spss学习第6章PPT.ppt

第6章 SPSS的非参数检验; SPSS 中进行非参数检验由【分析】菜单中的【非参数检验】菜单项导出。其中包括以下命令。 ● Chi-square test： 卡方检验。 ● Binomial test： 二项分布检验。 ● Runs test： 游程检验。 ● 1-Simple K-S test： 单样本K-S检验。 ● 2 Independent Sample test： 两个独立样本非参数检验。 ● K Independent Samples test： 多个独立样本非参数检验。 ● 2 Related Sample test： 两个相关样本非参数检验。 ● K Related Sample test： 多个相关样本非参数检验。;6.1 非参数检验概述; 6.1.2 非参数检验的特点 与参数方法相比，非参数检验方法的优势如下： （1）稳健性。因为对总体分布的约束条件大大放宽，不至于因为对统计中的假设过分理想化而无法切合实际情况，从而对个别偏离较大的数据不至于太敏感。 （2）对数据的测量尺度无约束，对数据的要求也不严格，什么数据类型都可以做。 （3）适用于小样本、无分布样本、数据污染样本、混杂样本等。;表6-1 参数检验和非参数检验的效率比较;6.2.2 卡方检验的SPSS操作详解;Step02：选择检验变量 在【卡方检验】对话框左侧的候选变量列表框中选择一个或几个变量，将其添加至【检验变量列表】列表框中，表示需要进行进行卡方检验的变量。 Step03：确定检验范围 在【期望全距】选项组中可以确定检验值的范围，对应有两个单选项。 Step04：选择期望值 在【期望值】选项组中可以指定期望值 ，对应有两个单选项。 ;Step05：选择计算精确概率 单击【精确】按钮，弹出【精确检验】对话框，该对话框用于选择计算概率P值的方法 。; Step06：其他选项选择 单击【选项】按钮，弹出【选项】对话框，该对话框用于指定输出内容和关于缺失值的处理方法 Step07： Step07单击【确定】按钮，操作完成 ;6.2.3 实例图文分析：人员结构的调动; H0：目前三个职业的总体构成比仍然是15％、5％和80％。 H1：目前三个职业的总体构成比不再是15％、5％和80％ 2. 实例操作 Step01：打开对话框 打开数据文件6-1.sav，选择菜单栏中的【分析】 →【非参数检验】→【旧对话框】→【卡方】命令，弹出【卡方检验???对话框。其中，“jobcat”变量表示职业类型， “1”表示办事员，“2”表示监察员，“3”表示经理。;3 实例结果及分析;（2）卡方检验表 具体包括统计量、自由度（df）和近似概率P值。可见，统计量等于3.492，自由度等于2，对应的概率P值0.174大于显著性水平0.05。因此接受零假设，认为目前三个职业的总体构成比仍然是15％、5％和80％，人数的调动只是随机误差造成的，公司人员结构没有显著性改变。 ;6.3 SPSS在二项分布检验中的应用;6.3.2 二项分布检验的SPSS操作详解; Step02：选择检验变量 在【二项式检验】对话框左侧的候选变量列表框中选择一个或几个变量，将其添加至【检验变量列表】列表框中，表示需要进行进行二项分布检验的变量。 Step03：定义二元变量 在【定义二分法】选项组中可以定义二元变量。 Step04：指定检验概率值 在【检验比例】选项组中可以指定二项分布的检验概率值。系统默认的检验概率值是0.5，这意味着要检验的二项是服从均匀分布的。如果所要检验的二项分布不是同概率分布，参数框中要键入第一组变量所对应的检验概率值。;6.3.3 实例图文分析：灯泡是否合格;2. 实例操作; Step04：指定检验概率值 在【检验比例】文本框中输入指定概率值“0.05”。;Step05：描述性统计量输出 单击【选项】按钮，弹出【选项】对话框。在【统计量】选项组中勾选【描述性】和【四分位数】复选框，表示输出基本统计量。再单击【继续】按钮，返回【二项式检验】对话框。;Step06：完成操作 最后，单击【确定】按钮，操作完成。;3. 实例结果及分析; 首先根据断点“960”将原始数据划分为两部分：“Group 1” 和“Group 2”，它们各自的样本容量等于6和24，所占总体的比例为20％和80％。由于这里要检验合格率是否等于95％，也就是要检验“Group 1”组所占比例是否等于0.05。但根据单尾概率P值（0.003）小于显著性水平 （0.05），可以判断这批