心理统计SPSS-第十章 非参数检验PPT.ppt

第十章 非参数检验 在此前介绍的显著性检验都是基于样本的观测数据对总体参数及总体参数差异性的检验 ，主要包括 t 检验、Z 检验、F 检验等，这些检验可统称为参数检验。参数检验对观测值的普遍要求是总体呈正态分布。但实际研究中，不是所有观测值都呈正态分布，或者无法确定其是否正态分布，这些情况下，参数检验技术就未必适用了，因此我们还需要掌握一些非参数检验技术，其中最为常用的就是卡方检验，它最适合于次数分布检验。 我们主要介绍卡方检验，包括总体分布的卡方检验、交叉列联表中的卡方检验、独立样本间的非参数卡方检验、配对样本间的非参数卡方检验等，同时也包含一些其他简单方便的检验方法。 卡方检验适用于次数分布的检验，比如次数分布是否与某种理想的分布一致，或者不同样本同类测量分数次数分布是否一致。对于前者，先要确定一个理想的次数分布比例，然后将观测的某一次数分布与其比较，确定二者的差异性，并用X2来反映。 X2 越小 ，则差异越小 ，该样本的观测分布越有可能适合于理想分布； X2 越大 ，则差异越大 ，其服从于理想分布的可能性就越小。当服从理想分布的伴随概率小于0.05时，就认为该次数分布与理想的分布有显著性差异。 不同样本中测量分数的次数分布使用卡方检验时，如果卡方足够大，该观测在两个样本中的次数分布服从于同一总体的概率小于0.05时，则认为样本间存在显著性差异。 一、总体分布的卡方检验（适合性卡方检验） 实例1：某商场统计了一周中七天的顾客平均数如下表所示，请问该商场一周各天的顾客数是否有显著性差异？ 星期日 星期一 星期二 星期三 星期四 星期五 星期六 顾客数 15000 10500 11800 12200 13200 14000 18500 解决方案 （1）建立数据文件，包括两个变量：“时间”、“顾客数”； （2）打开“DATA”菜单条选中“Weight cases…”打开对话框，将“顾客数”变 量加入到Frequency variable框中，返回数据文件窗； （3）点击Analyze菜单条选中Nonparametric test…中的“Chi-square…”打开 对话框； （4）将“顾客数”变量加入“Test variables list”框中, 选中“All categories equal； （5）点击OK输出卡方检验结果（X2＝3022.059，p.001)。 SPSS过程演示 实例 2 ：教务处要求各院系在本科生毕业设计的成绩评定中，注意成绩等级的人数分布，一般应符合如下表格中第一行所示的比例 。某院65名本科生毕业设计成绩等级分布如下表第二行数字。请问该院系学生毕业设计的成绩评定是否符合学校要求？ 评定等级 优秀 良好 中等 及格或未及格 要求比例 10% 50% 30% 10% 某院各等级人数 8 43 13 1 SPSS过程演示参照课本例子(p236.p257) 二、二项分布检验 在实际调研中，经常会遇到非此即彼的二项选择，而在此类调研中我们期望了解被调查样本中二项选择的分布情况 ，如作出两项选择的比例是否相等, 或是否满足某种比例关系（如1:3、1:10 等 ）。这就需要使用二项分布检验方法和程序。我们以实例说明。 实例1：某英语教师采取了一系列教学改革措施，试图使男生成绩的优良（测试分数达80以上，含80分 ）率达到女生水平、使全体学生的优良率要高于2/3水平。学生期末考试成绩如数据文件 “ 男女学生英语成绩优良率分析数据文件” (Binomial Test) 。 请问这位老师的目标有否达到？ SPSS过程演示 四、中位数的卡方检验过程 1. 建立数据文件。包括分组变量和因变量观测值； 2. 点击Analyze，然后选中 “ Nonparametric test…” 再点击“ K Independent sample…”打开对话框； 3. 将因变量置入“Test variable list”下的方框中、将分组变量置入“Grouping Variable”下的方框中并点击“Define Range …”定义最小组别和最大组别； 4. 选中 “Median”, 点击OK 即输出中位数差异性比较的卡方分析结果。 SPSS过程演示 实例2：随机抽取三个班级之间学生的学业成绩如下表所示，试分析三个班级总体成绩是否存在显著的差异（中位数的卡方检验）。 序号 班级1 班级2 班级3 1 70 80 80 2 80 75 76 3 65 76 78 4 70 70 85 5 76 75 75 6 77 65 65 7 80 70 80