专题八：非参数估计和卡.ppt

前提假设： 随机性和独立性 样本量越大，近似Z检验的结果就越精确，当样本量达到26或更大时，检验结果会相当精确。 连续性与对称性（只适用于Wilcoxon方法），两变量的差值总体呈连续分布，有对称性。 * 例4：配对的老年痴呆症A组和脑中风患者B组，共7对被试，汉字识别成绩是否有差异？见19章_数据2.sav。 * 非参数检验与配对样本的T检验的适用标准 当检验变量呈正态分布时，最好选用配对样本的T检验。 当数据总体呈对称分布，并且比较扁平，可用Wilcoxon检验或配对样本的T检验。 当数据总体呈对称分布，但双侧的尾部比正态分布粗大时，应使用Wilcoxon检验。 如果变量值属于有限总体，同时呈非对称分布，应使用Sign（符号检验法）。 * 四、多个独立样本的差异显著性检验 适用的样本：一个分组量表（自变量，两个以上），一个检验变量（因变量，至少是顺序变量，当然也可以是等距或等比变量）。 相应的非参数检验方法： Kruskal-Wallis H（克-瓦式单向方差分析），相当于one-way ANOVA，应用比较多。 Median（中位数检验法），相当于列联表分析，大于中位数分为一组，小于等于中位数的一组，计算卡方。精确度比较低。 Jonckheere-Terpastra方法（J-T法），当分组变量为等级变量时，其精确度比克-瓦式方差分析更高。 如差异显著，需要作进一步的两两比较，采用Mann-Whitney U检验 * 前提假设 克-瓦式单向方差分析的前提假设 每组数据呈连续分布，且分布相同 随机性和独立性 检验结果的卡方值仅是估计值，样本越大结果越精确，超过30，p值已经相当准确。 中位数检验的前提假设 独立性 样本量大，检验结果才会比较准确。 * 例5：见数据库altogether.sav，比较不同类型的班级中，学生解决开放题的得分有没有差异？ * 五、多个相关样本的差异显著性检验 Friedman：弗里德曼双向等级方差分析，是Wilcoxon检验的扩展。适用于重复测量或配对样本设计。每个被试接受k个实验处理。每个小组k个被试，每个被试接受一种处理。 Cochran’s Q只适用于几个相关的二分变量，是McNemar方法的扩展。适用于重复测量或配对样本设计。 Kendall’s W又称肯德尔和谐系数，用于检验不同评价者的意见是否一致。W最小为0（不一致），最大为1（一致） 若样本间存在显著差异，需要进一步的检验，例如Wilcoxon检验。 * 前提： 随机性和独立性，每组被试的k个观测值必须代表随机样本，相互之间保持独立。 样本量：样本越大，检验的精确度越高。超过30，卡方值准确。 连续性和对称性（只适用于Friedman） * 例6：研究者考察了9个额叶损伤的病人对不同类别物体的图片和名称的匹配情况。物体分为三个类别：动物、水果和交通工具。得分见19章_数据4.sav，问病人在不同物体类别的得分有没有显著差异？ * 练习1：几个评分者对10位候选人的评分是否一致？见评分.sav *要求数据每行代表一个评分者给出的评分，每一列代表一个被评价对象获得的分数 排序题是否该如此分析？ * 练习2：一个企业想从员工最关心的问题入手，提高团队的凝聚力。经过调查，员工最关心的三个问题：工作的安全感、薪资水平、工作氛围。研究者设计了一个10点量表，1代表完全不关心，10代表极端关注，要求每个员工标出自己的关注程度。 问：SPSS的数据包括几个变量，属于什么设计？适用于哪种检验方法？ * 总结 非参数检验主要应用于总体分布不符合参数检验的假设的情况； 通常对样本量有一定的要求，样本量越大，检验就越准确。 大多数情况下，如果非参数检验结论有统计学意义，相应正确的参数检验结论大多与之相同。如果出现矛盾，必须仔细考察参数检验的条件是否符合。 当检验变量为多分类时，我们可以采用非参数检验，但也可以采用Crosstabs过程中的卡方检验。 出现极大或极小的极端值时，分析后，可单独描述。 * 单元格内的元素是否符合正态分布的条件？ 例：不同学习取向不同教学方法学生的数学成绩的差异。 * 专题八：非参数估计和卡方检验 * 通过样本对总体作推论的方法主要分两类： 参数检验：需要前提假设，总体正态，多个样本方差齐性，变量为连续型的测量数据等。 非参数检验：对数据分布没有要求。适用于参数检验的数据都可以用非参数检验。 非参数检验的效能大约为参数检验的95%，而且样本越大，检验结果越精确。 * 一、卡方检验（Chi-Squre Test） χ2检验是对所得到的分类、分等的计数资料与依据某种假设所期望的理论次数之间进行差异的显著性检验的方法。 χ2= K为自由度 * 关于自由度 自由度（degree of freedom, df）：一个样本的各项数值可以自由