SPSS社会科学统计软件-第6章 非参数检验.ppt

第6章非参数检验6.1非参数检验概述6.2单样本检验6.3独立样本差异的显著性检验6.4相关样本差异的显著性检验6.1非参数检验概述非参数检验是数理统计学的一个分支，与“参数检验”相比较而存在。参数检验是在已知总体分布的条件下，对其中的参数进行检验，所以是一种仅适用于一些特定环境下的检验。如第5章中进行的均值检验就属于参数检验，首先它对总体分布作出了服从正态分布的假设，然后根据来自总体的样本对均值进行检验。但在许多实际问题中，人们往往对总体的分布形式知之甚少，很难给出正确假定，因此也就不能应用参数检验方法了。假定总体分布的具体形式未知，从样本数据本身来获得所需信息，对总体分布的类型和位置进行检验，这在数理统计中称为非参数检验。6.1.1非参数检验的特点参数检验和非参数检验各有各的优势。非参数检验由于不受总体分布形状的限制，因而具有较广泛的适用性，虽然所得结论往往略显保守，但具有较好的稳健性（Robustness），即不会因为总体分布的一些变化而导致结论的错误。当人们对总体的了解足以确定其分布类型时，非参数方法就不如参数方法具有更强的针对性，因而其有效性就显得较差。1）从非参数检验的前提条件看，仅要求“观测值是独立的”或“变量具有连续性”等简单假设，不要求确保样本所属的总体符合某种理论分布。2）从非参数检验方法对原始数据的要求看，它不要求有很精确的计量值。如果进行参数检验，数据的精度一定要达到定距水平和定比水平，而非参数检验则可以使用定序水平和定类水平的数据。非参数检验的处理方法大都基于低精度数据。如果是精度较高的数据，可以通过降低档次，使之成为精度较低的数据。所以从这个角度讲，非参数检验方法适用性强，它可以处理所有类型的数据。当然数据降低档次必然会导致丢失数据的一些信息，这也是非参数检验不可避免的缺陷。3）从非参数检验方法的效率看，虽然非参数检验的计算方法名目繁多，有时对某类数据的算法就有多种，但其表现形式一般比较简单并易于理解，依照不同类型数据的不同算法，效率自然也不同。非参数检验需要更大的样本容量来保证所要求的检验精度。6.1.2非参数检验方法分类SPSS的“NonparametricTests”菜单中提供了8种非参数检验的分析方法。8种方法可以被分为两大类：1）分布类型检验方法，检验样本所在总体是否服从已知的理论分布。具体包括检验样本是否服从各类设定分布的Chi-Square过程；检验二项分类变量分布的Binomial过程；检验样本序列随机性的Runs过程；检验样本是否服从各种常用分布的l-SampleK-S过程。这类检验是针对单个样本。2）分布位置检验方法，检验两个或多个样本所属的总体分布位置、形状是否相同。具体包括独立样本分布位置检验的2IndependentSamples与KIndependentSamples过程；相关样本分布位置检验的2RelatedSamples与KRelatedSamples过程。6.2单样本检验对获取的样本资料，往往最希望了解其所属总体的分布形态是否与已知的理论分布相吻合，或它们是否具有随机性。人们可以通过绘图作粗略判断，但如果希望得到比较准确的结论，则需要用非参数检验。下面介绍的方法中，卡方检验（Chi-Square）、二项分布检验（Binomial）和单样本K-S（1-SampleK-S）检验三种方法都属于拟合优度检验，即都是检验属于每一类别的实际数据与根据零假设所得到的期望数据之间是否有显著性差异。而游程检验（Runs）是用来对样本数据的随机性进行检验。6.2.1卡方检验（Chi-SquareTest）在很多调查研究中，能够搜集到按某个分类标志划分的各类个案。如要研究消费者对某种产品是否有“颜色”的偏好，可以将200位消费者按购买不同颜色的产品分类，得到各颜色产品的购买人数。又如要研究总统候选人的民意支持，可以抽取一个500人的样本统计每个候选人的得票，这样的数据是典型的定类数据，而卡方检验就是用来处理这类数据的。【例6-1】某企业生产线上星期一至星期五的不合格产品数量如表6.1所示，试检验五个不同工作日的产品不合格数是否相同（α=0.05）？卡方检验（检验）适用于具有明显分类特征的数据，根据这些样本数据来判断样本所属的总体分布与某一设定分布是否有显著差异，所谓设定分布可以是我们熟悉的理论分布，如正态分布、均匀分布等，也可以是任何想象的分布。零假设H0是：样本所属总体其分布形态与设定分布无显著差异。就例6-1而言，H0：五个不同工作日的产品不合格数相同；H1：五个不同工作日的产品不合格数不相同。在进行检验时需要构造下面的统计量：如果观察频数与理论频数越接近，则Q值越小，根据皮尔逊定理，当n充分