spss--第八讲：Nonparametric.docVIP

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）??E计算卡方值，而后计算概率值，该方法对于样本含量较大时，或理论数较大时结果较稳定，如果是小样本考虑使用下面两种方法。Monte Carlo法：计算机随机模拟方法；即利用计算机产生大量随机样本，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；它适用于样本例数不够大时（此时用近似法结果不稳定），或者样本例数对于精确概率法过大，计算时间过长的情况。但是该方法???果没有指定随机数种子的话，其概率的计算结果将不是唯一的，它将随随机种子的不同而不同（不同种子计算的概率值差别不大）。最后是Exact即通常所谓的精确概率法，它通过排列组合的计算方法直接计算概率值，特别适用于小样本，但是可能要消耗大量时间（如果样本不是那么的“小”时），并且如果运行超过一定时间会自动停止（系统默认为5分钟），该方法是否会得出结果和计算机性能关系密切！ 下两表为SPSS官方提出的（SPSS 7.0时代）通常情况下可以考虑适用精确概率法的情况： 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