对秩仿照方差分析原理得到kruskal-wallis的h统计量.ppt

第四章 多样本分类数据模型 在参数检验中，我们常常对三个或三个以上的总体的均值进行相等性检验，使用的方法是方差分析，在非参数分析中也会遇到同样的问题，检验多个总体的分布是否相同。更严密的说，当几个总体的分布相同的条件下，讨论其位置参数是否相等。方差分析过程需要假定条件,F检验才有效。可有时候所采集的数据常常不能满足这些条件，像多样本比较时一样，我们不妨尝试将数据转化为秩统计量，因为秩统计量的分布与总体分布无关，可以摆脱总体分布的束缚。秩方法在方差分析中的应用。 Kruskal Wallis秩和检验 Kruskal Wallis秩和检验思想 在比较两个以上的总体时广泛使用的Kruskal-Wallis检验，就是对两个以上的秩样本进行比较的非参数方法，实质上它是两样本比较时的Wilcoxon方法在多于两个样本时的推广。 在该测验中，首先计算全体样本中的秩，遇到数据出现相等，即存在“结”的情况时，采用“平均秩”手段让它们分享它们理应所得的秩和，再对数据(秩)进行方差分析，但构造的统计量并不是组间平均平方和除以组内平均平方和，而是KW=组间平方和/总平方和的平均数，KW表示Kruskal-Wallis统计量。 假设： KW统计量的观察值是我们判定各组之间是否存在差异的有力依据。因为我们需要检验的原假设是各组之间不存在差异，或者说各组样本来自的总体具有相同的中心(均值或中位数)。Kruskal-Wallis统计量的计算步骤为： 将 k 组数据混合，并从小到大排列，列出等级，如有相同数据则取平均等级，如果原假设为不真，某个总体的位置参数太大，则其观测值也倾向于取较大的值，则该总体的观测值的秩和也会偏大，因而导致 偏大 其中， Sn的含义： 检验方法 对比其中每两组差异: 例：从我国上市公司中分别随机抽取了工业、商业、建筑业、交通运输业等四个行业，其在1999年的总资产报酬率如下，问四个行业资产报酬率是否有显著性差异. 要检验这四个组数据的差异性，也可以利用方差分析，但方差分析需要假定观测值服从正态分布。所以用Kruskal-Wallis检验。首先将四个组的数据混合，然后按升序排列的下表： SPSS演示 输入数据，如图所示 按照Analyze→Nonparametric →k Independent Samples，出现以下对话框 单击Define Range按钮，出现分组变量范围确定对话框，如下图： 结果： Jonckheere-Terpstra检验 计算步骤 例题：为了测试不同促销策略是否成功，某快餐连锁公司从全国连锁店中随机抽取18家连锁店，将这些连锁店随机分为三组，每组实施不同的促销策略。实行一个月后，每组中各个连锁店销售额增长率如表所示 SPSS演示 输入数据，如图所示 按照Analyze→Nonparametric →k Independent Samples，出现以下对话框 单击Define Range按钮，出现分组变量范围确定对话框，如下图： 结果： 完全区组设计：Friedman秩和检验 Friedman检验也称Friedman 检验，是1937年Friedman提出的检验方法。它是检验K个总体的分布中心是否有差异。Friedman提出的检验方法是独立地在每一个区组内各自对数据进行排秩。 例如美国通用、福特与克莱斯勒汽车公司5种不同车型的某年产品油耗情况如表所列，数据分析关心的问题之一是三个公司汽车耗油有无差异 例：3个汽车公司5种不同车型某年产品油耗情况 Friedman秩和检验 Friedman秩和检验-基本方法 1、每一区组中计算各处理的秩 2、处理在各区组中的秩相加， 例：企业邀请广告公司拍了4个广告片，分别为A,B,C,D,并邀请4名专家对广告片的创意水平进行评分，具体评分结果如下表所示： H0：广告片A,B,C,D创意水平的评分没有显著差异 H1:广告片A,B,C,D创意水平的评分存在显著差异 构造每个样本各个指标观察值的秩以及秩和Rj,j=1,2,3,4,如下表所示： SPSS演示 输入数据，如图所示 按照Analyze→Nonparametric →k Related Sample顺序选中多个相关样本非参数计算模块，出现以下对话框 结果： 多元变量协同系数检验 在实际生活中，经常需要按照某些特别的性质来多次(m次)对n个个体进行评估或排序，比如m个裁判者对于n种品牌酒类的排队，m个选民对n个候选人的评价，m个咨询机构对一系列(n个)企业的评估以及体操裁判员对运动员的打分等等。人们往往想知道，这m个结果是否多少一致。如果很不一致，则这个评估多少有些随机，没有多大意义。令零假设H0为：“这些评估(对于不同个