第7章群体间的差异比较——非参数检验.pptVIP

群体间的差异比较——非参数检验 第7章 内容提要 7.1　非参数检验概述 7.2　单样本的非参数检验 7.4　双独立样本的非参数检验 7.5 多独立样本的非参数检验 7.6 配对样本的非参数检验 7.7 多配对样本的非参数检验 7.1 非参数检验概述 3 (一)区分参数VS统计量 统计量：根据样本所计算出来的样本的各种描述性指标。如均数、方差、标准差等； 参数：关于总体性质的数量化描述。如通过人口普查计算得全国人口的平均年龄。 参数估计：采用抽样方法时，可以用样本得到的“统计量”对“参数”进行估计，也叫参数估计。如用样本均数来推断总体均数。 (一)区分参数VS统计量 参数检验：利用样本或总体的一些数值属性构造“统计量”（如 t 统计量、F 统计量），然后利用统计量所服从的某种已知分布来评价某种情况是不是“小概率事件”，进而拒绝原假设的方法。 参数检验要求样本是独立的、随机的，并且来自同一个正态总体，以便得到的统计量确实服从某种已知分布。 (二)非参数检验 如果样本来源的总体并非正态的，但样本规模很大且总体的偏态不明显，参数检验也有一定的适用性； 如果样本来源的总体并非正态的，同时样本规模很少，这时利用参数检验就会得到错误的结论。 非参数检验解决了这一问题，它也需要人为地构造一些统计量，但这些构造出来的统计量并不使用样本的均值或方差等这类对分布非常敏感的统计量，也不对总体分布的正态性提出要求，这种方法被称作“非参数检验”。 7.2 单样本的非参数检验 7 单样本的非参数检验 在进行参数检验之前，可以先利用非参数检验看一下数据来自什么样的总体，即判断样本的分布形状，然后有针对性地在参数检验和非参数检验之间做出选择。 拟合优度检验：判断分布形状的非参数检验。把实际观测到的样本与一个理论上的某种分布所对应的理论预测值进行比较，检验两者是否有显著的差异。包括： 随机性检验 正态性检验 比例检验 (一)随机性检验——游程检验（Runs Test） 用于检验样本是否是随机抽样的结果。 游程：是指样本序列中连续出现相同变量值的次数。 如投掷硬币出现正反两面的变量值序列为1011011010011000101010000111。 其中连续的1有9组，连续的0有8组，这一序列总的游程数量为17。 如果硬币的正反面出现是随机的，那么在该序列中，许多个1或许多个0连续出现的可能性都不大，且1和0频繁交叉出现的可能性也非常小，因此，游程数太大或太小都将表明变量值存在不随机的现象。 故游程检验是对二分变量的随机检验，可用于判断观察值的顺序是否随机。 (一)随机性检验——游程检验（Runs Test） 随机性检验的原假设为：总体变量值出现是随机的。 分析——非参数检验——旧对话框——游程 例：从性别的角度检验数据“手机购买.sav”是否为随机抽样。 选入二分变量 规定分界点 (一)随机性检验——游程检验（Runs Test） 结果说明 概值大于0.05，因此可以接受Runs检验的原假设，即就性别而言，数据来自一次随机抽样。 (二)正态性检验——单样本K-S检验 单样本K-S检验的原假设：样本所属的总体与指定的理论分布一致。 分析——非参数检验——旧对话框——1-样本 K-S 例：针对“社团.sav”,分析参加社团活动的时间是否服从正态分布。 正态分布 均匀分布 泊松分布 指数分布 (二)正态性检验——单样本K-S检验 结果说明 概值小于0.05，因此拒绝原假设，即参与社团活动的时间不服从正态分布。 (三)二项分布检验(Binominal Test) 对于任何仅可分成两类的总体，如果已知其中一类事件所占的比例为P，那么另一类所占的比例必定是1-P，用Q表示。 对于同一个总体，P值总是固定的。但在抽样过程中，每次抽样所得的P值都有可能不同。 二项分布就是从二分类的总体中抽得的随机样本中可观察到的两类比例的抽样分布。考察每个类别中观察值的频数与特定二项分布下的预期频数间是否存在统计学差异，是对二分类变量的拟合优度检验。 原假设：总体中第一类事件的比例是P。 (三)二项分布检验(Binominal Test) 二项分布检验的原假设：总体中第一类事件的比例是P。 分析——非参数检验——旧对话框——二项式 例：针对“住房状况调查.sav”,分析外地户口的比例是否为15%。 输入检验变量中第一类事件的比例。 (三)二项分布检验(Binominal Test) 结果说明 单尾 检验的概值小于5%，则拒绝原假设，认为外地户口的比例不是15%。从观测比例来看，应小于15%。 观测比例 检验比例 (三)二项分布检验(Binominal Test) 例：针对“住房状况调查.sav”,分析现住面积在100平米以上的是否为20%. 输入检验变量中第一类