非参数-第六章.docVIP

第六章 多样本问题 上一章讨论两样本的比较问题，本章将讨论多样本的比较问题。§6.1将把Wilcoxon秩和检验推广为Kruskal–Wallis检验。Kruskal–Wallis检验用于多样本位置参数的无方向检验问题。§6.2介绍的趋势的秩检验方法和§6.3介绍的Jonckheere–Terpstra检验方法都可用于多样本位置参数的有方向检验问题。Jonckheere–Terpstra检验是Mann–Whitney U统计量检验的推广。读者可以跳过§6.3直接阅读下章。 §6.1 Kruskal–Wallis检验 首先让我们看一个多个样本比较问题的例子。 例6.1 某公司的管理人员来自三所大学，其中名管理人员来自A大学，名来自B大学，名来自C大学。该公司的名管理人员的年度表现评分的数据列于表6.1。年度表现评分从0到100，其中100是最高的。问：来自这三所大学的管理人员的表现有没有差异？ 表6.1 20个管理人员的年度表现评分 A大学 B大学 C大学 A大学 B大学 C大学 84 75 58 72 95 65 72 65 78 90 69 72 75 80 80 75 42 95 55 62 §6..1.1 Kruskal–Wallis检验的求解过程 利用Kruskal–Wallis检验求解例6.1的过程如下： ① 将来自这三所大学的共个管理人员合在一起，把它们的年度表现评分由小到大排列，求出每一个管理人员的年度表现评分的秩。例如来自A大学的第1个管理人员的年度表现评分为84，它排在第17位，所以它的秩为17；来自A大学的第2个管理人员的年度表现评分为72，由于年度表现评分为72的管理人员共有3人，它们排在第8、9和10位，故按平均秩法，年度表现评分为72的管理人员的秩都是9。 ② 表6.1中的每一个数都被它的秩代替，从而将表6.1变换成表6.2。 表6.2 20个管理人员的年度表现评分的秩 A大学 B大学 C大学 A大学 B大学 C大学 17 12 3 9 19.5 5.5 9 5.5 14 18 7 9 12 15.5 15.5 12 1 19.5 2 4 ③ 很自然地,我们考虑用单因子方差分析(ANOVA)的方法分析表6.2，比较来自这三所大学的管理人员的表现。通常，ANOVA方法需要计算组间平方和和组内平方和，然后计算F检验统计量的值。而对表6.2来说，Kruskal–Wallis检验只需要计算组间平方和的值，并将它作为检验统计量。为什么Kruskal–Wallis检验仅计算组间平方和的值，其原因留待下一小节解释。 表6.2共有组。计算每一组的秩的均值(见表6.3)。 表6.3 各组秩的均值的计算 A大学 B大学 C大学 17 12 3 9 5.5 14 12 15.5 15.5 19.5 2 4 9 19.5 5.5 18 7 9 12 1 和 均值 将这3组合在一起后，总的秩的均值为 表6.2的组间平方和为 显然，在组间平方和的值比较大的时候，我们认为来自这三所大学的管理人员的表现有差异。现在的问题是，究竟是比较小？还是比较大？这就需要查Kruskal–Wallis检验临界值表。查表之前，先要将组间平方和变换成W. H. Kruskal和W. A. Wallis引入的检验统计量 由于样本容量比较大，在Kruskal–Wallis检验临界值表(见本书附表4)中，不能查到为时的临界值。这时需要使用Kruskal–Wallis检验统计量渐近服从分布的性质。本例的，所以渐近服从分布，从而算得检验的值为，值不是很小，所以根据已有数据我们不能认为来自这三所大学的管理人员的表现有差异。 §6.1.2 Kruskal–Wallis检验 Kruskal–Wallis检验的一般提法如下。设有个连续型随机变量总体：。是来自第个总体的样本，其容量为，。总的样本容量为。所有N个样本单元都是互相独立的。设第个总体的分布函数为，。这也就是说，这个随机变量总体的分布函数的形状全都相同，仅有可能是位置参数不同。Kruskal–Wallis检验用于这个位置参数是否全都相等的检验问题。它的原假设和备择假设分别为 ，不全都相等 显然，在原假设为真，即时，这个连续型随机变量总体同分布。 在方差相等的正态总体假设下，这个位置参数可理解为这个正态总体的均值。我们使用ANOVA方法，首先计算组间平方和和组内平方和。它们分别为和，其中是来自第个总体的样本均值，是所有样本总的平均。众所周知，，其中为总的平方和。接下来计算F检验统计量的值： 我们在F的值比较大的时候认为这个均值不全都相等。在方差相等的正态总体假设下，当原假设成立，