从数据到结论13非参数检验.ppt

非参数检验  为什么用非参数方法? 经典统计的多数检验都假定了总 体的背景分布。 但也有些没有假定总体分布的具 体形式,仅仅依赖于数据观测值 的相对大小(秩)或零假设下等 可能的概率等和数据本身的具体 总体分布无关的性质进行检验。 这都称为非参数检验。  为什么用非参数方法? 这些非参数检验在总体分布未知时有很大的 优越性。这时如果利用传统的假定分布已知 的检验,就会产生错误甚至灾难。 非参数检验总是比传统检验安全。 但是在总体分布形式已知时,非参数检验就 不如传统方法效率高。这是因为非参数方法 利用的信息要少些。往往在传统方法可以拒 绝零假设的情况,非参数检验无法拒绝。 但非参数统计在总体未知时效率要比传统方 法要高,有时要高很多。是否用非参数统计 方法,要根据对总体分布的了解程度来确 定。  非参数方法 这里介绍一些非参数检验。 关于非参数方法的确切定义并不 很明确。我们就其最广泛的意义 来理解。 在计算中,诸如列联表分析中的 许多问题都有精确方法, Monte Carlo抽样方法和用于大样本的 渐近方法等选择。精确方法比较 费时间,后两种要粗糙一些,但 要快些。  秩(rank) 非参数检验中秩是最常使用的概 念。什么是一个数据的秩呢? 般来说,秩就是该数据按照升幂 排列之后,每个观测值的位置。 例如我们有下面数据 x159183178513719 R75918426310 这下面一行(记为R)就是上面 行数据X的秩。  秩(rank 利用秩的大小进行推断就避免 了不知道背景分布的困难。这 也是大多数非参数检验的优点。 多数非参数检验明显地或隐含 地利用了秩的性质;但也有 些非参数方法没有涉及秩的性 质  列联表问题 前面讲过列联表的检验问题,并且用对数线 性模型以及对于变量间独立性的x2检验,这 里不详细介绍。 这里介绍的检验可以检验列联表中某一个变 量的各个水平是否有同样比例或者等于你所 想象的比例。 每个检验都可以选择使用精确方法, Monte Carlo抽样方法或用于大样本的渐近方法。 利用数据 table7sav,假定你想知道收入的比 例是否是5比4比1(零假设)。而且选择精确 检验,你可以得到各种检验结果如下:  列联表问题 利用数据 table7sav,假定你想知道收入的比 例是否是5比4比1(零假设)。而且选择精确 检验,你可以得到各种检验结果如下: Test statistics INCOME Chi-Square 31.618 2 Asymp. sig 000 Exact Sig 000 Point probability 000 a0 cells(0%/)have expected frequencies less than 5. The min imum expected cell frequency is 12.3.  列联表问题 该结果除了给出了精确检验的值,表明无论 还给出渐近检验的值;两个都是0.000这表 明零假设的比例欠妥。输出还给出了第九章的 Pearson统计量中的O和E1(分别为下表中的 Observed N/EXpected N) INCOME Observed N Expected N Residual 52 61.5 9.5 410 49.2 9,2 31 12.3 18,7 Total 123  列联表问题 如果要检验变量的水平是否都相等,从 SPSS可以得到对这三个变量的检验(对 每个变量的零假设是各水平影响相同) 结果: Test statistics INCOME SEX OPINION ChiSquare 5,415 398 13667 2 1 Asy mp. sig. 067 5 000 Exact s 069 Point Probability 118 000 SPSs还分别给出对每个变量的 Pearson统计量中的O和E;