第七章_SPSS非参数检验课件.pptVIP

7.5.5应用案例1 利用“促销方式”数据，推断不同促销方式下销售额数据的分布是否存在显著差异 分析： （1）三种促销方式可看作三个配对样本 （2）销售额属于定距型数据，可通过多配对样本的Friedman检验实现 7.5.5应用案例2 利用“航空公司”数据，推断三家航空公司的服务水平是否有差异。 分析： （1）三家航空公司数据可看作三个配对样本 （2）乘客对其的满意数据属于二值品质数据，可通过多配对样本Cochran Q检验实现。 7.5.5应用案例3 利用“评委打分”数据，推断四个评委的评分标准是否一致 分析： （1）属于对评判者评判标准是否一致进行推断 （2）可通过多配对样本Kendall协同系数检验实现 7.2.6应用案例 利用“使用寿命”数据，判断两种工艺下产品的使用寿命的分布是否存在显著差异，进而对两个工艺的优劣进行判断。 分析： 两个工艺产品的使用寿命可看作两独立样本，可以通过曼-惠特尼U检验、K-S检验、W-W游程检验、极端反应检验实现。 7.2.5两独立样本非参数检验的步骤 [Analyze]-[Nonparametric Tests]-[2 independent samples] （1）选择待检验的变量到[Test variable list] （2）[grouping variable]:存放组标志的变量，并通过[define groups]给出两组的标志值。 （3）[test type]:选择相应的检验方法 7.3多独立样本的非参数检验 1.通过分析多组独立样本数据，推断样本来自的多个总体的中位数或分布是否存在显著差异。 2.方法：中位数检验、Kruskal-Wallis检验、Jonckheere-Terpstra检验。 7.3.1中位数检验 1.基本思想 （1）原假设：多个独立样本来自的多个总体的中位数无显著差异。 （2）检验步骤 ①将多组样本混合升序排列，求混合样本的中位数 ②分别计算各组样本中大于和小于中位数的样本个数，形成列联表（p203 表7-13） ③利用卡方检验分析各组样本来自的总体对中位数的分布是否一致。 （3）决策 ①卡方统计量的p值显著性水平，拒绝原假设，多个独立样本来自的多个总体的中位数存在显著差异。 ②卡方统计量的p值显著性水平，不拒绝原假设，多个独立样本来自的总体的中位数不存在显著差异。 7.3.2多独立样本的Kruskal-Wallis检验 1.基本思想 （1）原假设：多个独立样本来自的多个总体的分布无显著差异。 （2）是两独立样本曼-惠特尼U检验的推广 （3）检验步骤 ①将多组样本数据混合并升序排列，求各变量的秩 ②考察各组秩的均值是否有显著差异 ③各组秩的差异借助方差分析：秩的变差分解为：组间差和组内差 a若秩的总变差大部分可由组间差解释，则各样本组的总体分布存在显著差异 b若秩的总变差大部分不能由组间差解释，则各样本组的总体分布无显著差异 ④构造K-W统计量 （4）决策：SPSS自动计算K-W统计量和对应的p值 ①p值显著性水平，拒绝原假设，多个独立样本来自的多个总体分布存在显著差异。 ②p值显著性水平，不拒绝原假设，多个独立样本来自的多个总体分布无显著差异。 7.3.3多独立样本的Jonckheere-Terpstra检验 1.基本思想 （1）原假设：多个独立样本来自的多个总体的分布无显著差异 （2）J-T统计量 （3）决策：SPSS自动计算J-T统计量，Z统计量和对应的p值 ①p值显著性水平，拒绝原假设，多个独立样本来自的多个总体分布存在显著差异； ②p值显著性水平，不拒绝原假设，多个独立样本来自的多个总体分布无显著差异。 7.3.5 应用案例 利用“多城市儿童身高”数据，对北京、上海、成都、广州四城市的周岁儿童身高进行比较分析，推断四城市周岁儿童身高是否存在显著差异。 分析： （1）对身高分布无确切把握，涉及多个独立样本采采用多独立样非参数检验 （2）分别用中位数检验、多独立样本的Kruskal-Wallis检验、多独立样本的Jonckheere-Terpstra检验实现。 7.3.4多独立样本非参数检验的步骤 1.按规定的格式组织数据： 设置两个变量分别存放样本值和组标记值 2.菜单： [Analyze]-[Nonparametric Tests]- [K independent samples] （1）选择待检验的变量到[Test variable list] （2）[grouping variable]:存放组标志的变量，并通过[define groups]给出标志值的取值范围。 （3）[test type]:选择相应的检验方法 7.4两配对样本的非参数检验 1.两配对样本的非参数检验是在对总