spss多配对样本非参数检验

合集下载

spss两配对样本的非参数检验

原文地址：SPSS学习笔记之——两配对样本的非参数检验（Wilcoxon符号秩检验）作者：王江源一、概述非参数检验对于总体分布没有要求，因而使用范围更广泛。

对于两配对样本的非参数检验，首选Wilcoxon符号秩检验。

它与配对样本t检验相对应。

二、问题为了研究某放松方法（如听音乐）对于入睡时间的影响，选择了10名志愿者，分别记录未进行放松时的入睡时间及放松后的入睡时间（单位为分钟），数据如下笔。

请问该放松方法对入睡时间有无影响。

本例可以采用配对样本t检验，但由于样本量少，数据可能不符合正太分布，所以考虑用非参数检验。

三、统计操作数据视图菜单选择打开如下的对话框该对话框有三个选项卡，第一个选项卡会根据第三个选项卡的设置自动设置，故一般不用手动设定。

点击进入“字段”选项卡。

将“放松前”、“放松后”均选入右边“检验字段”框中。

点击进入“设置”对话框，选择检验方法，切换为“自定义检验”，选择“Wilcoxon 匹配样本对符号秩（二样本）”复选框。

“检验选项”可以设定显著性水平。

点击“运行”按钮，输出结果四、结果解读这就是输出结果。

原假设示放松前好放松后差值的中位数等于0，P=0.015<0.05，拒绝原假设，认为放松前后有统计学差异。

双击该表格，会弹出如下的“模型浏览器”窗口，可以看到更详细的信息。

如下图。

统计第十一课：SPSS 多相关样本的非参数检验（Friedman检验）关键词：SPSS多相关样本非参数检验2015-07-14 00:00来源：互联网点击次数：5103先讲讲什么是 Friedman 检验Friedman 检验是利用秩实现对多个总体分布是否存在显著差异的非参数检验方法。

其原假设是：多个配对样本来自的多个总体分布无显著差异。

SPSS 将自动计算 Friedman 统计量和对应的概率 P 值。

如果概率 P 值小于给定的显著性水平 0.05，则拒绝原假设，认为各组样本的秩存在显著差异，多个配对样本来自的多个总体的分布有显著差异。

两配对样本非参数检验

相伴概率值为0.125，应该认为训练前后学生成绩没有变化
Wilcoxon检验结果如下两表所示。
出现了一个差值等于零的个案，删除此个案，于是样本容量从10变成了9。符号为正的有9个，秩和为45，符号为负的有0个，秩和为0。这样，统计量W=0，构造的 Z=-2.673，近似相伴概率值p=Pr{｜Z｜ >=-2.673}=0.008，（Z服从标准正态分布。）因而拒绝原假设，认为训练前后学生的成绩有显著性差异。
训练后成绩
70.00 71.00 65.00 68.00 50.00 55.00 75.00 70.00 65.00 70.00
实验步骤
图10-23 在菜单中选择“2 Related Samples”命令
图10-24 “TwoRelatedSamples Tests” 对话框
设置配对的样本
配对样本的几种检验方法，（其中Marginal Homogeneity检验是McNemar检验针对多取值有序数据的推广方法）
01
按照符号检验的方法，将第二组样本的各个观察值减去第一组样本对应的观察值，如果得到差值是一个正数，则记为正号；差值为负数，则记为负号。（出现差值等于０时，删除此个案，样本数ｎ相应地减少。）
02
保留差值数据。根据差值数据的绝对值大小按升序排序，并求出相应的秩。
03
分别计算符号为正号的秩和 W+、负号秩总合 W− 以及正号平均秩、负号平均秩。
SPSS中有以下3种两配对样本非参数检验方法。
1．两配对样本的McNemar(麦克尼马尔)变化显著性检验
1 McNemar变化显著性检验以研究对象自身为对照，检验其两组样本变化是否显著。原假设：样本来自的两配对总体分布无显著差异。

第七章SPSS非参数检验

•第七章SPSS非参数检验
二、SPSS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 H0：两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
•第七章SPSS非参数检验
二、SPSS两独立样本非参数检验
– 与样本在相同点的累计频率进行比较。如果相差较小，则认为样
本所代表的总体符合指定的总体分布。
•第七章SPSS非参数检验
一、SPSS单样本非参数检验
（三）K-S检验 (4)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)
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
案例：7-5 p194使用寿命
•第七章SPSS非参数检验
二、SPSS两独立样本非参数检验
3.游程？检验(Wald-Wolfowitz runs)
一、SPSS单样本非参数检验
（二）总体分布的二项分布检验 (1)目的
通过样本数据检验样本来自的总体是否服从指定的概率p的二项分布根据 (2)原假设样本来自的总体与指定的二项分布无显著差异。 (3)案例7-2 p187 产品合格率
•第七章SPSS非参数检验
一、SPSS单样本非参数检验
（三）K-S检验 (1)目的
•第七章SPSS非参数检验
五、SPSS多配对样本非参数检验

SPSS非参数检验

24
卡方检验
流行病学与卫生统计学教研室
25
卡方检验
两（多）个率或构成比的比较一致性检验与配对卡方检验分层卡方检验
Analyze
Descriptive Statistics
Crosstabs
26
卡方检验
理论复习适用于分类变量的统计推断
27
两个率或构成比的比较
应用案例 ➢ 某医生为比较中药和西药治疗胃炎的疗效，随机抽取
17
Test Stat istics b
Man n-Whitney U Wilcoxon W Z Asy mp. Sig. (2-tailed) Exact Sig. [2*(1-t ailed S ig.)]
a. Not correcte d for tie s. b. Grouping Variable: 分组
非参数检验
流行病学与卫生统计学教研室
1
非参数检验
配对设计非参数检验两独立样本非参数检验多个独立样本的非参数检验
Analyze
Nonparmetric Test
2
非参数检验
理论复习
➢ 当总体分布类型未知、已知总体分布与检验所需条件不符、一端或两端有不确定值时，不再对总体的几个参数进行假设检验，而是对总体分布的位置、分布的形状进行比较。
Mini法 Wright法
-1.245a
.213
.240
.120
.017
配对设计的非参数检验
练习
➢ 为研究长跑运动对增强普通高校学生的心功能的效果，某学院随机抽取15名男生，进行5个月的长跑锻炼，5个月前后分别测得其晨脉数据，问长跑锻炼后的晨脉次数是否有降低？（chenmai.sav)

第六章 spss非参数检验

非参数检验
5.1
非参数检验介绍
5.2
单样本非参数检验
+ 均值比较和T检验
+ 均值比较和T检验
均值比较：
按照分组变量计算因变量的描述统计量，例如均值、方差、标准差等，并将结果并列显示出来，提供比较分析
单样本T检验：
用于进行样本均值与已知总体均值的比较，检验样本是否来自已知均值的总体。（检验样本总体均值是否为某个值）
水平，则不能拒绝零假设H0，认为变量值的出现是随机的。
+ 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。
+ 其零假设H0为样本来自的总体与指定的理论分布无显著差异。
+ 打开
儿童身高体重检验.sav
+ 作业 + 检验独生子女比例是否符合0.75
+ 采用K—S检验分析减肥前后体重是否符合正态分布，并做出直方图与P-P图进行对比
独立样本T检验：
用于检验两个样本是否来自具有相同均值的总体
两配对样本T检验：
是根据样本数据对样本来自的两配对总体的均值是否有显著性差异进行推断。
5.1
非参数检验介绍
+ 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，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。
+ 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参数与非参数检验实验报告

基本思路：
(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。

第六章 SPSS的非参数检验

变量值
64 68 68 68 69 70 70 70 71 71 71 71 71 72 73 74 75 76 78 79 80
Z分数
-1.9749 -0.9695 -0.9695 -0.9695 -0.7181 -0.4668 -0.4668 -0.4668 -0.2154 -0.2154 -0.2154 -0.2154 -0.2154 0.0359 0.2873 0.5386 0.79 1.0413 1.544 1.7954 2.0467
实际累积概率为离散值，因此修正为：
– 如果相差较小 ,则认为样本所代表的总体符合指定的总体分布
D max( S(xi ) - F(xi ) )
D max(S(x i-1 ) - F(xi ) )
SPSS单样本的K-S检验
• 在小样本下，原假设成立时，D统计量服从Kolmogorov分布 • 在大样本下，原假设成立时，n D近似服从K (x)分布: – 当D小于0时，K(x)为0 – 当D大于0时, K ( x) (1) exp(2 j 2 x 2 )
第六章 SPSS的非参数检验
第1节第2节第3节第4节第5节单样本的非参数检验两独立样本的非参数检验多独立样本的非参数检验两配对样本的非参数检验多配对样本的非参数检验
统计方法
描述统计
推断统计
估计
假设检验
参数检验
非参数检验
推断统计
• 推断统计是根据样本数据推断总体数量特征的统计分析方法 • 推断统计通常包括以下两个内容 – 总体分布已知，根据样本数据对总体分布的统计参数（如均值、方差）进行推断，此时采用的推断方法称为参数估计或者参数检验 – 总体分布未知，根据样本数据对总体的分布形式进行推断，此时采用的推断方法称为非参数检验

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课件第五讲__非参数检验

第五讲非参数检验

统计推断方法是根据样本数据推断总体特征( 均值，方差等)的方法，包括参数检验和非参数检验两种方法。参数检验是适用于总体分布已知的情况。非参数检验适用于总体分布未知或知道甚少的情况。（由于在推断过程中不涉及有关总体分布的参数，故得名“非参数”检验）
2
单样本的非参数检验两配对样本的非参数检验两独立样本的非参数检验多独立样本的非参数检验多配对样本的非参数检验9来自方差为： r2
2n1n2 (2n1n2 n1 n2 ) (n1 n2 )2 (n1 n2 1)
大样本时，游程近似服从正态分布，即
Z
r r
其中，r 为游程数。SPSS自动计算 Z 值和概率P值。
r
10
两配对样本的非参数检验
两配对样本的非参数检验是在对总体分布不甚了解的情况下，通过对两组配对样本的分析，推断样本来自的两个配对总体的分布是否存在显著差异的方法。配对样本的样本数是相同的，且各样本值的先后次序是不能随意更改的。 SPSS提供的检验方法有：符号检验 Wilcoxon符号秩检验 McNemar检验 Marginal Homogeneity检验
Z
np(1 p)
（当 x 小于 n 2 时加0.5，当 x大于n 2 时减0.5。） SPSS自动计算上述精确概率和近似概率值。若概率值小于显著性水平，则拒绝原假设，认为样本来自的总体与指定二项分布有显著差异；若大于显著性水平，则接受原假设，认为样本来自的总体与指定的二项分布无显著差异。
7
15
1. 曼-惠特尼U检验(Mann-Whitney U)
原假设：两组独立样本来自的两总体分布无显著差异。基本原理：通过对两组样本平均秩的研究来实现推断。秩，是变量值排序的名次。可以将数据按升序排列，每个变量值都会有一个在整个变量值序列中的名次，这个名次就是变量值的秩。变量值有几个，对应的秩便有几个。首先，将两组样本数据 X1 , X 2 , , X m 和 Y1 , Y2 , , Yn 混合并按升序排序，得到每个数据各自的秩 Ri ；然后，分别对两组样本数据的秩求平均，得到两个平均秩 WX M和WY N 。对两个平均秩的差距进行比较：如果两个平均秩相差甚远，则应是一组样本的秩普遍偏小，另一组样本的秩普遍偏大的结果，也就是一组样本的值普遍偏小，另一组样本的值普遍偏大的结果。此时，原假设很可能不成立；再次，计算样本 X1 , X 2 , , X m 每个秩优先于样本 Y1 , Y2 , , Yn 每个秩的个数U1 ，以及样本 Y1 , Y2 , , Yn 每个秩优先于样本 X1 , X 2 , , X m 每个秩的个数 U 2 。

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。

SPSS20.0实现多个独立样本非参数检验后两两比较

SPSS20‎.0实现多个独‎立样本非参数‎检验后两两比‎较
SPSS---分析---非参数检验---独立样本(I)...
在出现的名为‎“非参数检验：两个或更多独‎立样本”的对话框里，点击“字段”选项卡。

在出现的画面‎中把要检验的‎变量放入右边‎的“检验字段（T）”文本框里，把分组变量
放入其下面的‎“组（G）”里。

点击“运行”按钮即可。

在输出的结果‎中，双击“假设检验汇总‎”图表，在出现的模型‎浏览器里的右‎下角的“视图”的
右边下拉菜单‎里，选中其中的“成对比较”，结果就会出现‎两两的非参数‎检验的比较的‎结果。

注：
①分组变量（G）变量类型（度量标准）需定义为“序号”或“名义”
变量；
②两两比较方法‎：Mann-Whitne‎y U检验？。

SPSS操作：多个独立样本的非参数检验及两两比较

SPSS操作：多个独立样本的非参数检验及两两比较一、问题与数据某研究者想探讨不同体力活动的人，应对职场压力的能力是否不同。

因此，研究招募了31名研究对象，测量了他们每周进行体力活动的时间（分钟），以及应对职场压力的能力。

根据体力活动的时间长短，研究对象被分为4组：久坐组、低、中、高体力活动组（变量名为group）。

利用Likert量表调查的总得分（CWWS得分）来评估应对职场压力的能力，分数越高，表明应对职场压力的能力越强（变量名为coping_stress）。

部分数据如下图。

二、对问题的分析研究者想知道不同体力活动组之间CWWS得分是否不同，可以使用Kruskal-Wallis H检验。

Kruskal-Wallis H检验（有时也叫做对秩次的单因素方差分析）是基于秩次的非参数检验方法，用于检验多组间（也可以是两组）连续或有序变量是否存在差异。

使用Kruskal-Wallis H test进行分析时，需要考虑以下3个假设。

假设1：有一个因变量，且因变量为连续变量或等级变量。

假设2：存在多个分组（≥2个）。

假设3：具有相互独立的观测值，如本研究中各位研究对象的信息都是独立的，不存在相互干扰作用。

三、SPSS操作1. Kruskal-Wallis H检验在主界面点击Analyze→Nonparametric Tests→Independent Samples，出现Nonparametric Tests: Two or More Independent Samples对话框，默认选择Automatically compare distributions across groups。

点击Fields，在Fields下方选择Use custom field assignments，将变量coping_stress放入Test Fields框中，将变量group放入Groups框中。

点击Settings→Customize tests，在Compare Median Difference to Hypothesized区域选择Kruskal-Wallis 1-way ANOVA (k samples)，如下图。

Spss的非参数检验

Spss的两样本非参数检验一、实验目的1.理解两独立样本非参数检验方法的设计思想，重点掌握曼—惠特尼U检验和kruskal-wallis及钠盐的基本原理及适用的场合，熟练掌握spss独立样本的数据组织方式和具体操作。

2.理解两配对样本非参数检验方法的设计思想，重点掌握wilcoxon符号秩检验和friedman 检验的基本原理及适用场合，熟练掌握spss配对样本的数据组织方式和具体操作。

二、实验内容1.超市中有A,B两种品牌的袋装白糖，标重均为400克。

分别对两种袋装白糖进行随机请选择适合的非参数检验方法，分析这两种品牌的袋装白糖的实际重量是否存在显著差异。

2.为研究喝酒是否显著增加驾驶员在应急情况下的刹车反应时间，随机测试了10名驾驶选择恰当的非参数检验方法对上述问题进行分析。

三、实验步骤及结果分析实验一：1.实验步骤●将数据输入spss软件环境中，建立两个变量一个是实际重量，另一个是分组标志。

然后对实际重量进行升序操作。

如：选择要排序的变量，右击鼠标，然后点击sort ascending 即可。

●对数据进行两独立样本的非参数检验；操作如下：analyze→nonparametric tests→2independent sample，打开2 independent sample tests对话框。

●在2 independent sample tests对话框中，将左侧“实际重量”变量选到右侧testvariable list中，将“分组标志”变量选到grouping variable中，点击define grouping 进入对话框，在group 1中填1，group 2中填2，点击continue完成分组定义。

●在test type框中，选择mann-whitney U和kolmogorov-smirnov Z;点击OK完成两独立样本检验。

2.实验结果及分析方法一：Mann-Whitney Test结果分析：在上面两个表格可知，A品牌及B品牌的样本量都是12个，两个秩和分别为95.5和204.5；W统计量取了A品牌的秩和95.5；U，Z统计量分别为17.5和-3.148。

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的非参数检验

SPSS
应用举例（以城镇和农村储户存款
SPSS
金额比较为例）
SPSS
SPSS
SPS双S 样本 Kolmogorov-Smirnov 检验
SPSS Wald-Wolfowitz 检验
练习题
SPSS
• 现有数据关于患者服用两种不同安眠药后睡眠时间延长情况，请用四种不同方法来检验两种不同安眠药对睡眠时间延长分布是否有显著差异？
输入理论（期望）分布值
SPSS
SPSS
因为卡方对应的概率P值大于0.05，所以差异不显著，即认为样本来自的总体
二项分布检验
SPSS
概念
SPSS的二项分布检验正是通过样本数据检验样本来自的总体是否服从指定概率值为P的二项分布，其原假设为样本来自的总体与指定的二项分布无显著差异。
基本思想 SPSS
2.试着检验抛硬币实验中，正面出现的概率是否为1/2.数据在硬币结果.sav中。
3.试着检验10个电子元件的使用寿命分布是否服从指数分布？数据在电子元件使用寿命.sav中。
SPSS
4.现有抛掷一枚硬币66次所得结果保存在数据文件硬币结果.sav中，请检验该实验是否是随机性实验。
第二节两独立样本的非参数检验
首先，将两组样本混合并按升序排序，在变量值排序的同时，对应的组标记值也会随之重新排列
然后，对组标记值序列按前面的计算游程的方法进行计算游程数。若游程数较少，则说明两总体有较大差异。反之，则差异不大。
SPSS
根据游程数计算Z统计量
r 2n1n2 1
Z
n1 n2
2n1n2 (2n1n2 (n1 n2 ))
变量值随机性检验的SPSS操作

SPSS在多配对样本

6.9.3 实例分析：果汁的味道
2. 实例操作要研究不同果汁味道的差异，但这里涉及到四位品尝员的打分。由于他们都品尝了相同的果汁，因此表 6-23 中的数据是配对给出的。由于这里样本量较少，难以确定总体的分布，因此可以引入非参数的检验方法。同时这里的数据是连续性数据，故采用 Friedman 和 Kendall’s W检验。于是建立如下假设检验。 H0 ：四种果汁味道没有显著差异。

Step05：完成操作最后，单击【OK(确定)】按钮，操作完成。
3. 实例结果及分析
（1）描述统计量表
Percentiles N 容器1 容器2 容器3 容器4 8 8 8 8 Mean 5.4600 5.7188 6.5200 6.0388 Std. Deviation .64710 .38617 .39918 .43597 Minimum 4.81 5.31 6.22 5.42 Maximum 6.61 6.60 7.40 6.90 25th 5.0350 5.5475 6.2650 5.7400 50th (Median) 5.1200 5.5950 6.3450 6.0500 75th 6.0700 5.8050 6.7075 6.2075
6.9.2 多配对样本非参数检验的SPSS操作详解

Step04：选择计算精确概率【Exact】按钮用于选择计算概率 P 值的方法。 Step05：其他选项选择【Statistics】按钮用于指定输出内容和关于缺失值的处理方法。

Step06：单击【OK】按钮，结束操作，SPSS软件自动输出结果。
H1 ：四种果汁味道存在显著差异。

Step01：打开数据文件6-9..sav，其中“vessel1”、“vessel2”、 “vessel3”和“vessel4”变量分别表示四种容器果汁味道的分数。选择菜单栏中的【Analyze( 分析 )】 →【Nonparametric Tests( 非参数检验 )】→【Legacy Dialogs( 旧对话框 )】→【2 Related Samples(2 个相关样本 )】命令，弹出【K Related Samples(K个相关样本)】对话框。