非参数检验过程sps统计管理规划

1、非参数检验过程sps统计管理规划12.1 卡方检验卡方检验 Chi-Square test 这里介绍的卡方检验可以检验列联表中某一个变量的各这里介绍的卡方检验可以检验列联表中某一个变量的各个水平是否有同样比例或者等于你所想象的比例个水平是否有同样比例或者等于你所想象的比例(如如5:4:1)实例实例1：掷骰子：掷骰子300次，变量次，变量LMT，1、2、3、4、5、6分别代表六面的六个点，试问这骰子是否均匀。数据分别代表六面的六个点，试问这骰子是否均匀。数据data12-01300个个cases。Analyze Nonparametric TestsChi SquareTest Variable

2、: lmt 想要检验的变量想要检验的变量由 于 这 是 一 个 均 匀 分 布 检 测 ， 使 用 默 认 选 择由 于 这 是 一 个 均 匀 分 布 检 测 ， 使 用 默 认 选 择Expected Values：All categories equal作为零假作为零假设；设；比较有用的结果：比较有用的结果：sig=.1110.5，不能拒绝零假设，不能拒绝零假设，认为均匀。认为均匀。实例实例1的数据可以组织成：两个变量的数据可以组织成：两个变量side面和面和number次数，次数，6个个cases。但在卡方检验前要求用。但在卡方检验前要求用number加权。结果同。加权。结果同。补充：

3、二项分布检验实例补充：二项分布检验实例实例：为验证某批产品的一等品率是否到达实例：为验证某批产品的一等品率是否到达90，现，现从该批产品中随机抽取从该批产品中随机抽取23个样品进行检测，结果有个样品进行检测，结果有19个一等品个一等品1一等品，一等品，0非一等品。变量非一等品。变量2个：个：一等品和个数，一等品和个数，Cases 2个：个：1 19 和和0 4加权：加权：DataWeight Cases：个数：个数Analyze Nonparametric Tests Binomial Test Variable:一等品一等品Test Proportion：0.9比较有用的结果：两组个数和比较

4、有用的结果：两组个数和sig=.1930.5，不能拒，不能拒绝零假设，认为该批产品的一等品率到达了绝零假设，认为该批产品的一等品率到达了90 。12.5 两个独立样本检验两个独立样本检验 2 independent Samples Test通过分析两个样本数据，推断它们的分布是否存在显著性差异。方通过分析两个样本数据，推断它们的分布是否存在显著性差异。方法有四种：法有四种：Mann-Whitney U:是通过对平均秩的研究来实现推断的是通过对平均秩的研究来实现推断的KS Z：是通过对分布的研究来实现推断的：是通过对分布的研究来实现推断的Moses extreme reactions：一个作为控

5、制样本，另一个作为实：一个作为控制样本，另一个作为实验样本验样本Wald Wolfwitz Runs:是通过对游程的研究来实现推断的是通过对游程的研究来实现推断的实例实例 ：甲乙两种安眠药服用后的效果。数据：甲乙两种安眠药服用后的效果。数据data12-062个变量：个变量： 组别组别zb和延长时间和延长时间ycss， 20个个cases。试问这两种药物的疗效。试问这两种药物的疗效是否有显著性差异。是否有显著性差异。Analyze Nonparametric Tests 2 independent Samples Test Variable: ycssGrouping： zb1，2Test t

6、ype：四种均选：四种均选比较有用的结果：比较四个比较有用的结果：比较四个sig值，有三个值，有三个sig.5，不能拒绝零假，不能拒绝零假设认为疗效无显著性差异。设认为疗效无显著性差异。12.8 多个相关样本检验多个相关样本检验 K related Samples Test对多个被测试者，多个打分，看打分是否有显著性差异。对多个被测试者，多个打分，看打分是否有显著性差异。方法有三种：方法有三种： Cochran Q：要求样本数据为二值的：要求样本数据为二值的1满意满意 0不不满意满意Friedman：利用秩实现：利用秩实现Kendall协同系数检验：协同系数检验：H0：协同系数为：协同系数为0

7、(评分标准不评分标准不相关的或者是随机的相关的或者是随机的)实例实例 ：9个顾客对三种款式衬衫的喜爱程度个顾客对三种款式衬衫的喜爱程度1最喜最喜爱爱 2其次其次 3不喜爱。数据不喜爱。数据data12-093个变量：个变量： 款式款式A，款式，款式B,款式款式C， 27个个cases。试问顾客对三。试问顾客对三种款式衬衫的喜爱程度是否相同。种款式衬衫的喜爱程度是否相同。Analyze Nonparametric Tests k related Samples Test Variables: a b cTest type：选一种或多种：选一种或多种比较有用的结果：看比较有用的结果：看sig值，值

8、，sig.05，不能拒绝正态分布，不能拒绝正态分布(Normal)零假零假设。设。One-Sample Kolmogorov-Smirnov Test501.00211.07647.182.173-.1821.284.074NMeanStd. DeviationNormal Parametersa,bAbsolutePositiveNegativeMost ExtremeDifferencesKolmogorov-Smirnov ZAsymp. Sig. (2-tailed)XTest distribution is Normal.a. Calculated from data.b. One-

9、Sample Kolmogorov-Smirnov Test 3501.0021.103.103-.052.728.664NMeanExponential parameter.a,bAbsolutePositiveNegativeMost ExtremeDifferencesKolmogorov-Smirnov ZAsymp. Sig. (2-tailed)XTest Distribution is Exponential.a. Calculated from data.b. 由于由于sig=.664.05，不能拒绝指数分布，不能拒绝指数分布(Exponential)零假设零假设比较三种分布检

10、验，认为是该数据服从指数分布比较三种分布检验，认为是该数据服从指数分布关于随机性的游程检验关于随机性的游程检验run testrun test 游程检验方法是检验一个取两个值的变量的这两个值的出现是否是随机的。假定下面是由0和1组成的一个这种变量的样本数据run1.sav：0 0 0 0 1 1 1 1 1 1 0 0 1 0 1 1 1 0 0 0 0 0 0 0 0其中相同的0或相同的1在一起称为一个游程单独的0或1也算。这个数据中有4个0组成的游程和3个1组成的游程。一共是R=7个游程。其中0的个数为m=15，而1的个数为n=10。 Wilcoxon (Mann-Whitney)秩和检验

11、秩和检验该结果头两行显示了该结果头两行显示了Mann-Whitney和和Wilcoxon统计量的值。另外和我们需要结果的统计量的值。另外和我们需要结果的相关局部为：对于双尾检验相关局部为：对于双尾检验H0: m1=m2对对Ha: m1m2，p-值为值为0.016见见“Exact Sig. (2-tailed)；而对于单尾检验；而对于单尾检验H0: m1=m2对对Ha: m1 Median= MedianPRICE1.002.003.00GROUPhouse.sav数据数据这里这里SPSSSPSS软件使用说明软件使用说明 使用house.sav数据。选项为AnalyzeNonparametric

12、 TestsK Independent Samples。把变量这里是price选入Test Variable List；再把数据中用1、2、3来分类的变量group输入Grouping Variable，在Define Groups输入1、2、3。在下面Test Type选中Median。在点Exact时翻开的对话框中可以选择精确方法Exact，Monte Carlo抽样方法Monte Carlo或用于大样本的渐近方法Asymptotic only。最后OK即可 数据数据fert.sav这里有三种肥料作为第一个因子肥料因子的三个水平；而四种土壤为第二个因子土壤因子的四个水平。感兴趣于是否这三种

13、肥料对于某作物的产量有区别。称肥料因子为处理，而土壤因子为区组。数据在下表中表中数字为相应组合的产量，单位公斤。肥料种类肥料种类肥料肥料A肥料肥料B肥料肥料C土土壤壤类类型型土壤土壤1224668土壤土壤2253648土壤土壤3182120土壤土壤4111319Friedman秩和检验秩和检验 这样做的目的是在每个区组内比较处理。例如, 同个年龄段中比较药品的疗效比不分年龄来比较疗效要合理；在同一个部位比较不同的材料要比混合起来比较要合理等等。这里要引进的Friedman统计量定义为221112(1)123 (1)(1)2(1)kkiiiib kQRRb kbk kbk k第一个式子说明，如果

14、各个处理很不一样，和的平方就第一个式子说明，如果各个处理很不一样，和的平方就会很大，结果就显著。第二个公式是为了计算方便而导会很大，结果就显著。第二个公式是为了计算方便而导出的。它有近似的有出的。它有近似的有k-1k-1个自由度的个自由度的c2c2分布。分布。 fert.sav数据数据Test Statisticsa46.5002.039.042.037NChi-SquaredfAsymp. Sig.Exact Sig.Point ProbabilityFriedman Testa. Ranks1.002.252.75ABCMean RankKendall协同系数检验协同系数检验在实践中，常需要按照某些特别的性质来屡次对一些个体进行评估或排序；比方几个m个评估机构对一些n个学校进行排序。人们想要知道，这些机构的不同结果是否一致。如果很不一致，那么该评估多少有些随机，意义不大。换句话说，这里想要检验的零假设是：这些对于不同学校的排序是不相关的或者是随机的；而备选假设为：这些对不同学校的排序是正相关的或者是多少一致的。数据数据school.sav 下面是4个独立的环境研究单位对15个学校排序的结果每一行为一个评估机构对这些学校的排序。看上去不那么一致也有完全一致的： SPS