强调非参数检验与参数检验结合应用.pdfVIP

42 强调非参数检验与参数检验的结合 应用 中国首都经济贸易大学统计学院董寒青 非参数检验是相对于参数检验而言的，它对数据的测量尺度要求不高，也不要求 free——与分布无关)，因此，是应用范围更加广泛 总体的分布(亦称为：Distribution 的方法。但也正是它的宽松条件，使得它所包含的信息量小，功效不如经典的参数检 验。所以，应用中如果能使用参数检验还是首选参数检验，但当条件不满足时，也只 能用非参数检验来代替。 经典的参数检验的前提条件是十分严格的，比如两个总体均值的假设检验，要求 其分布是正态分布。在一般的概率统计或统计学的教科书中，往往在讲授原理时，为 了突出方法本身，所作的假设就已经满足了此条件，因此可直接做正态检验或t检 验。但实际情况并不一定能够满足正态分布的条件，因此。这样做是不规范的。本文 将结合实例，强调非参数检验与参数检验的结合应用。 譬如上述的均值比较问题的应用，其分析思路与步骤是： 第一，要分辨出所研究的两个总体(样本)的关系，确定是相关的还是独立的。 诺夫，简称K—s)检验，推断其总体分布是否为正态分布。 第三，确定使用参数检验，还是非参数检验；使用具体检验方法检验之。 以下给出两个或多个总体(样本)的检验方法对照表(见表1)。 表1两个或多个总体(样本)的检验方法对照表 类 型 参数检验方法 非参数检验方法 U检验 1．Mann—Whitney 两个独立样本 独立样本t检验法 2．两样本Kolmogorov—SmimovZ检验 3．Wald—Wolfowitz游程检验 2007年中日经济统计学国际会议论文集 续表 类 型 参数检验方法 非参数检验方法 1．符号检验(Sign) 两个相关样本 配对t检验法 2．Wilcoxon符号秩检验 H检验法 多个独立样本 单因素方差分析 多个独立样本的Kruskal—Wallis 多个相关样本 多因素方差分析 Coehran、Friedman检验法 具体的，如果是两个独立样本，那么使用K—s检验分别对两个样本是否来自正 态分布的总体进行显著性检验，如果拒绝原假设，那么意味着不满足正态分布的条 U检验。既然是非正态的，即为 件，则只能使用非参数检验中常用的Mann—Whitney 有偏的分布，那么中位数能更好地反映其一般水平；如果K—s检验结果表明，没有 理由拒绝原假设，那么直接肯定地说“一定服从正态分布”难免冒一定风险，因为有 可能对于其他类型的分布，如均匀分布或指数分布等，也是没有理由拒绝。但无论如 何，应用中总比拒绝了正态分布，而仍然使用经典的参数检验要好得多。当然，最好 的情况就是：很明确地拒绝了所有其他类型的分布(但事实上几乎难以做到)，而没 有理由拒绝正态分布的假设。此时，可以放心地使用经典的参数检验：当方差已知， 使用正态检验；当方差未知，使用t检验。 如果是两个相关样本，那么应该先求出两个样本观察值对应的差，然后对所形成 的单个样本使用K—s检验其正态性。如果拒绝原假设，即不满足正态分布的条件， 则只能使用非参数检验中的符号检验(Sign)或Wilcoxon符号秩检验。