SPSS单元非参数检验.pptxVIP

SPSS单元非参数检验; 但许多调查或实验所得的科研数据，其总体分布未知或无法确定。因为有的数据不是来自所假定分布的总体，或者数据根本不是来自一个总体，还有可能数据因为某种原因被严重污染，这样在假定分布的情况下进行推断的做法就有可能产生错误的结论。此时人们希望检验对一个总体分布形状不必作限制。; 这种不是针对总体参数，而是针对总体的某些一般性假设（如总体分布）的统计分析方法称非参数检验（Nonparametric Tests）。 非参数检验对数据分布没有要求，适于参数检验的数据都可以用非参数检验的方法进行检验，有研究表明，非参数检验的统计效能大约为参数检验的95%，这是一个能够接受的水平。 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和多配对样本非参数检验几种。;8.1 总体分布的卡方（Chi-square）检验;8.1.1 统计学上的定义和计算公式;第6页/共141页;第7页/共141页;第8页/共141页;第9页/共141页; 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。 ;? 研究问题 某地一周内各日患忧郁症的人数分布如表10-1所示，请检验一周内各日人们忧郁数是否满足1:1:2:2:1:1:1。;周 日;? 实现步骤;图10-2 “Weight Cases”对话框;图10-3 在菜单中选择“Chi-Square”命令;图10-4 “Chi-Square Test”对话框;图10-5 “Chi-Square Test：Options”对话框; （1）本例输出结果中有两个表格，其中第一个表格如下。;（2）输出的结果文件中第二个表格如下。;8.2 二项分布检验; SPSS二项分布检验就是根据收集到的样本数据，推断总体分布是否服从某个指定的二项分布。其零假设是H0：样本来自的总体与所指定的某个二项分布不存在显著的差异。; SPSS中的二项分布检验，在样本小于或等于30时，按照计算二项分布概率的公式进行计算；样本数大于30时，计算的是Z统计量，认为在零假设下，Z统计量服从正态分布。Z统计量的计算公式如下; SPSS将自动计算Z统计量，并给出相应的相伴概率值。如果相伴概率小于或等于用户的显著性水平α，则应拒绝零假设H0，认为样本来自的总体分布形态与指定的二项分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为样本来自的总体分布形态与指定的二项分布不存在显著差异。;SPSS二项分布检验的数据是实际收集到的样本数据，而非频数数据。;? 研究问题 某地某一时期内出生35名婴儿，其中女性19名（定Sex=0），男性16名（定Sex=1）。问这个地方出生婴儿的性别比例与通常的男女性比例（总体概率约为0.5）是否不同？数据如表10-2所示。 ;婴 儿;? 实现步骤;图10-7 “Binomial Test”对话框;图10-8 “Binomial Test：Options”对话框;8.2.3 结果和讨论;8.3.1 统计学上的定义和计算公式; 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。其零假设H0为样本来自的总体与指定的理论分布无显著差异。;SPSS实现K-S检验的过程如下： （1）根据样本数据和用户的指定构造出理论分布，查分布表得到相应的理论累计概率分布函数；;第34页/共141页; SPSS在统计中将计算K-S的Z统计量，并依据K-S分布表（小样本）或正态分布表（大样本）给出对应的相伴概率值。如果相伴概率小于或等于用户的显著性水平α，则应拒绝零假设H0，认为样本来自的总体与指定的分布有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为样本来自的总体与指定的分布无显著差异。;8.3.2 SPSS中实现过程;表10-4 儿童身高数据;? 实现步骤;图10-13 “One-Sample Kolmogorov-Smirnov Test”对话框;图10-14 “One-Sample K-S：Options”对话框;8.3.3 结果和讨论;8.4.1 统计学上的定义和计算公式;两个样本是否独立，主要看在一个总体中抽取样本对另外一个总体中抽取样本有无影响。如果没有影响，则可以认为两个总体是独立的。 SPSS提供了4种两独立样本的非参数检验方法。;1．两独立样本的Mann-