第六章非参数检验.ppt

在弹出的Runs Test对话框中，在左侧的变量列表中选择“发病情况”变量，使之添加到Test Variable List框中。 在临近割点Cut Point框中有4个选项： Median：中位数作临界割点，在临界割点之下的为一类，大于或等于临界割点的为另一类。 Mode：众数作临界割点，在临界割点之下的为一类，大于或等于临界割点的为另一类。 Mean：均数作临界割点，在临界割点之下的为一类，大于或等于临界割点的为另一类。 Custom：用户指定临界割点，在临界割点之下的为一类，大于或等于临界割点的为另一类。 本例选择Custom项，在其方框中输入1（根据需要选项，本例是0、1二分变量，故临界割点值是1.） 单击Runs Test对话框中的Options按钮，打开上图对话框。 Options对话框中的Statistics框用来指定输出附加的分析结果，其中： Descriptive：表示输出待检验变量的描述统计量 Quartiles：表示输出待检验变量的四分位数 Missing Values框用来说明缺失值如何处理，其中： Exclude cases test-by-test：表示当分析计算涉及到含有缺失值的变量时，则去掉在该变量上是缺失值的个案 Exclude cases listwise：表示去除所有含缺失值的个案后再进行分析 结果分析 从结果表格中看出，总共35个观察数据，游程数（Number of Runs）为14，测试值（Test Value）为1，得到的相伴概率为0.181，大于显著性水平0.05，因此不能拒绝零假设，认为患病的住户沿河分布的情况无聚集性，而是呈随机分布。 SPSS单样本K-S检验 定义：单样本K-S检验是以两位前苏联数学家Kolmogorov和Smirnov命名的，也是一种拟合优度的非参数检验方法。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。 单样本K-S检验可以将一个变量的实际频数分布与正态分布（Normal）、均匀分布（Uniform）、泊松分布（Poisson）、指数（Exponential）分布进行比较。 SPSS单样本K-S检验 SPSS单样本K-S检验的零假设为：样本来自的总体与指定的理论分布无显著差异。 SPSS在统计中将计算K-S的Z统计量。并依据K-S分布表（小样本）或正态分布表（大样本）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，认为样本来自的总体与指定的分布有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设，认为样本来自的总体与指定的分布无显著差异。 SPSS单样本K-S检验 某地144个周岁儿童的身高数据，问该地区儿童身高是否呈正态分布? 弹出的One-Sample Kolmogorov-Smirnov Test对话框，左侧变量列表中的“人数”使之添加到Test Variable List框中 Test Distribution框中选择理论分布，其中： Normal：表明与正态分布形式相比较。 Uniform：表明与均匀分布比较。 Poisson：表明与泊松分布比较。 Exponential：表明与指数分布形态相比较。 本例中选择Normal项，表明与正态分布形式相比较。 单击Options按钮，打开上图对话框。 Options对话框中的Statistics框用来指定输出附加的分析结果，其中： Descriptive：表示输出待检验变量的描述统计量 Quartiles：表示输出待检验变量的四分位数 Missing Values框用来说明缺失值如何处理，其中： Exclude cases test-by-test：表示当分析计算涉及到含有缺失值的变量时，则去掉在该变量上是缺失值的个案 Exclude cases listwise：表示去除所有含缺失值的个案后再进行分析 结论分析 结果中相伴概率为0.681，大于显著性水平0.05.因此不能拒绝零假设，认为144个周岁儿童的身高服从正态分布。 单样本非参数检验对数据的要求： 卡方检验一般要求待检验样本有比较大的样本容量，比较适合于一个因素的多项分类的数据分析。 二项分布检验只能用作二项分布检验。 单样本K-S检验比较适合于连续型数据的分析，其检验功效比较强。 集体项目 第六章 非参数检验 主要内容 非参数检验和参数检验的区别 总体分布的卡方检验 二项分布检验 SPSS单样本变量值随机性检验 SPSS单样本K-S检验 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 非参数检验简介 参数检验方法检验的内容是总体分布的某些参数，例如均值，方差，比率等 。 非参数检验主要用于不考虑被研究对象的