第7章 群体间差异比较——非参数检验.pptVIP

在对参加社团活动的时间做正态性检验时，发现“time”变量不能通过正态性检验。 例：数据社团.sav中，比较低年级学生、本科高年级学生、硕士生和博士生参加社团活动的时间是否有差别。 违反正态性假设的前提下，仍可以做方差分析。 方差分析结果显著。此时可进一步进行非参数检验。 分析——非参数检验——旧对话框——K个独立样本 利用秩次进行检验，原假设为K组变量都来自相同的一个分布，但不一定要求是正态的，可以在违反正态性假设的情况下代替方差分析。 中位数检验 结果说明： 秩次越高，参加社团活动的时间越多。 各组差异显著 多独立样本的非参数检验(秩和检验)，可以对定序变量进行多组比较，而 t 检验和方差分析的因变量只能是定距！ 例：利用财经节目.sav分析不同受教育程度对财经节目的喜好程度有无差异。 秩次越高，对财经节目的喜好程度越低。 各组差异显著 * 在 t 检验中，配对样本的t 检验要求前后测的数据来自正态总体。当样本不服从正态总体时，利用配对样本的t 检验便可能对结论产生严重误导。这时可以用配对样本的非参数检验方法。 例：对20个人进行了一次心理学上关于自负程度的测试，分数越高表示自负的程度也越高。对受试者自负程度先进行前测，经过一定的指导后，再进行后测，试分析这种指导是否减少自负是否有作用。数据见自负程度.sav。 进行正态性检验知，样本并不服从正态总体。因此不能采用t 检验，考虑用配对样本的非参数检验。 原假设：前后测的差值为0（这种指导没有作用） 备择假设：后测-前测0 分析——非参数检验——旧对话框——2个相关样本 Wilcoxon检验和Sign检验都是假设前后测的数据有相同的形状分布，即两个分布有同样的均值和方差。 因此，配对样本的非参数检验并不关心分布的具体类型。 结果说明 P值小于5%，说明前后测的差值是显著的。 * 多配对样本的非参数检验是通过分析多组配对样本数据，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。 数据要求： 各个样本为随机样本 各个样本的数据是配对的，即相关样本，各个样本的容量相同。 检验方法为弗瑞德曼（Friedman）检验和肯德尔（Kendall）协同系数检验时，样本应是定序、定距或定比数据。 检验方法为克科伦（Cochran）Q检验时，样本应是二分变量。 三种促销形式下的商品销售额 商品编号 促销形式1 促销形式2 促销形式3 1 12866.00 17223.00 9865.00 2 4673.00 5894.00 5220.00 3 10480.00 14461.00 10072.00 4 769.00 1962.00 737.00 5 6482.00 13203.00 9423.00 6 796.00 742.00 771.00 7 843.00 965.00 639.00 8 1936.00 1260.00 1793.00 9 4694.00 5222.00 4061.00 10 635.00 558.00 542.00 例：为比较三种促销形式对商品销售的影响，收集若干种商品在不同促销形式下的月销售额数据如下。试分析三种促销形式对销售额的影响有无显著差异。见数据“促销方式.sav” 检验思路：如果三种促销形式没有显著差异，那么销售额排序后的秩和应相等。 商品编号 促销形式1 促销形式2 促销形式3 形式1的秩 形式2的秩 形式3的秩 1 12866.00 17223.00 9865.00 2 3 1 2 4673.00 5894.00 5220.00 1 2 3 3 10480.00 14461.00 10072.00 2 3 1 4 769.00 1962.00 737.00 2 3 1 5 6482.00 13203.00 9423.00 1 3 2 6 796.00 742.00 771.00 3 1 2 7 843.00 965.00 639.00 2 3 1 8 1936.00 1260.00 1793.00 3 1 2 9 4694.00 5222.00 4061.00 2 3 1 10 635.00 558.00 542.00 3 2 1 秩和 21 25 14 分析——非参数检验——旧对话框——K个相关样本 结果说明 P值小于5%，说明三种促销形式下商品的销售额有显著差异。 促销形式2的商品销售额最高。 例：有6名歌手参加比赛，4名评委进行评判打分。试推断这4个评委的评判标准是否一致。数据见“评委打分.sav”。 Kendall协同系数检验主要是一致性检验。 商品编号 1号歌手（秩） 2号歌手（秩） 3号歌手（秩） 4号歌手（秩） 5号歌手（秩） 6号歌手（秩） 评委1 8.75（1） 9.6（4） 9.2（2） 9.65（5）