第6章 非参数验.pptVIP

6.4 Kruskal-Wallis检验 在比较多个总体均值的方差分析中需要相应的假设条件。如果违背了相应的假设条件，可以使用非参数的方法。 在比较两个以上的总体时广泛使用非参数方法是Kruskal-Wallis检验。 它是Wilcoxon秩和检验在多于两个样本时的推广。 检验的原假设和备择假设 原假设：多个总体有相同的统计分布 ） 备择假设：多个总体的统计分布不全相同 Kruskal-Wallis检验的基本原理 将所有样本的数据合在一起排秩，然后计算各样本的秩和。 如果各组有显著性差异，在各组样本容量相等的情况下，各组秩和应该相等或趋于相等。 如果各组秩和相差较大，则各组有显著性差异的可能性较大。 检验统计量 在原假设成立时服从自由度为k-1的 分布。 一个例子 例6.4 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，其在某年的总资产报酬率如下表。问四个行业总资产报酬率是否有显著性差异？ 1 2 3 4 5 6 7 8 9 10 工业 9.5 8.6 8.8 6.7 7.3 6.8 7.7 7.7 8.6 9.7 商业 8.1 8.2 7.6 7.7 8.0 7.5 7.3 8.2 8.5 8.4 建筑业 8.6 8.8 9.2 8.8 9.8 9.7 9.2 9.7 10.2 9.7 交通运输 9.0 7.9 8.2 7.6 8.7 7.8 8.8 7.6 8.9 8.7 单因素方差分析的结果 结论：拒绝各组均值相等的原假设。 但是…… 从标准差看最大值和最小值的比值超过了2，因此不能认为各组方差相等。 因此方差分析不适用。 在SPSS17.0中，定义分组变量为行业(工业为1，商业为2，建筑业为3，交通运输为4)后，直接使用选项Analyze-Nonparametric Tests-K Independent Samples。然后把变量“总资产报酬率”选入Test Variable List；再把数据中用变量“行业“输入Grouping Variable，在Define Range中的选项Minimum和Maximum分别输入“1”和“4”。然后在下面选项Test Type选择Kruckal-Wallis H，得到如下图的对话框。 Kruskal-Wallis检验 例6.4的SPSS实现 例6.4的SPSS实现 例6.4的SPSS结果 由上述结果可知，四个行业总资产报酬率的平均秩分别为16.85、12.75、33.05、19.35 。 秩 行业 N 平均秩 总资产报酬率 1 10 16.85 2 10 12.75 3 10 33.05 4 10 19.35 合计 40 例6.4的SPSS结果与分析 从结果可以看出，Kruskal-Wallis检验的p值为0.001，小于给定的显著性水平，所以有理由拒绝原假设，即认为这四个行业的总资产报酬率有不同的统计分布。 检验统计量a,b 总资产报酬率 17.053 自由度df 3 渐近显著性 .001 a. Kruskal-Wallis 检验 b. 分组变量: 行业 小 结 （1） 符号检验是利用某假设下正号和负号的数目做出判定的非参数方法。 符号检验方法可以通过成对数据差值的符号进行检验，从而比较两个总体差异的显著性。 Wilcoxon符号秩检验是把成对数据样本中每对数据差值的绝对值赋予秩次并记上符号，然后依据正秩和与负秩和做出判定的。 小 结（2） Wlicoxon（Mann-Whitney）秩和检验可以把两个样本混合排列，然后通过比较两个样本的秩和做出判定。 Kruckal-Wallis检验是将多个样本的数据合在一起按照从小到大的顺序排出秩次，然后基于秩次构造统计量进行判定的非参数检验方法。 * * * * * * 成对数据比较的符号检验 成对数据可以采用t检验的方法，但需要有正态性的或者大样本的假设条件。 如果对数据的正态性没有把握，则可以采用非参数的方法，例如符号检验。 成对数据符号检验的原理 双侧检验的原假设为：成对数据差值总体分布的中位数为0。 若两个总体的中位数相同，则样本中正差值与负差值的个数应接近各占一半。 也可以做单侧检验。 例6.2 实施JIT前 15.8 14.9 15.2 15.8 15.5 14.6 15 14.9 15.1 15.4 实施JIT后 14.6 15.5 15.5 14.7 15.2 14.8 14.8 14.6 15.3 15.5 从实行适时管理（JIT）的企业中，随机抽取10家进行效益分析，它们在实施JIT前后三年的平均资产报酬率。问在5％的显著性水平下，企业在实施JIT前后的资产报酬率是否有显著差异？ t检验的结果 成对t样本检验 　 　 t