SAS系统和数据分析符号检验和Wilcoxon符号秩检验.pdf

第二十七课 符号检验和 Wilcoxon 符号秩 检验 在统计推断和假设检验中，传统的检验统计量都叫做参数检验，因为它们都依赖于确定 的概率分布，这个分布带有一组自由的参数。参数检验被认为是依赖于分布假定的。通常情 况下，我们对数据进行分析时，总是假定误差项服从正态分布，这是人们易于接受的事实， 因为正态分布的原始出发点就是来自于误差分布，至于当样本相当大时，数据的正态近似， 这是由于大样本理论所保证的。但有些资料不一定满足上述要求，或不能测量具体数值，其 观察结果往往只有程度上的区别，如颜色的深浅、反应的强弱等，此时就不适用参数检验的 方法，而只能用非参数统计方法（ non-parametric statistical analysis ）来处理。这种方法对数据 来自的总体不作任何假设或仅作极少的假设，因此在实用中颇有价值，适用面很广。 一、 单样本的符号检验 符号检验（ sign test ）是一种最简单的非参数检验方法。它是根据正、负号的个数来假设 检验。首先需要将原始观察值按设定的规则，转换成正、负号，然后计数正、负号的个数作 出检验。该检验可用于样本中位数和总体中位数的比较，数据的升降趋势的检验，特别适用 于总体分布不服从正态分布或分布不明的配对资料， 有时当配对比较的结果只能定性的表示， 如试验前后比较结果为颜色从深变浅、程度从强变弱，成绩从一般变优秀，即不能获得具体 数字，也可用符号检验，例如用正号表示颜色从深变浅，用负号表示颜色从浅变深。 用于配对资料时，符号检验的计算步骤为：首先定义成对数据指定正号或负号的规则， 然后计数正号的个数 S 及负号的个数 S ，由于在具体比较配对资料时，可能存在配对资料 的前后没有变化，或等于假设中的中位数，此时仅需要将这些观察值从资料中剔除，当然样 本大小 n 也随之减少， 故修正样本大小 n S S 。当样本 n 较小时， 应使用二项分布确切 概率计算法，当样本 n 较大时，常利用二项分布的正态近似。 1. 小样本时的二项分布概率计算 当 n 20 时， S 或 S 的检验 p 值由精确计算尺度二项分布的卷积获得。 在比较配对资 料试验前后有否变化，或增加或减小的假设检验时，如果我们定义试验后比试验前增加为正 号，反之为负号， 那么对于原假设： 试验前后无变化来说， 正号的个数 S 和负号的个数 S 可 能性应当相等，即正号出现的概率 p =0.5 ，于是 S 与 S 均服从二项分布 B( n,0.5) ，对于太 大的 S 相应太小的 S ，或者太大的 S 相应太小的 S ，都将拒绝接受原假设； 对于原假设： 试验后比试验前有增加来说，正号的个数 S 大于负号的个数 S 的可能性应该大，即正号出 上海财经大学经济信息管理系 IS/SHUFE Page 1 of 15 现的概率 p 0.5 ，对于太小的 S 相应太大的 S ，将拒绝接受原假设；对于原假设：试验 后比试验前减小来说，正号的个数 S 小于等于负号的个数 S 的可能性应该大，即正号出现 的概率 p 0.5 ，对于太大的 S 相应太小的 S ，将拒绝接受原假设。 例 27.1 有一种提高学生某种素质的训练，有人说它是无效的，有人说它是有效的，那么 真实情况究竟应该是怎样的呢？随机地选取 15 名学生作为试验样本， 在训练开始前做了一次 测验，每个学生的素质按优、良、中、及格、差打分，经过三个月训练后，再做一次测试对 每个学生打分。数据如表 27.1 所示。我们将素质提高用正号表示，反之用负号表示，没有变 化用 0 表示