非参数统计学讲义(四章)多样本模型.docVIP

非参数统计学讲义 主讲：统计系 袁靖 第四章 多样本模型 §1 k个相关样本的非参数检验 在参数统计中，检验几个样本是否来自完全相同的总体，采用方差分析或F检验。运用F检验的假定条件是：样本是从正态分布的总体中独立抽选的；总体具有相同的方差；数据的测量层次至少是定距尺度。当被用来分析的数据不符合这些假定条件，或研究者不希望作这些假设，以便增加结论的普遍性时，不宜采用参数统计的方法，而必须运用非参数方法。 如果k（等于或大于3）个样本是按某种或某些条件匹配的，那么k个样本称为相关的，否则为独立的。k个相关和独立样本的差别与两个相关和独立样本之间的差别类似。本节介绍k个相关样本的非参数检验。 一、 Cochran Q检验 1． 研究背景 Cochran Q检验也译为科库兰检验。它是用以检验匹配的三组或三组以上的频数或比例之间有无显著差异的方法。这种匹配可以用不同形式获得。例如，检验三种不同类型的采访形式对被采访者的有效回答是否有影响，可以抽选一些人，分成n组，每组有3个匹配的被采访者，要求他们的有关情况相同。每组的3名成员被随机地置于3种条件之下，即分别接受三种类型的采访，于是，就获得了3个匹配的样本，即k＝3，每个样本有n个观测结果。k个相关样本也可以采用同一组人，对不同的k个条件的反应匹配成样本，这类似于两个相关样本中以研究对象作为自身的对照者。例如，检验几种教学手段对学生掌握知识是否有显著不同，可以随机抽取n个学生，让他们先后置于k种教学手段之下，再作出评价。这样可以获得k个匹配的样本，每个样本有n个观测结果。 在现实生活中，很多数据是以二元数据的形式出现的， 【例4-1】村民对四个候选人的评价得到结果： 表4-1 村民评价结果 处理 区组：20个村民对A、B、C、D四个候选人的评价 A 0 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 16 B 1 1 0 0 0 1 1 1 1 1 0 1 1 0 1 1 0 0 0 0 11 C 0 1 1 1 1 0 0 0 0 1 0 0 0 1 1 0 1 0 1 0 9 D 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 1 1 0 0 0 6 1 3 2 1 2 3 2 2 3 3 1 2 2 3 3 3 2 1 2 1 42 其中：1表示同意；0表示不同意。关心的问题是候选人在村民眼中有无区别，即检验H0：是否成立，此时如果使用Friedman秩和检验将会遇到麻烦，因为有很多打结现象存在。 2． 基本方法 若有k个相关样本，每个样本有n个观测结果，检验k个样本问是否有显著差异，可以建立双侧备择，假设组为 个样本间无显著差异 个样本间有显著差异 由于三个及三个以上样本间差异的方向不便于判定，因而，通常只建立双侧备择进行检验。 为对假设作出判定，所分析的数据测量层次为定类尺度即可。获得的数据可排成一个n行k列的表。如果H0为真，那么将测量结果分为“成功”和“失败”的话，“成功”与“失败”应随机地分布在表中的各行各列。Cochran Q检验的统计量定义为 41(.) 式中，是第j列的总数，是第i行的总数。 42(.) 式中，k为处理数；b为区组数；为行总和；为列总和；；。 由于Q统计量的抽样分布近似为自由度df＝k一1的分布，所以根据自由度df＝k一1，给定的显著性水平，能够在附表中查找临界值，若 则在显著性水平下拒绝H0，表明样本之间存在着显著差异。相反，则不能拒绝H0。 3． 使用说明 ①运用Cochran Q检验时应注意，只有当行数n不太小时，Q的抽样分布才近似于df＝k一1的分布。但是，n的最小数值日前并没有明确的说明，使用者采用时视具体问题而定。 ②Cochran Q检验适用于定类尺度测量的数据，其它测量层次的数据也可以运用，但要象例4-2那样，转化为两类，但这样做可能浪费数据中包含的信息。因此，Cochran Q检验一般只用于定类尺度的数据。 4． 应用 【续例4-1】候选人的例子 因而，拒绝原假设，认为这4位候选人在选民眼中不同。 【例4-2】消费者对饮料的爱好是否存在差异 某商店为决定经营饮料的品种、数量，对消费者的爱好进行了一次调查。随机抽取18个消费者，请他们对四种饮料：热牛奶、酸奶、果汁、可口可乐的喜好作出评价，凡喜好的记作1，不喜好记作0。调查结果如表4—2。 表4-2 消费者对饮料喜好的调查结果 消费者 热牛奶 酸奶 果汁 可口可乐 合计（） 1 1 0 0 1 2 2 0 0 1 0 1 3 0 0 1 1 2 4 1 1 0 0 2 5 1 0 1 0 2 6 0 1 0 0 1 7 0 0 0 1 1 8