社会统计学张彦第十一章节非参数检验检验.ppt

第十一章 非参数检验 在社会研究中我们经常要采用定序尺度，但直到现 在，我们都还没有机会讨论涉及到定序尺度的显著性检 验。本章要讲述某些用于定序尺度的双样本检验。与以 前所讲的检验不同，使用这类方法不需要对总体分布作 任何事先的假定(例如正态总体)。同时从检验的内容来 说，也不是检验总体分布的某些参数(例如均值、成 数、方差等)，而是检验总体某些有关的性质，所以称 为非参数检验。非参数检验，泛指“对分布类型已知的 总体进行参数检验”之外的所有检验方法。 与均值差等检验比较，非参数检验有什么优点呢？ 在对均值差进行t 检验时，不仅要有定距尺度的假定， 还要有正态总体的假定。当然，对于大样本，正态总体 的假定可以放松。但正是对于小样本，这种假定最容易 出问题。因此，在满足下面两条件之一时，我们期望用 非参数检验代替均值差检验：①没有根据采用定距尺 度，但可以安排数据的顺序(即秩)；②样本小且不能假 定具有正态分布。由于非参数检验不能充分利用全部现 有的资料信息。因此，如果有根据采用定距尺度，并且 如果对于小样本能够假定其具有正态性，或对大样本能 够放松对正态性假定的要求，一般宁愿使用均值差检 验，而不用非参数检验。 非参数检验，无需做出经典统计所必要的 关于分布的任何假设。唯一需要的假设是：全 部数据或数据对都出自相同的基本总体，且取 样是随机的、相互独立的。基于这种原因，非 参数检验又称为分布自由(或无分布)检验。“无 分布”不是指总体真的无分布，而是指虽有时对 总体分布一无所知，但仍可以进行分析。不仅 如此，这些很容易理解的方法还可以用于处理 等级的资料和定性的信息。 很显然，如果把从一个正态总体中抽取的数据用分布 自由来处理，其效果肯定不如相应的参数检验有力。我们 一般用下述指标来确定非参数检验的“效率” 。 式中的n 0和n分别是两种检验 保证实现给定的检验力所需的样本 容量。如果说某种非参数检验的检 验效率为95％，就意味着这种非参 数检验在使用100个数据时的效力等 于t检验(在正确模型条件下)使用95 个数据的效力。  第一节 符号检验 “符号检验”是针对观察结果之差的符号来作估价的。在 单一实验组的实验中，对于样本中每个个体的前测与后测， 如果我们并不关心（X1―X0）的具体数值，而只关心是增大 了还是减小了。具体来说，就是只研究差值 d 的符号，即 若X1＞X0，记作“+”； 若X1＜X0，记作“―”； 若X1＝X0，删去。 那么我们面对的就将是配对样本的“符号检验”问题 了。“符号检验”并不要求配对样本出自同一个总体，重要 的是各个对的结果要相互独立。 符号检验的零假设就是配对观察结果的差平均起来等于零：人们期望这些差中有一半小于零(负号)，而另一半大于零(正号)，因此符号检验就是对差分布之中位数为零的零假设检验。现将符号检验的零假设和备择假设表达如下 H0：p (+)＝p (―)＝0.5 H1：单侧检验 p (+)＞p (―)或 p (+)＜p (―) 双侧检验 p (+)≠p (―) 很显然，符号检验就是先假设 p＝0.5，按二项分布计算正号“+”出现次数之抽样分布，然后以样本中正号“+”出现的次数 x 作为检验统计量。如果它是B(x；n，0.5)下的小概率事件，便否定对差分布之中位数为零的零假设，即认为两总体存在平均水平上的差别。由此可见，符号检验是二项检验的一种实际应用。 [例] 假设我们观测15个相配的对，获得两个差为零和13个差不为 零，其中有11个正号，2个负号，试在2.5％的显著性水平上进行单 侧检验。 [解] H0：p＝0.5 H1：p (+)＞p (―) 由α＝0.025确定否定域，查二项分布表（附表2） P (13；13，0.5)＝0.000 P (12； 13，0.5)＝0.002 P (11； 13，0.5)＝ 0.010 P (10； 13，0.5)＝0.035 P (13) + P（12）+ P (11)＝0.000 + 0.002 + 0.010 ＝0.012＜0