统计学讲义第8讲非参数检验和Ridit分析.pptVIP

第11章 非参数检验、Ridit分析 ; 非参数统计的优点是不受总体分布类型的限制，应用范围广，对数据的要求不象参数检验那样严格，不论定量变量和分类变量均可用非参数检验。非参数检验的不足之处是：对符合用参数统计的资料，用非参数检验(如两样本均数比较，符合检验条件时，用秩和检验)，一般犯第二类错误的概率?比参数检验大，若要使?相同，非参数检验要比参数检验需要更多的样本例数。故适合参数统计条件的资料，一般先选参数检验，若参数检验的应用条件得不到满足，才用非参数检验。 ; 1.Chi-square test（?2检验）：用?2检验作同一样本中两个或多个构成比的比较，操作过程如例8.14，检验变量的几个取值所占百分比和期望的比例有无统计学差异。注意：该检验和一般用的?2 检验不一样，一般的?2检验用Analyze 中 Descriptive Statistics下拉菜单的Crosstable完成，而不是这里。具体见P143E8.15。 ;4. 1-Sample K-S Test（即One-Sample Kolmogorov-Smirnov Test单个样本的柯尔莫哥诺夫-斯米尔诺夫检验）：用于分析变量是否符合某种分布，可检验Normal（正态分布）、Uniform（均匀分布）、Poisson（Poission分布）和Exponential（指数分布）。操作过程如例3.1(血糖）中所做的探索性分析。 ;7、2 Related-Samples Tests（两相关样本检验）：配对设计两样本均数的非参数检验。操作过程如例11.1、例9.1。 ; 可以列成2×k 表或R×C表，用R×C表的 ?2 检验比较差异，但?2 检验能说明各等级构成或各对比率是否相同，但不能说明对比各组疗效的优劣或针麻效果好坏等。而秩和检验与Ridit分析则可以起作用。 ; 如果正、负秩和相差悬殊，统计量 T 特别小或特别大，则 H0 为真的可能性很小，从T 界值表(附表12)也可看出，当 n 确定以后，T 界值的下限愈小，上限愈大时，P 值愈小。因而可按小概率原理，拒绝H0；反之，不能拒绝H0 。随着 n增大，T 分布逐渐逼近:; 而P(T＝0)＝P(T＝15)＝1/32＝0.03125，双侧概率为0.03125×2＝0.06250，已大于0.05。所以当n≤5时，用符号秩和检验不能得出双侧概率P0.05，故 n 必须大于5。 ;(1) H0：配对差值总体中位数Md＝0；;在n 25时，可用连续的u检验作不连续T分布的近似，即: ;SPSS11.5，建立数据文件P147E1.sav , →Analyze， →Nonparametric Tests，→2 Related Samples ; 表中显示：按y-x的正秩输出，检验统计量Z=-1.913，双侧大约概率P=0.056，故以??=0.05水准不拒绝H0，接受H1。 ;二、单样本资料的秩和检验 样本中位数与总体中位数比较的目的是推断样本是否来自某已知中位数的总体。检验方法步骤和配对比较的符号秩和检验一样，唯一不同的是用每一个样本观测值与已知总体中位数相减来计算“差值”。 ;H0：该厂工人的尿氟含量与当地正常人相同，中位数Md＝0.86；H1：该厂工人的尿氟含量高于当地正常人， Md＞0.86。α＝0.05。 分别求12个观测值与总体中位数0.86之差（标明正负号），有一个差值为0，不编秩，依差值的绝对值从小到大编秩11个，标上原差值的正负号，统计正、负秩和分别为1.5、64.5，取T＝1.5。用n＝11查配对秩和检验T界值表（附表11），T＝1.5在单侧T0.005/2（12）＝5～61的范围外，P0.005，按α＝0.05水准，拒绝H0，接受H1，可认为该厂工人的尿氟含量高于当地正常人。 ;第三节 完全随机设计两样本比较的秩和检验 ;-1.24 54.69 68.64 79.92 81.80 85.19 86.92 90.68 1 2 3 4 5 6 7 8;成组资料比较时，H0:两总体分布相同．在H0成立时，容量分别为n1、n2的两个样本来自同一总体．定量资料编秩时, 同组相同数据取顺序秩次, 不同组相同数据取平均秩次. 分类资料编秩时, 同一等级取平均秩次. 规定n1≤n2 , 记N＝n1＋n2 , 容量为n1样本的秩和T与平均秩和n1(N＋1)/2理论上应相差不大 . 当n1、n2增大时 , T 的分布逐渐逼近: μ=N1(N＋1)/2 σ=n1n2(N＋1)/12 的正态分布．;在n1、n