spss16使用教程第10章 非参数检验.ppt

SPSS16实用教程总体分布的卡方（Chi-square）检验阅读提示前面已经讨论的许多统计分析方法对总体有特殊的要求，如T检验要求总体符合正态分布，F检验要求误差呈正态分布且各组方差整齐，等等。这些方法常用来估计或检验总体参数，统称为参数检验。但许多调查或实验所得的科研数据，其总体分布未知或无法确定。因为有的数据不是来自所假定分布的总体，或者数据根本不是来自一个总体，还有可能数据因为某种原因被严重污染，这样在假定分布的情况下进行推断的做法就有可能产生错误的结论。此时人们希望检验对一个总体分布形状不必作限制。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（NonparametricTests）。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。本章将介绍总体分布的卡方（Chi-square）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（RunsTest）、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。10.1总体分布的卡方（Chi-square）检验10.1.1统计学上的定义和计算公式因此，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。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实现步骤图10-2“WeightCases”对话框图10-3在菜单中选择“Chi-Square”命令图10-4“Chi-SquareTest”对话框图10-5“Chi-SquareTest：Options”对话框（1）本例输出结果中有两个表格，其中第一个表格如下。（2）输出的结果文件中第二个表格如下。10.2二项分布检验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。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10-2所示。表10-2 35名婴儿的性别实现步骤图10-7“BinomialTest”对话框图10-8“BinomialTest：Options”对话框10.2.3结果和讨论10.3SPSS单样本变量值随机性检验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。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。10.3.2SPSS中实现过程表10-3 35名住户发病情况实现步骤图10-10“RunsTest”对话框图10-11“RunsTest：Options”对话框10.3.3结果和讨论10.4.1统计学上的定义和计算公式单样本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实现K-S检验的过程如下：
（1）根据样本数据和用户的指定构造出理论分布，查分布表得到相应的理论累计概率分布函数；SPSS在统计中将计算K-S的Z统