第六章SPSS的非参数检验.ppt

第六章 SPSS的非参数检验 推断统计 推断统计是根据样本数据推断总体数量特征的统计分析方法 推断统计通常包括以下两个内容 总体分布已知，根据样本数据对总体分布的统计参数（如均值、方差）进行推断，此时采用的推断方法称为参数估计或者参数检验 总体分布未知，根据样本数据对总体的分布形式进行推断，此时采用的推断方法称为非参数检验 非参数检验的概念 无需假定总体分布的具体形式，仅仅依赖于数据观测值的相对大小(秩)建立检验统计量;然后找到在零假设下这些统计量的分布;并且看这些统计量的数据是否在零假设下属于小概率事件. 这种和数据本身的具体总体分布无关进行的检验都称为非参数检验(nonparametric testing) 由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验 非参数检验在总体分布的优越性 非参数检验在总体分布未知时有很大的优越性。在分布未知时,还假定总体有诸如正态分布那样的分布,在进行统计推断就可能产生错误,非参数检验总是比传统检验安全。 但在总体分布形式已知时，非参数检验不如传统方法效率高。这是因为非参数方法利用的信息要少些。往往在传统方法可以拒绝零假设的情况，非参数检验无法拒绝。 非参数统计在总体未知时效率要比传统方法要高，有时要高很多。是否用非参数统计方法，要根据对总体分布的了解程度来确定 SPSS非参数检验 在总体分布未知的情况下，利用样本数据对总体的分布或各总体的分布特征是否有显著差异进行推断 SPSS中的非参数检验方法： 单样本非参数检验 两独立样本的非参数检验 多独立样本的非参数检验 两配对样本的非参数检验 多配对样本的非参数检验 SPSS单样本非参数检验 得到一批样本数据以后，往往希望了解样本来自的总体的分布是否与某个已知的理论分布相吻合。可以通过绘制样本数据的直方图、P-P图、Q-Q图等方法作粗略判断，还可以利用非参数检验的方法实现。 SPSS单样本非参数检验是对单个总体的分布形态等进行推断的方法。包括： 总体分布的chi-square检验 二项分布检验 K-S检验 变量值随机性检验等 总体分布的卡方(chi-square)检验 目的： 根据样本数据推断总体的分布与某个已知分布（某一理论分布）是否有显著差异--吻合性检验 通常适用于对有多项分类值资料的总体分布统计推断 原假设： 样本来自的总体分布与期望分布或某一理论分布无显著差异 总体分布的卡方(chi-square)检验 基本思想 如果从一个随机变量X中随机抽取若干个观察样本，这些观察样本落在X的k个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k趋于无穷时近似服从卡方分布。基于这一思想，对变量X总体分布的检验就可从对各个观察频数的分析入手 在原假设成立的条件下，如果变量值落在第i子集中的理论概率值为Pi，则相应的期望频数便为npi。由此计算出的期望频数分布代表了原假设成立时的理论分布。为检验实际分布是否与理论分布(期望分布)一致，可采用卡方检验统计量 总体分布的卡方(chi-square)检验 卡方统计量：Pearson卡方 k为子集个数; 服从k-1个自由度的卡方分布 如果卡方值较大，说明观测频数分布与期望频数分布差距较大 如果卡方值较小，则说明观测频数分布与期望频数分布较接近 如果p大于ɑ,不能拒绝H0,认为总体分布与已知分布无显著差异.反之，则应拒绝原假设 总体分布的chi-square检验基本操作步骤 数据要求：原始数据(1个变量)或加权后的频数数据(2个变量) 菜单:analyze-Nonparametric test-chi square 例题 6.1 医学家在研究心脏病人猝死人数与日期的关系时发现：一周之中，星期一心脏病人猝死者比较多，其他日子则基本相当。各天的比例近似为2.8:1:1:1:1:1:1。现收集到心脏病人死亡日期的样本数据，推断其总体分布是否与上述理论分布相吻合。 “心脏病猝死.sav” 二项分布检验 基本思想 在现实生活中有很多数据的取值是二值的，例如，人群可以分成男性和女性，产品可以分成合格和不合格，投掷硬币实验的结果可以分成出现正面和反面等。通常将这样的二值分别用1和0表示 如果进行n次相同的实验，则出现两类(1或0)的次数可以用离散型随机变量来描述。如果随机变量值为1代表·“成功”，其概率设为p，则随机变量值为0的概率q便等于1-p，则成功次数变量X的分布为二项分布 二项分布检验 SPSS的二项分布检验：通过样本数据检验样本来自的总体是否服从指定的概率为p的二项分布 原假设：样本来自的总体与指定的二项分布无显著差异 二项分布检验 SPSS二项分布检验 在小样本中采用精确检验方法 大样本则采用近似检验方法 精确检验方法：计算n次试验中某类