SPSS学习教程PPT10非参数检验
定义：两独立样本的非参数检验是在对总 体分布不很了解的情况下，通过分析样本数据， 推断样本来自的两个独立总体分布是否存在显 著差异。一般用来对两个独立样本的均数、中 位数、离散趋势、偏度等进行差异比较检验。
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。
10.1 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χ 2 检验）就是一种比较好的方法。
两独立样本的K-S检验将关注差值序列。SPSS 将自动计算K-S Z统计量，并依据正态分布表 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，则应拒绝零假设H0， 认为两个样本来自的总体分布有显著差异；如 果相伴概率值大于显著性水平，则不能拒绝零 假设H0，认为两个样本来自的总体分布无显著 差异。
实现步骤
图10-12 在菜单中选择“1-Sample K-S”命令
图10-13 “One-Sample Kolmogorov-Smirnov Test”对话框
图10-14 “One-Sample K-S：Options”对话框
10.4.3 结果和讨论
（1）本例输出结果如下表所示。
10.5 两独立样本非参数检验 10.5.1 统计学上的定义和计算公式
图10-8 “Binomial Test：Options”对话框
10.2.3 结果和讨论
10.3 SPSS单样本变量值随机性检验 10.3.1 统计学上的定义和计算公式
定义：单样本变量值的随机性检验是对某 变量的取值出现是否随机进行检验，也称为游 程检验（Run过程）。
单样本变量值的随机性检验是由Wald提出 的，它的零假设为H0：总体某变量的变量值出 现是随机的。 单样本变量值的随机性检验通过游程 （Run）数来实现。所谓游程是样本序列中连 续出现的变量值的次数。
10.1.2 SPSS中实现过程
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。
表10-1
学生的数学成绩 周 日 1 2 3 4 5 患 者 数 31 38 70 80 29
6
7
24
31
实现步骤
图10-1 在菜单中选择“Weight Cases”命令
10.2.2 SPSS中实现过程
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102所示。
表10-2
婴 1 2 儿
35名婴儿的性别
Sex 1 0 婴 13 14 儿 Sex 1 1 婴 儿 25 26 Sex 1 1
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。
2．两独立样本的K-S检验
两独立样本的K-S检验能够对两独立样本的总 体分布情况进行比较。其零假设是H0为样本来 自的两独立总体分布没有显著差异。
两独立样本的K-S检验实现方法是：首先将两 组样本数据（X1，X2，…，Xm）和（Y1， Y2，…，Yn）混合并按升序排列（m和n是两组 样本的样本容量），分别计算两组样本秩的累 计频率和每个点上的累计频率；最后将两个累 计频率相减，得到差值序列数据。
（2）输出的结果文件中第二个表格如下。
10.2 二项分布检验 10.2.1 统计学上的定义和计算公式
现实生活中有很多数据的取值只有两类， 如医学中的生与死、患病的有与无、性别中的 男性和女性、产品的合格与不合格等。从这种 二分类总体中抽取的所有可能结果，要么是对 立分类中的这一类，要么是另一类，其频数分 布称为二项分布。调用SPSS中的二项分布检验 （Binomial）可对样本资料进行二项分布分析。
1．两独立样本的Mann-Whitney U检验
两独立样本的Mann-Whitney U检验的零假设 H0为样本来自的两独立总体均值没有显著差异。
两独立样本的Mann-Whitney U检验主要通过 对平均秩的研究来实现推断。秩简单地说就是 名次。如果将数据按照升序进行排序，这时每 一个具体数据都会有一个在整个数据中的位置 或名次，这就是该数据的秩，数据有多少个， 秩便有多少个。
研究问题 某村发生一种地方病，其住户沿一条河排 列，调查时对发病的住户标记为“1”，对非 发病的住户标记为“0”，共35户，其取值如 表10-3所示。
表10-3
住 1 2 3 4 5 6 7 8 9 10 11 12 户
35名住户发病情况
发病情况 1 0 1 1 1 1 0 0 0 0 1 1 住 户 13 14 15 16 17 18 19 20 21 22 23 24 发病情况 1 1 1 1 0 0 1 1 0 0 1 1 住 25 26 27 28 29 30 31 32 33 34 35 户 发病情况 1 1 0 1 0 0 1 0 0 0 0
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。
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。
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
10.1.3 结果和讨论
（1）本例输出结果中有两个表格，其中 第一个表格如下。
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
3
4 5 6
1
1 1 1
15
16 17 18
1
1 0 0
27
28 29 30
0
0 0 0
7
8 9 10
0
0 0 0
19
20 21 22
0
0 0 0
31
32 33 34
1
0 0 0
11
12
1
1
23
24
1
1
35
0
实现步骤
图10-6 在菜单中选择“Binomial Test”命令
图10-7 “Binomial Test”对话框
SPSS 16实用教程
第10章 非参数检验
10.1 总体分布的卡方（Chi-square）检验 10.2 10.3
二项分布检验 SPSS单样本变量值随机性检验 SPSS单样本K-S检验 两独立样本非参数检验 多独立样本非参数检验
10.4
10.5 10.6Fra bibliotek10.7
10.8
两配对样本非参数检验
多配对样本非参数检验
在SPSS单样本变量值的随机性检验中， SPSS将利用游程构造Z统计量，并依据正态分 布表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，认为样本值的出现不是随机的；如果相 伴概率值大于显著性水平，则不能拒绝零假设 H0，认为变量值的出现是随机的。
10.3.2 SPSS中实现过程
本章将介绍总体分布的卡方（Chisquare）检验、二项分布（Binomial）检验、 单样本K-S（Kolmogorov-Smirnov）检验、单 样本变量值随机性检验（Runs Test）、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、多配对样本非参数检 验等8类常用的非参数检验方法。其中前4种属 于单样本非参数检验。
如果计算出的游程数相对比较小，则说明 样本来自的两总体的分布形态存在较大差距； 如果得到的游程数相对比较大，则说明样本来 自的两总体的分布形态不存在显著差距。
SPSS将自动计算游程数得到Z统计量，并 依据正态分布表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，则 应拒绝零假设H0，认为两个样本来自的总体分 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，认为两个样本来自 的总体分布无显著差异。
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。
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。
10.1 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χ 2 检验）就是一种比较好的方法。
两独立样本的K-S检验将关注差值序列。SPSS 将自动计算K-S Z统计量，并依据正态分布表 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，则应拒绝零假设H0， 认为两个样本来自的总体分布有显著差异；如 果相伴概率值大于显著性水平，则不能拒绝零 假设H0，认为两个样本来自的总体分布无显著 差异。
实现步骤
图10-12 在菜单中选择“1-Sample K-S”命令
图10-13 “One-Sample Kolmogorov-Smirnov Test”对话框
图10-14 “One-Sample K-S：Options”对话框
10.4.3 结果和讨论
（1）本例输出结果如下表所示。
10.5 两独立样本非参数检验 10.5.1 统计学上的定义和计算公式
图10-8 “Binomial Test：Options”对话框
10.2.3 结果和讨论
10.3 SPSS单样本变量值随机性检验 10.3.1 统计学上的定义和计算公式
定义：单样本变量值的随机性检验是对某 变量的取值出现是否随机进行检验，也称为游 程检验（Run过程）。
单样本变量值的随机性检验是由Wald提出 的，它的零假设为H0：总体某变量的变量值出 现是随机的。 单样本变量值的随机性检验通过游程 （Run）数来实现。所谓游程是样本序列中连 续出现的变量值的次数。
10.1.2 SPSS中实现过程
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。
表10-1
学生的数学成绩 周 日 1 2 3 4 5 患 者 数 31 38 70 80 29
6
7
24
31
实现步骤
图10-1 在菜单中选择“Weight Cases”命令
10.2.2 SPSS中实现过程
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102所示。
表10-2
婴 1 2 儿
35名婴儿的性别
Sex 1 0 婴 13 14 儿 Sex 1 1 婴 儿 25 26 Sex 1 1
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。
2．两独立样本的K-S检验
两独立样本的K-S检验能够对两独立样本的总 体分布情况进行比较。其零假设是H0为样本来 自的两独立总体分布没有显著差异。
两独立样本的K-S检验实现方法是：首先将两 组样本数据（X1，X2，…，Xm）和（Y1， Y2，…，Yn）混合并按升序排列（m和n是两组 样本的样本容量），分别计算两组样本秩的累 计频率和每个点上的累计频率；最后将两个累 计频率相减，得到差值序列数据。
（2）输出的结果文件中第二个表格如下。
10.2 二项分布检验 10.2.1 统计学上的定义和计算公式
现实生活中有很多数据的取值只有两类， 如医学中的生与死、患病的有与无、性别中的 男性和女性、产品的合格与不合格等。从这种 二分类总体中抽取的所有可能结果，要么是对 立分类中的这一类，要么是另一类，其频数分 布称为二项分布。调用SPSS中的二项分布检验 （Binomial）可对样本资料进行二项分布分析。
1．两独立样本的Mann-Whitney U检验
两独立样本的Mann-Whitney U检验的零假设 H0为样本来自的两独立总体均值没有显著差异。
两独立样本的Mann-Whitney U检验主要通过 对平均秩的研究来实现推断。秩简单地说就是 名次。如果将数据按照升序进行排序，这时每 一个具体数据都会有一个在整个数据中的位置 或名次，这就是该数据的秩，数据有多少个， 秩便有多少个。
研究问题 某村发生一种地方病，其住户沿一条河排 列，调查时对发病的住户标记为“1”，对非 发病的住户标记为“0”，共35户，其取值如 表10-3所示。
表10-3
住 1 2 3 4 5 6 7 8 9 10 11 12 户
35名住户发病情况
发病情况 1 0 1 1 1 1 0 0 0 0 1 1 住 户 13 14 15 16 17 18 19 20 21 22 23 24 发病情况 1 1 1 1 0 0 1 1 0 0 1 1 住 25 26 27 28 29 30 31 32 33 34 35 户 发病情况 1 1 0 1 0 0 1 0 0 0 0
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。
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。
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
10.1.3 结果和讨论
（1）本例输出结果中有两个表格，其中 第一个表格如下。
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
3
4 5 6
1
1 1 1
15
16 17 18
1
1 0 0
27
28 29 30
0
0 0 0
7
8 9 10
0
0 0 0
19
20 21 22
0
0 0 0
31
32 33 34
1
0 0 0
11
12
1
1
23
24
1
1
35
0
实现步骤
图10-6 在菜单中选择“Binomial Test”命令
图10-7 “Binomial Test”对话框
SPSS 16实用教程
第10章 非参数检验
10.1 总体分布的卡方（Chi-square）检验 10.2 10.3
二项分布检验 SPSS单样本变量值随机性检验 SPSS单样本K-S检验 两独立样本非参数检验 多独立样本非参数检验
10.4
10.5 10.6Fra bibliotek10.7
10.8
两配对样本非参数检验
多配对样本非参数检验
在SPSS单样本变量值的随机性检验中， SPSS将利用游程构造Z统计量，并依据正态分 布表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，认为样本值的出现不是随机的；如果相 伴概率值大于显著性水平，则不能拒绝零假设 H0，认为变量值的出现是随机的。
10.3.2 SPSS中实现过程
本章将介绍总体分布的卡方（Chisquare）检验、二项分布（Binomial）检验、 单样本K-S（Kolmogorov-Smirnov）检验、单 样本变量值随机性检验（Runs Test）、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、多配对样本非参数检 验等8类常用的非参数检验方法。其中前4种属 于单样本非参数检验。
如果计算出的游程数相对比较小，则说明 样本来自的两总体的分布形态存在较大差距； 如果得到的游程数相对比较大，则说明样本来 自的两总体的分布形态不存在显著差距。
SPSS将自动计算游程数得到Z统计量，并 依据正态分布表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，则 应拒绝零假设H0，认为两个样本来自的总体分 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，认为两个样本来自 的总体分布无显著差异。
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。
合集下载
第7章SPSS的非参数检验 ppt课件
ppt课件
19
SPSS多独立样本非参数检验
(一)目的:
– 与样本在相同点的累计频率进行比较.如果相差 较小,则认为样本所代表的总体符合指定的总体 分布.
ppt课件
9
SPSS的单样本K-S检验
K-S检验
(4)基本步骤:
菜单选项:analyze->nonparametric tests->1-sample k-s 选择待检验的变量入test variable list 框 指定检验的分布名称(test distribution)
ppt课件
17
SPSS两独立样本非参数检验
4. 极端反应检验（Moses Extreme Reaction)
首先，将两样本混合并按升序排序。
然后，求出控制样本的最小秩和最大秩，并计算
出跨度=最大—最小+1。
为了消除样本数据中极端值对分析结果的影响，
在计算跨度之前可按比例去除控制样本中部分靠近两端
的样本值，然后再求跨度，得到截头跨度。
样本数据和分组标志 ppt课件
14
SPSS两独立样本非参数检验
(四)基本方法
1.曼-惠特尼U检验(Mann-Whitney U):平均秩检验
将两样本数据混合并按升序排序 求出其秩 对两样本的秩分别求平均 如果两样本的平均秩大致相同,则认为两总体分布无显著 差异
ppt课件
15
SPSS两独立样本非参数检验
如果跨度或截头跨度较大，则说明是由于两类样
本数据充分混合的结果,p即pt课:件认为两总体分布无显著差异18 .
SPSS两独立样本非参数检验
(五)基本操作步骤
菜单选项:analyze->nonparametric tests->2 independent sample 选择待检验的变量入test variable list框 选择一种或几种检验方法
统计学与SPSS第章非参数检验PPT课件
残差 15.0 -15.0 .0
可编辑
12
软件操作：结果分析（2）
卡方 df 渐近显著性 精确显著性 点概率
材料
11.250 2
.004 .003 .000
可编辑
13
结果分析（3）
结论：计算出的c2统计量的值为11.250， 自由度为2，相应的p值（渐近显著性）为 0.004，小于a=0.05。所以检验的结论是拒 绝总体中消费者对3种材料的偏好程度无差 异的零假设。
可编辑
19
结果分析
N 正态参数a,,b 均值
标准差 最极端差别 绝对值
正 负 Kolmogorov-Smirnov Z 渐近显著性(双侧) 可编辑
时间
100
27.191
8.3728
.096
.096
-.039
.960
.315
20
检验结论
相应的p值（渐近显著性）为0.315。由于 0.315大于0.05，所以在5%的显著性水平 下不能拒绝原假设，也就是说根据样本数 据不能认为总体分布是非正态的。
（3）在参数检验和非参数检验都可以使用 的情况下，非参数检验的功效（power） 要低于参数检验方法。
可编辑
3
以下情况பைடு நூலகம்应当首选非参数方法
（1）参数检验中的假设条件不满足，从而 无法应用。例如总体分布为偏态或分布形 式未知，且样本为小样本时。
（2）检验中涉及的数据为定类或定序数据。
（3）所涉及的问题中并不包含参数，如判 断某样本是否为随机样本，判断某样本是 否来自正态分布等。
这里K-S检验的零假设和备择假设为：
H0：总体中儿童每周看电视的时间服从正
SPSS第讲非参数检验(共72张PPT)
SPSS应用
Kendall协同系数检验中会计算Friedman检验方 法，得到friedman统计量和相伴概率。如果相伴概
率小于显著性水平，可以认为这10个节目之间没有 显著差异，那么可以认为这5个评委判定标准不一 致，也就是判定结果不一致。
SPSS应用
3．多配对样本的Cochran Q检验
多配对样本的Cochran Q检验也是对多个互 相匹配样本总体分布是否存在显著性差异的统计 检验。不同的是多配对样本的Cochran Q检验所能 处理的数据是二值的（0和1）。其零假设是：样 本来自的多配对总体分布无显著差异。
SPSS应用
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应用
6.2 两配对样本非参数检验
6.2.1 统计学上的定义和计算公式
SPSS应用
两配对样本非参数检验的前提要求两个样本 应是配对的。在应用领域中，主要的配对资料包 括：具有年龄、性别、体重、病况等非处理因素 相同或相似者。首先两个样本的观察数目相同， 其次两样本的观察值顺序不能随意改变。
SPSS应用
SPSS中有以下3种两配对样本非参数检验方 法。
SPSS应用
1验．两配对样本的McNemar变化显著性检
SPSS应用
2．两配对样本的符号（Sign）检验
当两配对样本的观察值不是二值数据时，无法 利用前面一种检验方法，这时可以采用两配对样本
的符号（Sign）检验方法。其零假设为：样本来
自的两配对样本总体的分布无显著差异。
第章spss非参数检验ppt文档
第章spss非参数检验
7.1 Chi-Square
1、卡方拟合优度检验
（Nonparametric Tests - Chi-Square）
主要用于分析实际频数与理论频数（已知）拟合情况；χ2
值反映了实际频数和理论频数的吻合程度。χ2值越小，
说明实际频数与理论频数越吻合。
适用于一个变量的多项分类数据的检验分析。
p(1p)/n
【界面设置】
分组值，小于该值为1 组，其余为1组
【界面设置】
分组变量列表，非频 数变量
已知的构成比（个数与要检验 构成比一致）
【结果形式】 可见，该校大学生的生活消费发生了显著变化。
2、列联表资料的卡方检验
(Descriptive Statistic—crosstabs)
可进行计数资料和某些等级资料的列联表分析。主要 两方面功能：
①产生汇总分类数据——列联表，即计算行/列百分数、 行/列汇总数等序列描述统计量；
7.2 Binomial 二项分布检验
主要用于检验变量是否来自二项分布总体的一种检验 方法。
定义变量：至少一个数值型的二分变量（只有两个值） 或至少一个利用断点分为两组的变量。
统计原假设H0：检验二项分布的概率P等于某常数， 即
检验变量服从二项分布。H0:P=p0
统计为量：Z小样k本/n时，p统~计N量(0为,1)k/n；大样本时，统计量
注意变量定义方法及 行列变量的输入值
【界面设置】
行组变量
列组变量
分层变量 按行变量生成频度聚类条图
Statistics按钮： 计算卡方值，用于行列
变量的独立性检验
计算pearson和spearman 相关系数
定类资料的行列变 量相关性检验
7.1 Chi-Square
1、卡方拟合优度检验
（Nonparametric Tests - Chi-Square）
主要用于分析实际频数与理论频数（已知）拟合情况；χ2
值反映了实际频数和理论频数的吻合程度。χ2值越小，
说明实际频数与理论频数越吻合。
适用于一个变量的多项分类数据的检验分析。
p(1p)/n
【界面设置】
分组值，小于该值为1 组，其余为1组
【界面设置】
分组变量列表，非频 数变量
已知的构成比（个数与要检验 构成比一致）
【结果形式】 可见，该校大学生的生活消费发生了显著变化。
2、列联表资料的卡方检验
(Descriptive Statistic—crosstabs)
可进行计数资料和某些等级资料的列联表分析。主要 两方面功能：
①产生汇总分类数据——列联表，即计算行/列百分数、 行/列汇总数等序列描述统计量；
7.2 Binomial 二项分布检验
主要用于检验变量是否来自二项分布总体的一种检验 方法。
定义变量：至少一个数值型的二分变量（只有两个值） 或至少一个利用断点分为两组的变量。
统计原假设H0：检验二项分布的概率P等于某常数， 即
检验变量服从二项分布。H0:P=p0
统计为量：Z小样k本/n时，p统~计N量(0为,1)k/n；大样本时，统计量
注意变量定义方法及 行列变量的输入值
【界面设置】
行组变量
列组变量
分层变量 按行变量生成频度聚类条图
Statistics按钮： 计算卡方值，用于行列
变量的独立性检验
计算pearson和spearman 相关系数
定类资料的行列变 量相关性检验
SPSS非参数检验秩和检验PPT课件
第32页/共45页
频数表数据比较的秩和检验
• 例4 某医院用三种复方小叶枇杷治疗
老年慢性支气管炎，试比较其疗效有无差异。
表4 三种复方小叶枇杷治疗老年性慢性支气管炎疗效
比较疗效
例数
等级 老复方
复方Ⅰ
复方Ⅱ
控制
36
4
1
显效
115
18
9
好转
184
44
25
无效
47
35
4
合计
382
101
39
第33页/共45页
第21页/共45页
双侧P值
本例Wilcoxon W 为 28.500,Z值为-2.135， 双侧P值为0.033，差 异有统计学意义，可 以认为两法治疗贫血 效果有差别。
第22页/共45页
完全随机设计多样本资料秩和检验
• 完全随机（成组）设计多样本的比较 是指对从多个不同的总体中分别获得的多个 独立随机样本进行分析，可用K-W检验或H 检验，目的是推断多个独立样本所来自总体 的分布位置是否存在差异。
作业工人的血铅值（ μmol/l）,问两组工 人的
血铅值有无差别？
分组
表6
两组工人的血血铅铅测测定定值（值μ（mμolm/l）ol/l）
铅作 0.82 0.87 0.97 1.21 1.64 2.08 2.13 业工 人
非铅 0.24 0.24 0.29 0.33 0.44 0.58 0.63 0.72 0.87 1.01 作业 工人
编 1表52 12名3 宇4航员5航行6 前后7 心8率（9次/分10 ）11 12
号 航 76 71 70 61 80 59 74 62 79 72 63 84 行 前 航 93 68 65 93 78 83 79 79 98 78 60 90 行 后
频数表数据比较的秩和检验
• 例4 某医院用三种复方小叶枇杷治疗
老年慢性支气管炎，试比较其疗效有无差异。
表4 三种复方小叶枇杷治疗老年性慢性支气管炎疗效
比较疗效
例数
等级 老复方
复方Ⅰ
复方Ⅱ
控制
36
4
1
显效
115
18
9
好转
184
44
25
无效
47
35
4
合计
382
101
39
第33页/共45页
第21页/共45页
双侧P值
本例Wilcoxon W 为 28.500,Z值为-2.135， 双侧P值为0.033，差 异有统计学意义，可 以认为两法治疗贫血 效果有差别。
第22页/共45页
完全随机设计多样本资料秩和检验
• 完全随机（成组）设计多样本的比较 是指对从多个不同的总体中分别获得的多个 独立随机样本进行分析，可用K-W检验或H 检验，目的是推断多个独立样本所来自总体 的分布位置是否存在差异。
作业工人的血铅值（ μmol/l）,问两组工 人的
血铅值有无差别？
分组
表6
两组工人的血血铅铅测测定定值（值μ（mμolm/l）ol/l）
铅作 0.82 0.87 0.97 1.21 1.64 2.08 2.13 业工 人
非铅 0.24 0.24 0.29 0.33 0.44 0.58 0.63 0.72 0.87 1.01 作业 工人
编 1表52 12名3 宇4航员5航行6 前后7 心8率（9次/分10 ）11 12
号 航 76 71 70 61 80 59 74 62 79 72 63 84 行 前 航 93 68 65 93 78 83 79 79 98 78 60 90 行 后
《SPSS的非参数检验》PPT课件
精选课件ppt
33
数，计算实际观察频数与期望频数的差距，即：计算
卡方值 – 卡方值较小，则实际频数和期望频数相差较小。如果P
大于a，不能拒绝H0，认为总体分布与已知分布无显著 差异。反之
精选课件ppt
4
一、SPSS单样本非参数检验
（一）总体分布的chi-square检验 (4)基本操作步骤
菜单：analyze->nonparametric test->chi square 选定待检验变量入test variable list 框 确定待检验个案的取值范围(expected range)
(六)案例结果 p203-210
精选课件ppt
22
四、SPSS两配对样本非参数检验
(一)含义
由配对样本数据推断两总体分布是否存在显著 差异。
(二)基本假设
H0：两总体分布无显著差异。
(三)数据要求
两配对的样本数据。
精选课件ppt
23
四、SPSS两配对样本非参数检验
(四)基本方法
1.变化显著性检验(McNemar)
化。系统会作出提示。
案例：7-5 p194使用寿命
精选课件ppt
16
二、SPSS两独立样本非参数检验
(五)基本操作步骤
菜单选项：analyze->nonparametric tests->2 independent sample
选择待检验的变量入test variable list框 选择一种或几种检验方法
将研究对象作为自身的对照者检验其“前后”的变化 是否显著
关心的是发生变化的两格中的频数变化。如果频数变 化相当，则认为无显著变化。
数据要求只能是二分值数据（即0，1）
《SPSS数据分析教程》――非参数检验PPT课件
例如，医生研究心脏病人猝死人数与日期的关系，检 验现在的人口结构和十年前是否一样，血型是否和人 的性格有关系，现代社会中受过高等教育、高中毕业、 初中毕业、小学毕业和文盲的比例是否为3：6：10： 2：1等问题都可以通过卡方检验来实现。
卡方检验的原理（1）
卡方检验的原假设是：
H0样本来自的总体的分布与假设的分布（又称期望分 布或者理论分布）无显著差异。
适用于探索连续型随机变量的分布。 K-S检验的基本思想：根据样本数据和用户的指定构
造理论分布，查看分布表得到相应的理论累计概率分 布函数；利用样本数据计算各样本点的累计概率，得 到经验累计概率分布函数；计算这两个函数在相同变 量点上的差值，得到差值序列。K-S检验主要对差值 序列进行研究。 SPSS的K-S检验可以检验四种理论分布：正态分布、 均匀分布、泊松分布和指数分布。
研究定类变量和定序变量之间的关系。
SPSS非参数检验
新的用户界面统一了方法的选择，根据样本的 个数来组织方法。
非参数统计过程仍然保留了SPSS18以前的非参 数检验的界面，称为“旧对话框”，它的输出 仍然为传统的表格方式展现检验结果。同时可 以选择输出描述性统计量和四分位数，而新用 户界面下没有。
6.3独立样本非参数检验
独立样本非参数检验使用一个或多个非参数检 验方法来识别两个或更多个组间的差别。对于 两个分布未知的总体，或者两个总体的分布不 服从正态时，我们无法应用T检验来比较两个 总体。可以转而应用非参数的方法来比较两个 总体的中心位置的差异。独立样本是指样本来 自的总体相互独立。
独立样本包括两个独立样本或者两个以上的独立样本。 SPSS提供的独立样本非参数检验的方法有：
《SPSS数据分析教程》 ——非参数检验
整体概况
卡方检验的原理（1）
卡方检验的原假设是：
H0样本来自的总体的分布与假设的分布（又称期望分 布或者理论分布）无显著差异。
适用于探索连续型随机变量的分布。 K-S检验的基本思想：根据样本数据和用户的指定构
造理论分布，查看分布表得到相应的理论累计概率分 布函数；利用样本数据计算各样本点的累计概率，得 到经验累计概率分布函数；计算这两个函数在相同变 量点上的差值，得到差值序列。K-S检验主要对差值 序列进行研究。 SPSS的K-S检验可以检验四种理论分布：正态分布、 均匀分布、泊松分布和指数分布。
研究定类变量和定序变量之间的关系。
SPSS非参数检验
新的用户界面统一了方法的选择，根据样本的 个数来组织方法。
非参数统计过程仍然保留了SPSS18以前的非参 数检验的界面，称为“旧对话框”，它的输出 仍然为传统的表格方式展现检验结果。同时可 以选择输出描述性统计量和四分位数，而新用 户界面下没有。
6.3独立样本非参数检验
独立样本非参数检验使用一个或多个非参数检 验方法来识别两个或更多个组间的差别。对于 两个分布未知的总体，或者两个总体的分布不 服从正态时，我们无法应用T检验来比较两个 总体。可以转而应用非参数的方法来比较两个 总体的中心位置的差异。独立样本是指样本来 自的总体相互独立。
独立样本包括两个独立样本或者两个以上的独立样本。 SPSS提供的独立样本非参数检验的方法有：
《SPSS数据分析教程》 ——非参数检验
整体概况
SPSS统计分析- 第10章 非参数检验_PPT幻灯片
10.4.1 基本原理
• 除了上节的二项检验，卡方检验也可以用于对按属性分类
的计数资料进行分析，由于对数据资料的分布形态不作任 何假设，适用于分析称名资料和等级资料，所以它是一种 检验计数数据分布状态的最常用的非参数检验方法。
• 卡方检验依据的分布为卡方分布，卡方分布是一种正偏态
分布，随着自由度的不同，分布曲线的倾斜程度也不同， 如图所示是几种不同自由度时的卡方分布曲线图。
• 在建立数据文件之后，选择“分析” “非参数检
验” “单样本”命令，打开“单样本非参数检验”对话 框，即可显示单样本非参数检验“目标”选项卡，如图所 示。在该选项卡中显示非参数检验的用途及适用条件，并 用于指定单样本非参数检验的目标。
10.2.2 “字段”选项卡
• 单击“字段”标签，下方将显示“字段”选项卡，如图所
方差不齐或混杂样本等，这些一般使用参数检验是无法实 现的，但是非参数检验能简单快速的对数据进行处理。
• 除了上面的列举的一些非参数检验相对于参数检验的优势，
其自身也有一些缺点和不足：
• 检验效能低
10.2 单样本非参数检验新功能介绍
• 单样本非参数检验是对单个总体的分布形态等进行统计推
断 的 方 法 ， 包 括 二 项 式 检 验 、 卡 方 检 验 、 K-S 检 验 、 Wilcoxon符号秩检验和游程检验等。在SPSS 18.0版本中， 非参数检验增加了新的命令菜单，同时也使用了新的操作 界面。下面首先一起来认识单样本非参数检验的新操作界 面及其功能。
10.1.2 非参数检验的适用范围
• 非参数检验主要适用于以下几种情况： • （1）等级数据 • （2）数据分布形态未知或呈偏态 • （3）方差不齐性 • （4）来自不同总体的数据 • （5）小样本数据 • （6）资料的初步分析
同济医学院SPSS课件-SPSS 非参数检验
肺化脓症 (3) 24 41 33 7 肺结核 (4) 48 65 36 8 合计 (5) 82 123 88 19
SPSS基本操作
与例7的操作相同
随机区组设计资料的秩和检验
M检验(Friedman法)法计算步骤
将每个区组的数据由小到大分别编秩 计算各处理组的秩和Ri 求平均秩：R=1/2b(k+1) 计算各处理组的（ Ri-R） 求M 查M界值表，F近似法
总体分布形式已知或假定已知 对该总体的参数按一定的假设进行估计或检验
概述
非参数统计(nonparametric statistics) : 是指总体分布的函数形式未知或知道得很少， 所采用的一种不依赖总体分布的具体形式的统 计方法，也称 分布自由统计( distribution free test )。 非参数统计特点:
D max( S ( xi ) F ( xi ) 由于实际累计概率为离散值，可对D修正为： 修正D : D max(max( S ( xi ) F ( xi ) , max( S ( xi 1 ) F ( xi ) )
K－S检验
原ov分布 大样本下： n D 近似服从K(x)分布 nD SPSS仅给出大样本下的 和对应的p值
=0.18576
计算表
SPSS基本操作
SPSS基本操作
SPSS基本操作
SPSS基本操作
SPSS基本操作
单样本K-S检验
利用样本数据推断样本来自的总体是否服从某一理论 分布，是一种拟合优度的检验方法，适用于探索连续 型随机变量的分布 步骤
计算各样本观测值在理论分布中出现的理论累计概率值F(x) 计算各样本观测值的实际累计概率值S(x) 计算理论累计概率值与实际累计概率值的差D(x) 计算差值序列中最大绝对差值D
SPSS基本操作
与例7的操作相同
随机区组设计资料的秩和检验
M检验(Friedman法)法计算步骤
将每个区组的数据由小到大分别编秩 计算各处理组的秩和Ri 求平均秩：R=1/2b(k+1) 计算各处理组的（ Ri-R） 求M 查M界值表，F近似法
总体分布形式已知或假定已知 对该总体的参数按一定的假设进行估计或检验
概述
非参数统计(nonparametric statistics) : 是指总体分布的函数形式未知或知道得很少， 所采用的一种不依赖总体分布的具体形式的统 计方法，也称 分布自由统计( distribution free test )。 非参数统计特点:
D max( S ( xi ) F ( xi ) 由于实际累计概率为离散值，可对D修正为： 修正D : D max(max( S ( xi ) F ( xi ) , max( S ( xi 1 ) F ( xi ) )
K－S检验
原ov分布 大样本下： n D 近似服从K(x)分布 nD SPSS仅给出大样本下的 和对应的p值
=0.18576
计算表
SPSS基本操作
SPSS基本操作
SPSS基本操作
SPSS基本操作
SPSS基本操作
单样本K-S检验
利用样本数据推断样本来自的总体是否服从某一理论 分布，是一种拟合优度的检验方法，适用于探索连续 型随机变量的分布 步骤
计算各样本观测值在理论分布中出现的理论累计概率值F(x) 计算各样本观测值的实际累计概率值S(x) 计算理论累计概率值与实际累计概率值的差D(x) 计算差值序列中最大绝对差值D
SPSS非参分析课件_PPT幻灯片
返回
游程检验实例数据与结果
掷硬币20次的实验结果
1
1
0
1
0
0
0
1
1
0
1
0
1
1
1
0
0
1
1
0
平均数作为分界点的结果
自定义0.5作为分界点的结果
返回
柯尔莫哥洛夫-斯米诺夫检验
单样本K-S检验
返回
一个样本的柯尔莫哥洛夫-斯米诺夫检验概念
Kolmogorov-Smirnov双侧检验的原假设H0为：对所有的x值F(x)=F(x0)成立， 备择假设为：至少有一个x值使F(x)≠F(x0) 成立。
Asy mp. Sig. (2-tailed)
a. Grouping Variable: zb
y css .500 .500 .000
1.118
.164
Moses检验结果
返回
两独立样本一致性检验实例检验输出4
F req uen ci es
zb
N
y css 1
10
2
10
Tot al
20
Test Statisticb,sc
卡方检验
返回
卡方检验主对话框
设定需要 检验的变 量的取值 范围
选择检验变量
指定已知 总体的各 分类构成 比，默认 为各类别 构成比相 等，可以 使用 values自 行定义。
返回
卡方检验
精确检验对话框
选择对话框
返回
卡方检验实例数据
点数I 频数O
1
2
3
4
5
6
43
49
56
45
66
41
游程检验实例数据与结果
掷硬币20次的实验结果
1
1
0
1
0
0
0
1
1
0
1
0
1
1
1
0
0
1
1
0
平均数作为分界点的结果
自定义0.5作为分界点的结果
返回
柯尔莫哥洛夫-斯米诺夫检验
单样本K-S检验
返回
一个样本的柯尔莫哥洛夫-斯米诺夫检验概念
Kolmogorov-Smirnov双侧检验的原假设H0为：对所有的x值F(x)=F(x0)成立， 备择假设为：至少有一个x值使F(x)≠F(x0) 成立。
Asy mp. Sig. (2-tailed)
a. Grouping Variable: zb
y css .500 .500 .000
1.118
.164
Moses检验结果
返回
两独立样本一致性检验实例检验输出4
F req uen ci es
zb
N
y css 1
10
2
10
Tot al
20
Test Statisticb,sc
卡方检验
返回
卡方检验主对话框
设定需要 检验的变 量的取值 范围
选择检验变量
指定已知 总体的各 分类构成 比，默认 为各类别 构成比相 等，可以 使用 values自 行定义。
返回
卡方检验
精确检验对话框
选择对话框
返回
卡方检验实例数据
点数I 频数O
1
2
3
4
5
6
43
49
56
45
66
41