参数、非参数检验操作步骤重点.doc

参数、非参数检验操作步骤 参数检验 非参数检验 对象 针对参数针对总体分布情况等距数据和比例数据数据编辑窗口输入分析的数据 “选项” 3 结果分析 P＜0.05，拒绝原假设，显著性强。 结果报告，分别给出暴雨前和暴雨后卵量的统计量：暴雨前有13个样本，平均数122.38，标准差15.95，方差2.423; 暴雨后有13个样本，平均数104.46，标准差15.1，方差228.269；总体26个样本，平均数113.42，标准差17.75，方差315.214。 方差分析表，共有六列，第一列说明方差的来源，Between Groups是组间的，Within Groups 组内的，Total 总的。第二列为平方和，其大小说明了各方差来源作用的大小。第三列为自由度。第四列为均方，即平方和除以自由度。第五列F值是F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性。第六列是F统计量的显著值，由于这里的显著值0.007小于0.05，所以模型是显著的，降雨对卵量有显著影响。单一样本的T检验T检验IQ平均分与100分的差异。 1 分析→比较均值→单一样本的T检验 2 结果分析 结果中比较有用的值：Mean 和Sig 显著性概率值。 零假设H0：样本均值Mean=常数（检验值）； Sig=0.032＜0.05，拒绝原假设，存在显著性差异。 三 两独立样本T检验 两个独立没有关联的正态总体的均值是否有显著性差异。独立样本T检验，实质是总体均值是否相等的显著性检验。 如分析两个地区居民的人均收入、人均消费等指标是否存在显著性差异。 1 选择→比较均值→独立样本T检验 “产量” 作为要进行T检验的变量，将“品种”字段作为分组变量，定义分组变量的两个分组分别为“a”和“b”。 2 结果分析 组统计量 品种 N 均值 标准差 均值的标准误 产量 品种A 8 81.25 11.805 4.174 品种B 8 75.75 10.025 3.544 H0：两样本均值相等。 Sig=0.332＞0.05，接受原假设，两样本均值相等。 三 配对样本T检验 配对样本T检验用于检验两个相关样本是否来自相同均值的正态总体，即推断两个总体的均值是否存在显著差异。 1 分析→比较均值→配对样本T检验 成对样本统计量 均值 N 标准差 均值的标准误 对 1 训练前 77.67 15 10.104 2.609 训练后 83.60 15 8.433 2.177 成对样本相关系数 N 相关系数 Sig. 对 1 训练前 训练后 15 .407 .132 配对样本T检验结果 H0：两样本没有相关性。 概率p值为0.041＜0.05，拒绝零假设，可以认为训练前后对成绩有显著效果。 非参数检验 非参数检验是指总体分布未知或知之甚少时，利用已知样本数据对整体分布形态等做出推断的分析方法。 非参数检验分为两大类：分布类型检验和分布位置检验 SPSS的单样本非参数检验方法包括卡方检验、二项分布检验、游程检验、K-S检验及Wilcoxon符号检验五种。 一 卡方检验 也称卡方拟合优度检验，用于检验观测数据是否与某种概率分布的理论数值相符合，进而推断观测数据是否是来自于该分布的样本的问题。 1 分析：由于考虑的是次品是否服从均匀分布的问题，故用卡方检验。 2 加权处理（对频率变量进行加权处理） “数据”→“加权个案” 3 分析→非参数检验→卡方 4 结果分析 检验统计量 次品数 卡方 12.556a df 4 渐近显著性 .014 a. 0 个单元 (.0%) 具有小于 5 的期望频率。单元最小期望频率为 18.0。 0.014 0.05，说明应拒绝原假设，认为工作日的类别是以不同概率发生的。 二 二项分布检验 1 分析→非参数检验→二项式 2 结果分析 二项式检验 类别 N 观察比例 检验比例 精确显著性（双侧） 成绩 组 1 = 89 15 .75 .50 .041 组 2 89 5 .25 总数 20 1.00 2 结果分析 描述性统计量 N 均值 标准差 极小值 极大值 成绩 20 85.30 6.634 73 95 游程检验 成绩 检验值a 86 案例 检验值 10 案例 = 检验值 10 案例总数 20 Runs 数 5 Z -2.527 渐近显著性(双侧) .012 a. 中值 .=0.0120.05，因此拒绝原假设，认为不是随机分布。