非参数检验应用的条件
【统计分析】非参数检验
3. 查表与结论 查T界值表，T0.05（11）=10～56，T=3.5，在界 值范围外，P<0.05，拒绝H0。
符号检验（Sign test)
z n n 1 n
二、两样本比较的秩和检验 （Wilcoxon法）
适用条件：完全随机设计的两个样本比较，若不满足参数 检验的应用条件，则用本法；两个等级资料比较。
-0.45
-1
13
15.20
5.50
9.70
11
14
16.50
9.00
7.50
8.5
步骤
1. 建立假设：H0：差值的总体中位数=0， H1：差值的总体中位数0；
=0.05 2. 计算统计量
计算差值d，由小到大的顺序编秩次，并冠以原d 的正负号，然后分别求正负秩和，得到T+=73， T-=5，取秩和较小者作为检验统计量T=5 3. 查表及结论
1.0
2.5
4
17.00
6.50
10.50
12
5
13.00
5.50
7.50
8.5
6
18.00
13.50
4.50
5
7
17.50
10.00
7.50
8.5
8
10.20
10.20
0.00
-
9
10.00
10.00
0.00
-
10
10.50
9.50
1.00
2.5
11
13.80
6.80
7.00
6
12
3.03
3.48
第6章 非参数检验
第六章非参数检验在前面的章节中我们介绍了多种假设检验的方法，例如单个总体的t检验、基于两个独立样本的t检验、基于两个匹配样本的t检验、方差分析等。
在这些检验都需要对总体的分布特征作出某些假设（例如在t检验和方差分析中都需要假设总体服从正态分布），然后根据检验统计量的抽样分布对总体参数（如均值、比率等）进行检验。
这类检验方法称为参数检验。
我们前面强调过，在需要的假设条件不满足的情况下，特别是小样本的情况下，t检验、F检验都是不适用的。
那么，如何检验数据是否来自正态分布或者其他分布？在参数检验假设条件不满足的情况下如何对相应的问题进行分析？非参数检验方法可以帮助我们回答这类问题。
在这一章中，我们将首先简要说明非参数检验的概念和优缺点，然后介绍几种常见的非参数检验方法及其在SPSS中的实现方法。
第一节非参数检验概述非参数检验（nonparametric tests）也称为与总体分布无关的检验（distribution free tests），与参数检验相比，在非参数检验中不需要对总体分布的具体形式作出严格假设，或者只需要很弱的假设。
大部分非参数检验都是针对总体的分布进行的检验，但也可以对总体的某些参数进行检验。
与参数检验相比，非参数检验主要有以下几个方面的特点：（1）非参数检验不需要严格假设条件，因而比参数检验有更广泛的适用面。
（2）非参数检验几乎可以处理包括定类数据和定序数据在内的所有类型的数据，而参数检验通常只能用于定量数据的分析。
（3）虽然对于满足参数检验的假设条件的数据也可以采用非参数检验法进行分析，但在参数检验和非参数检验都可以使用的情况下，由于非参数检验没有充分利用样本内所有的数量信息，因此其检验的功效（power）要低于参数检验方法。
也就是说，在备择假设为真的情况下，采用参数检验方法拒绝原假设的概率要高于非参数检验的方法，从而更容易发现显著的差异。
在假设检验中，犯取伪错误的概率记为β，则1-β越大，意味着当备择假设为真时，拒绝原假设的概率越大，检验的判别能力就越好；1-β越小，意味着当备择假设为真时，拒绝原假设的概率越小，检验的判别能力就越差。
假设检验——非参数检验
假设检验（二）——非参数检验假设检验的统计方法，从其统计假设的角度可分为两类：参数检验与非参数检验。
上一节我们所介绍的Z 检验、t 检验，都是参数检验。
它们的共同特点是总体分布正态，并满足某些总体参数的假定条件。
参数检验就是要通过样本统计量去推断或估计总体参数。
然而，在实践中我们常常会遇到一些问题的总体分布并不明确，或者总体参数的假设条件不成立，不能使用参数检验。
这一类问题的检验应该采用统计学中的另一类方法，即非参数检验。
非参数检验是通过检验总体分布情况来实现对总体参数的推断。
非参数检验法与参数检验法相比，特点可以归纳如下：（1）非参数检验一般不需要严格的前提假设；（2）非参数检验特别适用于顺序资料；（3）非参数检验很适用于小样本，并且计算简单；（4）非参数检验法最大的不足是没能充分利用数据资料的全部信息；（5 ）非参数检验法目前还不能用于处理因素间的交互作用。
非参数检验的方法很多，分别适用于各种特点的资料。
本节将介绍几种常用的非参数检验方法。
一．2检验2检验主要用于对按属性分类的计数资料的分析，对于数据资料本身的分布形态不作任何假设，所以从一定的意义上来讲，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。
22检验的方法主要包括适合性检验和独立性检验。
（一）2检验概述2是实得数据与理论数据偏离程度的指标。
其基本公式为：2 （ f0 f e）（公式11—9）fe式中，f0 为实际观察次数，f e 为理论次数。
分析公式可知，把实际观测次数和依据某种假设所期望的次数（或理论次数）的差数平方，除以理论次数，求出比值，再将n 个比值相加，其和就是2。
观察公式可发现，如果实际观察次数与理论次数的差异越小， 2值也就越小。
当 f 0 与 f e 完全相同时，2值为零。
际次数与理论次数之差的大小而变化利用2值去检验实际观察次数与理论次数的差异是否显著的方法称为2检验有两个主要的作第一，可以用来检验各种实际次数与理论次数是否吻合的这类问题统称为适合性检验； 第二， 判断计数的两组或多组资料是否相互关联还是相互独立的问 题，这类问题统称为独立性检验。
参数检验与非参数检验的区别及优缺点.ppt
u
T n1(N 1) / 2 0.5
n1n2
12N (N 1)
N
3
N
(t
3 j
tj)
uc=u／c1／2
C20=19-18-1-7∑(t3j-tj)/(N3-N) 感谢你的观看
17
式中tj为第j个相同秩次的个数。 总秩和等于N（N+1）/2
T1=n1(N+1) ／2
T2=n2(N+1) ／2
复习
参数：反应总体特征的指标； 如： N、 、
统计量：反应样本特征的指标； 如：n、 x、s
2019-8-17
感谢你的观看
1
第十一章 秩和检验
2019-8-17
感谢你的观看
2
参数统计
（parametric statistics）
非参数统计
（nonparametric statistics）
已知总体分布类型，对 未知参数（μ、π）进行 统计推断
2019-8-17
感谢你的观看
12
二 成组设计两样本比较的秩和检验 (Wilcoxon两样本比较法)
1、原始数据的两样本比较；
例11.2 为了比较甲、乙两种香烟的尼古丁含 量（mg），对甲香烟作了6次检测，对乙香烟作了 8次检测，问两种香烟中尼古丁含量有无差别？
2019-8-17
感谢你的观看
13
甲种香烟
2．计算检验统计量T值
（1）编秩 先将两组数据由小到大分别排队，再将 两组数据从小到大统一编秩，如遇相同数据在同 一组内,按位置顺序编；如相同数据不在同一 组内，应取平均秩次 。
（T；2）如求果秩两和样：本含含量量较相小等的，样那就本任计取为一n1，个其样秩本和的记秩和为。
非参数检验的场景与方法
非参数检验的场景与方法非参数检验是一种统计方法，用于对数据进行假设检验，而不需要对数据的分布做出任何假设。
相比于参数检验，非参数检验更加灵活，适用于更广泛的场景。
本文将介绍非参数检验的场景和常用的方法。
一、非参数检验的场景非参数检验适用于以下场景：1. 数据不满足正态分布：在一些实际问题中，数据的分布可能不满足正态分布假设，例如长尾分布、偏态分布等。
此时，非参数检验可以更好地适应数据的特点。
2. 样本量较小：参数检验通常要求样本量较大，以保证统计推断的准确性。
而非参数检验对样本量的要求较低，即使样本量较小，也可以进行有效的假设检验。
3. 数据类型不确定：非参数检验可以适用于各种数据类型，包括连续型数据、离散型数据、有序数据等。
而参数检验通常对数据类型有一定的要求。
二、常用的非参数检验方法1. Wilcoxon符号秩检验：适用于两个相关样本的比较。
该方法将两个样本的差异转化为秩次，通过比较秩次的大小来进行假设检验。
2. Mann-Whitney U检验：适用于两个独立样本的比较。
该方法将两个样本的观测值合并后，通过比较秩次的大小来进行假设检验。
3. Kruskal-Wallis检验：适用于多个独立样本的比较。
该方法将多个样本的观测值合并后，通过比较秩次的大小来进行假设检验。
4. Friedman检验：适用于多个相关样本的比较。
该方法将多个样本的观测值转化为秩次，通过比较秩次的大小来进行假设检验。
5. Kolmogorov-Smirnov检验：适用于两个样本的分布比较。
该方法通过比较两个样本的累积分布函数来进行假设检验。
三、非参数检验的优缺点非参数检验相比于参数检验具有以下优点：1. 不需要对数据的分布做出任何假设，更加灵活。
2. 对样本量的要求较低，适用于小样本数据。
3. 适用于各种数据类型，更加通用。
然而，非参数检验也存在一些缺点：1. 相对于参数检验，非参数检验的统计效率较低。
2. 非参数检验通常需要更多的计算资源和时间。
《医学统计学》第十章+非参数秩和检验
0.05
，即两个不同部位IL-6水平差值的总体中位数不为零
医学统计学（第7版）
符号秩和检验方法
（2）编秩次并求秩和统计量
首先求出各对数据的差值，见表的第（4）列；然后编秩次，按照差值绝
对值由小到大编秩，并按差值的正负给秩次加上正负号；若差值为“0”，舍
去不计，总的对子数也要减去此对子数（记为 n）；若差值的绝对值相等，取
➢ 查表法：查 T 界值表（附表8），
T0.05(23) 73 ~ 203
，
T T 91 73
T 在此范围内，P >0.05, 按 α=0.05水准无理由拒绝 H0 ，即实行良好
的口腔卫生6个月后，尚不能说明此项干预对牙周改善有显著效果。
，
医学统计学（第7版）
(3) 确定P 值，做出推断
检测结果如下表（书中表10-1所示） 。
白癜风病人的不同部位白介素指标（pg/ml）
病人号
(1)
白斑部位
(2)
正常部位
(3)
d=(3)-(2)
秩次
(5)
1
2
3
4
5
6
7
8
合计
40.03
97.13
80.32
25.32
19.61
14.50
49.63
44.56
88.57
88.00
123.72
39.03
24.37
上表中第（1）列按第（2）与（3）列数据统一编秩号，第（5）列为各等级的平均秩次，
第（6）列则是较小样本的秩和，本例中 T=T1=560.5, 将其代入公式得出：
zc
| T n1 ( N 1) / 2 | 0.5
医学统计学精品教学第十章-非参数检验精品文档
1
第十章 非参数秩和检验
吴库生 汕头大学医学院预防医学教研室
参数统计与非参数统计
1、参数统计（parametric statistics） 样本所来自的总体分布具有某个已知
的函数形式（如正态分布），而其中有 的参数是未知的，统计分析的目的是对 这些未知的参数进行估计或检验。
2019/10/13
28
符号秩和检验的SPSS实现
2019/10/13
秩和检验
29
Wilcoxon Signed Ranks Test
结 果
Ranks
N Mean RankSum of Ranks
光 电 比 色 法 -Negative Ranks
5a
氰 化 高 铁 法 Positive Ranks
5b
4.60 6.40
X
41.00±29.81
14.75±11.73
方差齐性检验:
F
S12(大) S22(小)
864.94816.2863 137.5929
F F0.05,(7,7) 4.99
P<0.05
两样本方差不齐，不能应用t检验
2019/10/13
医学统计学-秩和检验
31
采用Wilcoxon两独立样本秩和检验
10
Contents
第一节 配对资料的符号秩和检验（Wilcoxon配对法） 第二节 两独立样本比较的秩和检验（Wilcoxon两样本
法） 第三节 完全随机设计多个样本比较的秩和检验
（Kruskal-Ｗallis检验）
2019/10/13
秩和检验
11
第一节 两配对样本差值的符号秩和检验 (Wilcoxon signed rank test)
SPSS数据分析教程-第6章-非参数
Median test
独立样本检验举例
➢ 一个公司把他们的销售代表随机分到三个 不同的组中，进行不同的培训。两个月后 对销售进行考察，我们想通过非参数检验 比较不同组别的销售代表考试得分是否有 显著性差异。这里，不同组别的考试得分 是相互独立的，因此为独立样本数据，我 们采用独立样本非参数检验。
➢
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：
两个独立样本分布的比较
Mann-Whitney U
Kolmogorov-Smimov
Wald-Wolfowitz K个独立样本分布的比较
Kruskal-Wallis
Jonckheere-Terpstra 比较全矩
➢ Wilcoxon符号秩检验用于检验样本所来自的 总体的中位数和所给的值是否有显著区别。 该检验适用于连续型数据（或者尺度数 据），它把观测值和原假设的中心位置之 差的绝对值的秩分别按照不同的符号相加 作为其检验统计量。
➢ Wilcoxon符号秩检验的假设为：
样本所来自的总体的中位数等于给定的数值。
游程检验
➢ 游程检验用于检验某一变量的两个值的出 现顺序是否随机，对于连续型变量的随机 性检验也可以转化为只有两个取值的分类 变量的随机性的检验。游程检验通过对样 本观测值的分析，用来检验该样本所来自 的总体序列是否为随机序列（又称为白噪 声序列）。它也可以用来检验一个样本的 观测值之间是否相互独立。
二项式检验
➢ SPSS的二项式检验通过样本数据检验样本 来自的总体是否服从指定的二项分布。例 如，现代社会男、女的比例是否为1.01：1； 工厂的次品率是否为1%等都可以通过二项 式检验完成。
- 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)。
非参数检验应用的条件
非参数检验通常用于检验不可能被列为数值序列的样本数据。
它通过比较两个不同组
别（甲组和乙组）的值，检测其之间是否存在显著的差异，可用于评估实验结果差异的统
计显著性。
它主要有两类：比较型非参数检验和相关型非参数检验。
比较型非参数检验主
要用于比较样本的属性的不同；而相关型非参数检验主要用于衡量变量间的相关性。
比较型非参数检验除了比较两组之间不同特征的不同外，还应用于比较部分个体指标
和全体指标之间的一致性和差异性，即检验样本组别之间每个成员特征的相似度或差异性。
常见的比较型非参数检验有 Wilcoxon-Mann-Whitney检验，Kruskal-Wallis检验，Friedman检验等。
相关型非参数检验通常用于衡量变量间的相关性，其首要作用是检查定量变量的相关
情况。
在一般情况下，它可用于检验两组数据间的线性相关性，也可以用来分析两个或多
个变量之间的数据相关性，以及两个表型之间的相关性。
相关型非参数检验常用的方法主
要有 Spearman等级相关系数，Kendall's tau等级相关系数，Sperman-Z检验，Fries检验，Crane检验，Goodman-Kruskal检验等。
此外，还有其他一些应用非参数检验的情形：1.ANOVA和重复测量ANOVA无法应用时
使用非参数检验；2.处理小样本的数据以确定实验结果的有效性；3.处理数据具有显著的
偏态(skew)；4.处理多元问题中检验依据分类变量的差异和相关性；5.定性分析；6.多元
聚类分析(Multivariate Clustering Analysis)；7.运用dendrograms和拖拽图等，比较
不同样本和样本之间的距离；8.非参数平滑；9.分配检验；10.特色分析；等操作中进行
检验。
总而言之，非参数检验可以用于诊断回归模型、处理小样本数据、分析大量多变量待
检数据、以及无法用参数检验的，可以用大量的非参数技术来完成的任务等场合，具有非
常广泛的应用。