非参数检验卡方检验实验报告
卡方检验实验报告doc
卡方检验实验报告篇一：实验报告卡方检验试验报告解：组数：1→对照，2→新措施。
存活与死亡数：1→存活数，2→死亡数。
在SPSS中输入数据后选择选择数据→加权个案，然后再选择分析→描述统计→交叉表。
得到如下表：由表1与表2可以看出有效案例中的 N=300，自由度为1，卡方值为：7.317，P值为：P=0.0073(原文来自：小草范文网:卡方检验实验报告).8415，拒绝假设是合理的。
解：在SPSS中输入数据后选择选择数据→加权个案，然后再选择分析→描述统计→交叉表。
得到如下表：篇二：非参数检验(卡方检验) 实验报告大理大学实验报告课程名称实验名称专业班级姓名学号实验日期XX—XX学年度第学期实验地点第2页共9页第3页共9页第4页共9页第5页共9页篇三：实验报告一：卡方检验本科学生综合性实验报告学号学院生命科学学院专业、班级 09应生A 实验课程名称生物统计学教师及职称张麟（研究生）开课学期填报时间云南师范大学教务处编印例2：放射性物质放射出的质点数是服从泊松分布的有名例子。
1910年Rutherford等人的著名实验揭露了这个事实。
在这个实验中，观察了长为7.5秒的时间间隔里到达某指定区域的质点数，共观察N＝2608次描述：Chi-Square＝1665.129，df=10,Asymp. Sig.＝0.0000 例8 为研究长跑运动对增强普通高校学生的心功能的效果，某学院对随机抽取15名男生，进行5个月的长跑锻炼，5个月前后测得的晨脉数据如表所示，问长跑锻炼后的晨脉次数有否降低？某校15名学生5个月长跑锻炼前后的晨脉次数（单位：次/分钟）结论：计算结果表明，Asymp. Sig. (2-tailed)＝0.004 欲对三位运动员的综合技术作出评价，以不同专业层次的8位教师对三位运动员的技术作评分（下表），问不同教师对三位运动员技术水平的评价有无不同？描述：Chi-Square＝0.062，df=2，Asymp. Sig.＝0.969>0.05,，不同教师对三位运动员技术水平的评价基本一致。
非参数统计列联表卡方检验
非参数统计期末大作业、Wilcoxon 符号秩检验某个公司为了争夺竞争对手的市场，决定多公司重新定位进行宣传。
在广告创意中，预计广告投放后会产生效果。
一组不看广告组和一组看广告，抽取16位被调查者，让起给产品打分。
现有数据如下1、手算建立假设：H0:广告效应不显著H1:广告效应显著不看广告组记为X，看广告组记为y 检验统计量计算表由表可知：T+=1+4+5+2.5=12.5「=7+2.5+6+8=23.5根据n=8, T+和T-中较大者T-=23.5，查表得，T+的右尾概率为0.230到0.273，在显著性水平二=-二下，P值显然较大，故没有理由拒绝原假设，表明广告效应不显著。
2、Spss在spss中输入八组数据（数据1）：选择非参数检验中的两个相关样本检验File Edit Vie*/ Data TransformH ft 113;不冇广吿右广1 622633 964 996716■3U797Q100g10111213u15161716m Analyze Giaprs UtHftles Add-ons Wndow He*)ReportsTablesCotnpgre MeonsGeneral Linear Mode)Mixed ModelsCorrelateRegr&ssioriLogintarNeural NetworksGlassilyQata ReductionScaleyanparatnetric TestsTime SeriesSurvivalMissing V H I LJE AnaiYsis...Oomp[ex SamplesQuality Controls] ROC curae...var var var* E 1] Binomiel... b 画Runs...区l-SemfoleK-S...> JL 2 lixlepenclent SamplesK Independent Sairipleg...2 Related Samples...对话框中选择Wilcoxon，输出如下结果（输出1）：RanksN Mean Rank Sum of Ranks看广告-不看广告Negative Ranks 4a 3.12 12.50b. 看广告> 不看广告c. 看广告=不看广告由上表，负秩为4,正秩也为4,同分的情况为0,总共&负秩和为12.5,正秩和为23.5，与手算结果一致b. Wilcoxon Signed Ranks Test由上表，z为负，说明是以负秩为基础计算的结果，其相应的双侧渐进显著性结果为0.441，明显大于0.05，因此在口=::二的显著性水平下，没有理由拒绝原假设，即表明广告效应不显著，与手算的结论一致3、R语言（R语言1）输入语句：x=c(62,83,96,99,71,60,97,100) y=c(87,92,90,86,94,95,82,91)wilcox.test(x,y,exact=F,cor=F) 输出结果：Wilcox on rank sum testdata: x and yW = 33, p-value = 0.9164alter native hypothesis: true locati on shift is not equal to 0由输出结果可知，P=0.9164,远大于=0.05，因此没有理由拒绝原假设, 即广告效应并不显著，与以上结果一致、Wald-Wolfowitz 游程检验有低蛋白和高蛋白两种料喂养大白鼠，以比较它们对大白鼠体重的增加是否有显著不同的影响，为此对m=10,n=10只大白鼠分别喂养低蛋白和高蛋白两种饲料，得增重量X，丫（单位：g）的表如下：1、手算建立假设：H0：两种饲料对大白鼠无显著差异H1:两种饲料对大白鼠有显著差异将X,Y的数据按从小到大混合排列，得X,Y的混合样本序列：YYYXYYXXXYYYYYXXXXXX故得游程总数U=6, m=10，n=10,查表得，U=6的概率为0.019，由于是双侧检验，对于显著性水平=0.05,对应的P值为X 0,019 = 0.038 < o.oS,2 因此拒绝原假设，即表明两种饲料对大白鼠有显著差异。
SPSS非参数检验之一卡方检验
SPSS 中非参数检验之一:总体分布的卡方(Chi —square ）检验在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合.这可以通过绘制样本数据直方图的方法来进行粗略的判断。
如果需要进行比较准确的判断，则需要使用非参数检验的方法。
其中总体分布的卡方检验(也记为χ2检验）就是一种比较好的方法。
一、定义总体分布的卡方检验适用于配合度检验,是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显著差异。
它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显著差异。
总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时,就近似服从X 的总体分布。
因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q()21ki i i i O E Q E =-=∑其中，Oi 表示观察频数;Ei 表示期望频数或理论频数.可见Q 值越大,表示观察频数和理论频数越不接近;Q 值越小，说明观察频数和理论频数越接近.SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X 平方分布，因此SPSS 将根据X 平方分布表给出Q 统计量所对应的相伴概率值。
如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设HO ，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异. 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。
二、实例某地一周内各日患忧郁症的人数分布如下表所示,请检验一周内各日人们忧实施步骤：1、打开SPSS 20。
spss卡方检验和非参数检验
疫苗免疫效果实验
发病 未发病 合计
实验组 14
86 100
对照组 30
90 120
合计
44 176 220
实验组发病率：P实验组
实验组发病人数 实验组总人数 100%
14 100
Cont inuity Correaction1.004
Asy mp. Sig.Exact Sig. Exact Sig.
df
(2-sided) (2-sided) (1-sided)
1
.119
1
.316
Likelihood Rat io
2.418
1
.120
Fisher's Exact Test
.267
n ≥ 40，且所有格子的理论频数E≥5 不校正。
n ≥ 40，且任一格子的理论频数 5>E>1 需要校正。
n<40，或任一格子的理论频数E≤1 不能用χ2检验，应该用直接概率法。
H0：π1=π2 疫苗对疾病的发生没有影响 H1：π1≠π2 疫苗对疾病的发生有影响 α=0.05 所有理论频数E>5，不需校正。
常用非参数检验
实际研究中，有很多实验数据不服从正态分布，或无 法确定分布类型，也不能通过数学变换的方法使其满 足正态性，无法应用参数检验的方法。
非参数检验不要求数据服从正态分布。 SPSS中常用的非参数检验
Analyze- Nonparametric test
两个独立样本比较的非参数检验
Test Statistics b
df
非参数检验（卡方检验）,实验报告
非参数检验（卡方检验）,实验报告评分大理大学实验报告课程名称生物医学统计分析实验名称非参数检验(卡方检验)专业班级姓名学号实验日期实验地点2015—2016 学年度第学期一、实验目得对分类资料进行卡方检验。
二、实验环境1、硬件配置:处理器:Intel(R)Core(TM)i5-4210U CPU 1、7GHz 1、7GHz 安装内存(RAM):4、00GB系统类型:64 位操作系统 2、软件环境:IBM SPSS Statistics 19、0 软件三、实验内容(包括本实验要完成得实验问题及需要得相关知识简单概述)（1）课本第六章得例 6、1-6、5 运行一遍,注意理解结果;（2）然后将实验指导书得例 1-4 运行一遍,注意理解结果。
四、实验结果与分析(包括实验原理、数据得准备、运行过程分析、源程序(代码)、图形图象界面等)例例 6、1 表 1 灭螨A A 与灭螨B B 杀灭大蜂螨效果得交叉制表效果合计杀灭未杀灭组别灭螨A 32 12 44 灭螨B 14 22 36 合计 46 34 80 分析: 表1就是灭螨A与灭螨B杀灭大蜂螨效果得样本分类得频数分析表,即交叉列联表。
表 2 卡方检验X2 值df 渐进Sig、(双侧)精确Sig、(双侧)精确Sig、(单侧)Pearson 卡方 9、277a1、002连续校正b7、944 1、005似然比 9、419 1、002Fisher 得精确检验、003、002 有效案例中得 N 80a、0 单元格(、0%)得期望计数少于5。
最小期望计数为15、30。
b、仅对 2x2 表计算分析: 表2就是卡方检验得结果。
因为两组各自得结果互不影响,即相互独立。
对于这种频数表格式资料,在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量,才能进行卡方检验。
Pearson 卡方:皮尔逊卡方检验计算得卡方值(用于样本数n≥40且所有理论数E≥5);连续校正b : 连续性校正卡方值(df=1,只用于2*2列联表);似然比:对数似然比法计算得卡方值(类似皮尔逊卡方检验);Fisher 得精确检验:精确概率法计算得卡方值(用于理论数E<5)。
实验报告卡方检验
实验报告卡方检验1. 引言卡方检验是一种用于判断变量之间是否存在关联性的统计方法。
它可以用于比较观察频数和期望频数之间的差异，并通过计算卡方统计量来判断这种差异是否显著。
本实验旨在介绍卡方检验的基本原理和应用方法，并通过一个具体案例来演示其使用过程。
2. 原理卡方检验是基于卡方统计量进行判断的。
卡方统计量的计算公式如下：X^2 = \sum \frac{(O - E)^2}{E}其中，O 表示观察频数，E 表示期望频数。
卡方统计量的值越大，说明观察频数和期望频数之间的差异越大，即变量之间的关联性越强。
卡方检验的步骤如下：1. 建立假设：设H_0为原假设，H_1为备择假设。
H_0 假设不存在变量间的关联性，H_1 假设存在变量间的关联性。
2. 计算观察频数和期望频数：根据给定的数据计算得到观察频数和期望频数。
3. 计算卡方统计量：根据卡方统计量的计算公式，计算得到卡方统计量的值。
4. 设置显著性水平：根据实验需求和数据量，设置显著性水平，通常取0.05或0.01。
5. 判断显著性：根据卡方统计量的值和显著性水平，判断是否拒绝原假设。
如果卡方统计量的值大于显著性水平对应的临界值，则拒绝原假设；否则，接受原假设。
3. 案例演示假设有一张表格，记录了200名学生在选课时选择了哪个学科，包括科学、文学和艺术。
下面是观察频数的数据：科学文学艺术男生数60 40 30女生数45 25 0现在我们要判断学生的性别和选课学科之间是否存在关联性。
3.1. 建立假设原假设H_0: 学生的性别和选课学科之间不存在关联性。
备择假设H_1: 学生的性别和选课学科之间存在关联性。
3.2. 计算观察频数和期望频数首先，我们需要计算每个单元格的期望频数。
期望频数的计算公式如下：E = \frac{(\text{对应行的总计数}) \times (\text{对应列的总计数})}{\text{总样本数}}根据以上公式，我们可以得到下表的期望频数：科学文学艺术-男生数55.71 34.29 40女生数49.29 30.71 353.3. 计算卡方统计量根据卡方统计量的计算公式，我们可以得到卡方统计量的值：X^2 = \frac{(60-55.71)^2}{55.71} + \frac{(40-34.29)^2}{34.29} +\frac{(30-40)^2}{40} + \frac{(45-49.29)^2}{49.29} +\frac{(25-30.71)^2}{30.71} + \frac{(0-35)^2}{35} = 7.1193.4. 设置显著性水平根据实验需求和数据量，我们设置显著性水平为0.05。
spss实验报告——非参数检验
实验报告——（非参数检验）实验目的：1、学会使用SPSS软件进行非参数检验。
2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。
实验内容：1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建)SPSS计算结果如下：此题为总体分布的卡方检验。
零假设：样本来自总体分布形态和期望分布没有显著差异。
即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。
观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。
从下表中可以看出相伴概率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。
2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav）-+++*++++-+++-+++++----++----+----毒源问：中毒与饮水是否有关？SPSS计算结果如下：此题为单样本变量值随机检验零假设：总体某变量的变量值是随机出现的。
即中毒的家庭沿河分布的情况随机分布，与饮水无关。
相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。
3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。
试验组：24 26 27 30 32 34 36 40 60 天以上对照组：4 6 7 9 10 10 12 13 16 16SPSS计算结果如下：此题为两独立样本非参数检验。
spss参与非参检验实验报告参考模板
第五章 参数检验❶单样本t 检验：（5.2）分析六级考试成绩一般平均得分是否为75；1.录入数据，全部学生的六级考试成绩显而易见服从正态分布，可用Q-Q 图，或非参检验对所抽取的样本进行正态性检验，之后进行单样本t 检验。
2.选择菜单：Analyze---Compare Means---One-Sample T Test ，再出现的窗口中，选择“六级考试成绩”到【Test Variable 】框中，在【Test Vaule 】框中输入检验值75。
单击“OK ”度10，第四列为检验p 值0.668，第五列为样本均值与检验值的差，第六列和第七列为总体均值与原假设值差的95%的置信区间，为（-7.69,5.14）。
若取显著性水平α为0.05，则p 大于α，因此应该接受原假设，认为六级考试成绩一般平均得分为75分。
95%的置信区间告诉我们有95%的把握认为六级考试成绩的均值在67.31~85.14之间。
❷两独立样本t 检验（5.3）分析有促销和无促销情况下商品的日销售额是否存在显著变化；1.录入数据，有促销和无促销情况下的日销售额可以看成两个独立总体，且日销售额可近似认为服从正态分布，可用Q-Q 图或非参检验对其正态性检验。
在以上前提下，进而可对不同情况下的日销售额进行两独立样本t 检验。
2.选择菜单：Analyze---Compare Means---Independent-Samples T Test，再出现的窗口中，选择“日销售额”到【Test Variable 】框中，选择“type ”到【Grouping Variable 】框中，按【Define Groups 】按钮定义两总体的标识值，分别在Group1与Group2中输入1,23.如上表Independent Sample Test 所示，结论分析为两步:第一步，方差齐性检验。
F 统计量的观测值为0.225，对应的p 值为0.638，若取显著性水平α为0.05，则p 大于α，可以认为两总体的方差相等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大理大学实验报告
课程名称生物医学统计分析
实验名称非参数检验（卡方检验）
专业班级
姓名
学号
实验日期
实验地点
2015—2016学年度第 2 学期
Fisher 的精确检验:精确概率法计算的卡方值（用于理论数E<5）。
不同的资料应选用不同的卡方计算方法。
例为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。
X2=，P（Sig）=<，表明灭螨剂A组的杀螨率极显着高于灭螨剂B组。
例
表3 治疗方法* 治疗效果交叉制表
计数
治疗效果
123
合计
治疗方法11916540
21612836
31513735合计504120111
分析：表3是治疗方法* 治疗效果资料分析的列联表。
表4 卡方检验
X2值df渐进 Sig. (双侧) Pearson 卡方 1.428a4.839
似然比4.830线性和线性组合.5141.474
有效案例中的 N111
a. 0 单元格(.0%) 的期望计数少于 5。
最小期望计数为。
分析：表4是卡方检验的结果。
自由度df=4，表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为。
各理论次数均大于5，无须进行连续性校正，因此可以采用第一行（Pearson 卡方）的检验结果，即
X2=，P=>,差异不显着，可以认为不同的治疗方法与治疗效果无关，即三种治疗方法对治疗效果的影响差异不显着。
例
表5 灌溉方式* 稻叶情况交叉制表
计数
稻叶情况
123
合计
灌溉方式114677160
2183913205
31521416182合计4813036547
分析：表5是灌溉方式* 稻叶情况资料分析的列联表。
表6 卡方检验
X2值df渐进 Sig. (双侧) Pearson 卡方 5.622a4.229似然比4.237线性和线性组合1.034
有效案例中的 N547
a. 0 单元格(.0%) 的期望计数少于 5。
最小期望计数为。
分析：表6是卡方检验的结果。
自由度df=4，样本数n=547。
表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为。
各理论次数均
大于5，无须进行连续性校正，因此可以采用第一行（Pearson 卡方）的检验结果，即X2=，P=>,差异不显着，即不同灌溉方式对稻叶情况的影响差异不显着。
例
表7 场地* 奶牛类型交叉制表
计数
奶牛类型
123
合计场地115241251
242713
概率法计算，即用第三行（Fisher 的精确检验）的检验结果，即X2=，P=>,差异不显着，即3种奶牛牛场不同类型奶牛的构成比对差异不显
着。
例
表9 LPA* FA 交叉制表
FA
12
合计LPA117017
24711合计21728
分析：表9是LPA* FA资料分析的列联表。
表10 配对卡方检验
值精确 Sig.(双侧) McNemar 检验.125a
有效案例中的 N28
a. 使用的二项式分布。
分析：表10是LPA和FA两种检测方法的配对卡方检验。
由于b+c<40,SPSS选用二项分布的直接计算概率法（相当于进行了精确校正），计算该配对
资料的检验的精确双侧概率，并且不能给出卡方值。
本例P=>，差异不
219
317
415
515
616.0
719
总数112
分析：表12结果显示一周内各日死亡的理论数（Expected）为，即一周内各日死亡均数；还算出实际死亡数与理论死亡数的差值（Residual）。
表13 检验统计量
周日
卡方 2.875a
df6
渐近显着性.824
a. 0 个单元 (.0%) 具有小于 5 的期望频率。
单元最小期望频率为。
分析：Chi-Square过程，调用此过程可对样本数据的分布进行卡方检验。
卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否
相符。
卡方值X2=，自由度数（df）=6，P=>，差异不显着，即可认为一周内各日的死亡危险性是相同的。
例2
表14 二项式检验
散布范围是否有差异存在，以检验两个样本是否来自具有同一分布的
总体；Wald-Wolfowitz runs：考察两个独立样本是否来自具有相同分
布的总体。
表16 检验统计量b
血铅值
Mann-Whitney U
Wilcoxon W
Z
渐近显着性(双侧).003
精确显着性[2*（单侧显着性）].001a
a. 没有对结进行修正。
b. 分组变量: group
分析：本例选Mann-Whitney U检验方法，表15结果表明，第1组的平均秩次（Mean Rank）为，第2组的平均秩次为，U = ，W = ，精确双侧概率P = ，可
认为铅作业组工人的血铅值高于非铅作业组。
例4
表17 group* effect 交叉制表
计数
effect
无效有效
合计group对照组217596
实验组599104合计26174200分析：表17是group* effect资料分析的列联表。
表18 卡方检验
X2值df 渐进 Sig.
(双侧)
精确
Sig.(双侧)
精确
Sig.(单侧)
Pearson 卡方12.857a1.000
连续校正b1.001
似然比1.000
Fisher 的精确
检验
.001.000
有效案例中的
N
200
a. 0 单元格(.0%) 的期望计数少于 5。
最小期望计数为。
b. 仅对 2x2 表计算
分析：表18卡方检验资料n=200>40 , 表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为。
,可取Pearson卡方值和似然比
(Likelihood ratio)值 ,二者值分别为和,P<,试验组和对照组的疗效差别有统计学意义,可认为异梨醇口服液降低颅内压的疗效优于氢氯
噻嗪 + 地塞米松。