统计学非参数检验程序实例.docxVIP

统计学非参数检验程序实例

非参数检验：概念与适用场景

在数据分析的实践中，我们常常面临这样的情况：数据并不完全符合参数检验（如t检验、方差分析）所要求的严格假设，比如正态分布或方差齐性。此时，非参数检验方法便成为我们探索数据规律、进行统计推断的有力工具。非参数检验，顾名思义，其核心特点在于它不依赖于对总体分布形式的具体假定，也不对总体参数进行直接估计和检验，而是基于数据的秩次或符号等信息进行分析。这使得非参数检验在处理等级数据、偏态分布数据、或总体分布不明的数据时，具有参数检验无法替代的优势。其适用场景广泛，包括但不限于：样本量较小且分布形态不确定的数据、以序数尺度测量的结果数据、以及那些明显偏离参数检验假设前提的数据。理解并掌握非参数检验的基本原理与操作程序，对于提升数据分析的稳健性和结论的可靠性至关重要。

常用非参数检验方法与实例操作

一、单样本位置检验：符号检验与Wilcoxon符号秩检验

当我们需要推断单个样本的中位数是否等于某个特定值，或者比较配对设计下两组数据的差异时，符号检验和Wilcoxon符号秩检验是常用的非参数方法。

1.符号检验(SignTest)

符号检验是一种最简单的非参数检验，它仅利用数据与假设中位数之间差异的符号（正或负）进行推断，而不考虑差异的大小。

*适用条件：

*数据为连续型或有序分类数据。

*关注的是中位数是否等于某个假设值。

*对数据分布无要求。

*检验步骤与实例：

*问题提出：某品牌宣称其一款电池的平均使用寿命（中位数）为10小时。现随机抽取若干节电池进行测试，得到使用寿命数据（小时）如下：9,11,10,8,12,9,10,11,7。我们想检验该品牌的宣称是否可信。

*建立假设：

*H0：总体中位数M=10

*H1：总体中位数M≠10(双侧检验)

*计算差异符号：将每个数据与10相减，记录符号。

9-10=-1(负号,-)

11-10=+1(正号,+)

10-10=0(零,不计入)

8-10=-2(-)

12-10=+2(+)

9-10=-1(-)

10-10=0(不计入)

11-10=+1(+)

7-10=-3(-)

得到：正号(+)共3个，负号(-)共4个，零不计入，有效样本量n=3+4=7。

*确定检验统计量：符号检验中，检验统计量通常取正号的个数（或负号的个数，取较小者）。这里正号数为3，负号数为4，取较小的正号数T=3。

*确定P值并做出决策：对于n=7，双侧检验，查二项分布表（p=0.5），P(T≤3)或P(T≥4)。通过查表或使用统计软件，我们可以得到在H0成立时，出现3个或更少正号的概率。若显著性水平α设为0.05，当P值大于α时，不拒绝H0。在此例中，容易判断P值不会太小，因此我们没有充分证据拒绝原假设，即该品牌的宣称在当前样本下是可以接受的。

2.Wilcoxon符号秩检验(WilcoxonSigned-RankTest)

相较于符号检验，Wilcoxon符号秩检验不仅考虑了差异的方向，还融入了差异大小的信息，因此检验效能通常更高。

*适用条件：

*数据为连续型。

*数据来自对称分布的总体（尽管对对称性要求并非绝对严格，但此假设能保证检验的有效性）。

*关注的是中位数是否等于某个假设值，或配对数据的总体中位数差异是否为零。

*检验步骤与实例：

*问题提出：沿用上述电池寿命的例子，我们改用Wilcoxon符号秩检验来分析。数据同前：9,11,10,8,12,9,10,11,7。

*建立假设：

*H0：总体中位数M=10

*H1：总体中位数M≠10(双侧检验)

*计算差异并忽略零值：同符号检验，计算每个数据与10的差异，剔除差异为0的数据，得到差异值：-1,+1,-2,+2,-1,+1,-3。

*编秩：

1.对差异的绝对值进行排序，并赋予秩次。若有相同的绝对值（相持），则取其平均秩次。

差异绝对值：1,1,1,2,2,3

（注意，原始差异值有-1,+1,-2,+2,-1,+1,-3，绝对值分别是1,1,2,2,1,1,3。排序后为1,1,1,1,2,2,3）

排序后：1(原差异-1),1(原差异+1),1(原差异-1),1(原差异+1),2(原差异-2),2(原差异+2),3(原差异-3)

秩次分配：

前四个绝对值为1的，它们占据了1-4名，平均秩次为(1+2+3+4)/4=2.5。

接下来两个绝对值为2的，占据5-6名，平均秩