第六章非参数检验.pptVIP

结果分析 从结果表格中看出，总共35个观察数据，游程数（Number of Runs）为14，测试值（Test Value）为1，得到的相伴概率为0.181，大于显著性水平0.05，因此不能拒绝零假设，认为患病的住户沿河分布的情况无聚集性，而是呈随机分布。 SPSS单样本K-S检验 定义：单样本K-S检验是以两位前苏联数学家Kolmogorov和Smirnov命名的，也是一种拟合优度的非参数检验方法。单样本K-S检验是利用样本数据推断总体是否服从某一理论分布的方法，适用于探索连续型随机变量的分布形态。 单样本K-S检验可以将一个变量的实际频数分布与正态分布（Normal）、均匀分布（Uniform）、泊松分布（Poisson）、指数（Exponential）分布进行比较。 主要内容 非参数检验和参数检验的区别 总体分布的卡方检验 二项分布检验 SPSS单样本变量值随机性检验 SPSS单样本K-S检验 两独立样本非参数检验 多独立样本非参数检验 两配对样本非参数检验 多配对样本非参数检验 非参数检验简介 参数检验方法检验的内容是总体分布的某些参数，例如均值，方差，比率等 。 非参数检验主要用于不考虑被研究对象的总体分布，或对总体的分布不做任何事先的假定的检验。 非参数检验的内容不是总体分布的某些参数，而是检验总体某些有关的性质，例如总体的分布位置、分布形状之间的比较，或者各样本所在总体是否独立等。 非参数检验方法的优点 稳健性：因对总体分布的约束条件放宽，从而对一些离群值或极端值不至于太敏感。 使用范围广：对数据的度量标准（或测量测度）无约束，定序数据、定量数据都可；部分数据缺失也可；小样本、分布未知样本、数据污染样本、混杂样本等都可以应用非参数方法。 非参数检验的应用范围 参数检验方法的条件不满足。例如样本来自的总体不服从正态分布，T检验不适用，必须应用非参数方法来比较两个总体的中心趋势。 研究定类变量和定序变量之间的关系。 SPSS非参数检验 非参数检验 非参数检验根据样本数目以及样本之间的关系可以分为： 单样本非参数检验 两独立样本非参数检验 多独立样本非参数检验 两配对样本非参数检验 多配对样本非参数检验 单样本非参数检验 SPSS的单样本非参数检验方法包括： 总体分布的卡方(Chi-square)检验 二项分布(Binomial)检验 单样本K-S(Kolmogorov-Smirnov)检验 单样本变量值随机性检验(Runs Test) 卡方检验 卡方检验是一种常用的对总体分布进行检验的非参数检验方法。 例如，医生研究心脏病人猝死人数与日期的关系，检验现在的人口结构和十年前是否一样，血型是否和人的性格有关系，现代社会中受过高等教育、高中毕业、初中毕业、小学毕业和文盲的比例是否为3：6：10：2：1等问题都可以通过卡方检验来实现。 卡方检验的定义 定义：总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显著差异。 卡方检验的原假设是： H0样本来自的总体的分布与假设的分布（又称期望分布或者理论分布）无显著差异。 卡方检验的原理（1） 卡方检验的基本思想是，如果从一个随机变量X所在的总体中随机抽取若干个观察样本，这些观察样本落在X的k个互不相交的子集中的观测频数服从一个多项分布，这个多项分布当k趋于无穷时近似服从卡方分布。 卡方检验的原理（2） 因此假设样本来自总体服从某个期望分布或理论分布，同时获得样本数据各子集的实际观察频数，并根据下面的公式计算统计量Q，作出推断： 其中，Qi表示观察频数，Ei表示期望频数或理论频数。可见Q值越大，表示观察频数和理论频数越不接近；Q值越小，说明观察频数和理论频数越接近。 卡方检验的原理（3） SPSS将自动计算Q统计量，由于Q统计量服从自由度为k-1的卡方分布，因此SPSS将根据卡方分布表给出Q统计量所对应的相伴概率值。 如果相伴概率小于或等于显著性水平α，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异。 卡方检验例子 某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日患忧郁症人数是否满足1:1:2:2:1:1:1 单击Data菜单中的Weight Cases命令，弹出Weight Cases对话框，选中Weight cases by选项，将变量“患者数”添加到Frequency Variable框中，定义该变量为权数，再单击OK按钮，返回数据编辑窗口。 弹出Chi-Square Test对话框，要对一周内各日的人数进行分布分析，故在对话框左侧的变量列表中选择“周日”变