关研究人员要通过抽检其中的一批产品来验 证该产品制造商的说明是否属实。试陈述用于 检验的原假设与备择假设
行比较
3. 作出决策
双侧检验：统计量的绝对值 > 临界值，拒 绝H0
左侧检验：统计量 < 临界值，拒绝H0 右侧检验：统计量 > 临界值，拒绝H0
利用 P 值 进行决策
什么是P 值?
《SPSS数据分析教程》——非参数检验
SPSS非参数检验
新的用户界面统一了方法的选择，根据样本的 个数来组织方法。 非参数统计过程仍然保留了SPSS18以前的非参 数检验的界面，称为“旧对话框”，它的输出 仍然为传统的表格方式展现检验结果。同时可 以选择输出描述性统计量和四分位数，而新用 户界面下没有。 在非参数检验过程的对话框和帮助文档中，把 以前熟悉的变量(Variable)称为字段(field)。
K-S检验可以检验某个班级的某科的成绩是否 与正态分布有显著差异，某地区新生婴儿的体 重是否与正态分布有显著差异，某商店顾客的 到来是否与泊松分布有显著差异等等。 单样本K-S检验的原假设为：
样本来自的总体与指定的理论分布无显著差异
Wilcoxon符号秩检验
Wilcoxon符号秩检验用于检验样本所来自的总 体的中位数和所给的值是否有显著区别。该检 验适用于连续型数据（或者尺度数据），它把 观测值和原假设的中心位置之差的绝对值的秩 分别按照不同的符号相加作为其检验统计量。
卡方检验的原理（2）
如果变量X有k个互不相交的子集，在 H 0成立的 条件下，变量值落在第i个子集的频数设为 ； Ei 设实际观测到的第 i个子集的频数为 ，则有 以下 O i Pearson卡方统计量
2 ( O E ) i 2 i Ei i 1 k
卡方检验的原理（3）
卡方统计量服从自由度为k-1的卡方分布。如 果卡方值较大，则说明期望频数与观测频数分 布差距较大，没有证据支持原假设；反之，卡 方值较小，说明期望频数与观测频数比较接近， 不能拒绝原假设的论断。
设置字段
选择相应检验方法
在“设置”选项卡中选择“Friedman按秩二因素 ANOVA（K样本）”，并且在多重比较中的下拉框中选 择“逐步降低” 。