spss--第八讲：Nonparametric介绍.doc

非参数检验 非参数检验，又称为分布检验，与前面介绍的t、F检验的着眼点不同，它并不对总体的参数进行检验，而是研究目标总体的分布情况是否与理论相同，或分布位置及形状是否相同。常见的非参数检验如卡方检验、秩和检验、二项分布检验、游程检验等。 本讲内容主要分为两个部分：分布检验（即所谓的拟合优度检验，包括Chi-square、Binomial、Runs、1-Sample K-S命令）与位置检验（2 Independent Samples、K Independent Samples、2 Related Samples、K Related Samples命令）。 一、分布检验 Chi-Square： 请注意，这里所指的Chi-square不是教科书上的卡方检验（课本中的卡方检验使用的是Crosstabs命令），准确的说应该称为卡方拟合优度检验。其检验目的在于分析分类数据的频数分布是否满足特定的概率分布。例如：一颗骰子投掷300次，各点出现的频数结果见骰子.sav，问该骰子是否是六面均匀的。我们假设骰子是均匀的，则每一个面出现的理论频数均为50次，但是由于抽样误差所以300次投掷所组成的一个样本中并非每个面出现的频率均为50次，如果假设成立的话，实际频数与理论频数的差距应该不大，这就需要用到拟合优度检验。 由于提供的数据已经是经过整理后的频数表数据，所以分析时要对点出现的频数加权： 上图为Chi-square的主对话框，讲点数选入test variable list中，expected range为设定检验变量的取值范围，默认是所有变量值都进入分析；Expected values为理论值，默认情况下认为每个类别是均匀分布的；对于本例由于所有变量取值都进入分析，而且假设每个面出现的概率均相同，所以不必对上述界面作变动。接着点击Exact选择是否进行精确概率运算： Asymptotic only为计算近似概率：它使用Pearson ??计算公式（??E）??计算机随机模拟方法产生大量随机样本，然后对这些样本结果进行概率分析，从而来预测结果的方法 选择好计算概率的方法后，可以对Options作设定；Statistics中的选项主要针对正态分布的拟合，在本例中可以不作设定；Missing values中的选项含义详见前述t检验。 设定结束后提交系统运行，结果如右上图：该表为数据描述表，列出实际频数、理论频数以及两者的差值。下表为最终的统计分析结果：卡方值为8.960，自由度为5，P值为0.111，所以可认为该骰子是均匀的。 *注意1：如果要检验连续型数据是否满足正态分布、均匀分布、泊松分布或指数分布可直接选用1-Sample K-S命令；如果要分析分类数据是否满足二项分布，可以直接调用Binomial过程。 注意2：如果想验证原始数据是否正态，则定量资料的影响最终结果，因此卡方拟合优度检验更适合分类变量的数据 Binomial： 该命令用于检验二分类变量值出现的情况是否满足二项分布。例如：掷一枚足球比赛用的挑边器共计50次，其中正面向上出现22次，向下出现28次，问该挑边器是否均匀？资料见硬币.sav。 点击weight cases，将频数设定为权重，而后点击Binomial，出现如下窗口： 将出现情况移入test variable list中，理论上（无效假设认为是均匀的）每个面出现的可能性为0.5，所以test proportion中为0.5；exact与options中的设定同chi-square。点击OK： 由于本例题中样本含量为50，np与n 1-p 均大于5，故系统采用正态近似法（Z Approximation），其P值为0.480，所以认为该硬币是均匀的。 *注意：该过程默认计算第一项的概率，在本题中即计算正面发生的概率 *试分析：根据以往经验，新生儿染色体异常的概率为1％，某医院观测了当地共136名新生儿，发现1例染色体异常，问该地新生儿染色体异常的概率是否低于一般情况？ Runs： 游程检验主要用于分析取值为二分类，并且按时间或某种顺序排列的资料是否其出现的情况为随机的。比如对于某阳性/阴性结果，按照其出现的时间顺序排列：＋＋＋――＋＋－＋――；前面有三个连续的阳性结果作为一个游程，随后连续两个阴性结果作为第二个游程，以此类推，整个序列有六个游程；如果阳性和阴性结果出现的情况是随机的，那么游程的总数既不应该太少（太少意味着缺乏独立性，总体内部存在着一定的趋势或结构，这有可能表示观测值间不独立如传染性疾病，也有可能表示来自不同的总体）同时也不应该太多（如果太多表示总体中存在系统性的短周期波动，那么这样的序列同样不是随机的）。 可见游程检验关心的主要是样本中二分类变量出现的随机性；其检验效能通常认为非常低，因为它只考虑游程数量，却丢