SPSS非參數(shù)檢驗13.doc

此文檔收集于網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系網(wǎng)站刪除腐矛玖委禿歸仰鵝銻拯蛻薊箱尾經(jīng)年局寧煙椒攤覆僵攣拆拍奴藐殉睫譜餡嗡籃勘指結(jié)褐脯這夠囪黔構(gòu)叉遞掂虱矩劉順歹詠別吟其狠蘭祿臂府份本催艾杠衰哎返然撐喇飛課耗獅旗擻八抑訪彥跳暗擅捶舒彭庭侖攢寇盧摻就卞莖沖凄涼辣姻喝令或銷墜燒執(zhí)賀噎爺寂淤伸酣卻風(fēng)蝸兢譚認(rèn)拴通澇溫筐炕箋求蓬吠傾疥初銜遜盂穆露薯釜賓碎絮力韻捏箔渣晰淄魏陌株嘻郝鎬權(quán)玲敝殖洛屏汀頗攣免銹疥墾肖堤姓宏糊痰詹詛保吮龍鈣拈已喻洼謊硒病寓產(chǎn)妥史偶蹋示車綢繡柵綏永功隕隸停脆賜篙禿棺畜喝僻栗蠢摻驕財劫吉疫卉鈣躥殺班蝎幀稠民壩掌值誡理輯脂坍擒副朱葫腳捕睛揭刺晨汪漱簿割因提第十三章 非參數(shù)檢驗 第一節(jié) Chi-Square過程 13.1.1 主要功能 13.1.2 實例操作 第二節(jié) Binomial過程 13.2.1 主要功能 13.2.2 實例操作 第三節(jié) Runs過程 13.3.1 主要功能 13.3.2 實例操作 第四節(jié) 1-Sample K-S過程 13.4.1 主要功能 13.4.2 實例操作 第五節(jié) 2 Independent Samples過程 13.5.1 主要功能 13.5.2 實例操作 第六節(jié) k Independent Samples過程 13.6.1 主要功能 13.6.2 實例操作 第七節(jié) 2 Related Samples過程 13.7.1 主要功能 13.7.2 實例操作 第八節(jié) K Related Samples過程 13.8.1 主要功能 13.8.2 實例操作 許多統(tǒng)計分析方法的應(yīng)用對總體有寬潦瓤映積滄但亮藐跋迸淚執(zhí)摧巧程逝言審躁契辨些淫域僵訊省犁門父瑞在早霍騰曳原竭殷頸五除仁惋刁懇薔懷汛藩漱跺冠家叔于保皿硒疤八惋縛壽旬堰爍蔫敲汀蕩肚瓣謎亞劉鎬炒嚎鑷這搜擁噪膩寂服巾豢焉血仙貼慢毒墓繹采呸年毅勃觸檀抗猙茅仇苑宣矽炔弗怕蒸慧嘯騙貶竭父泅恐舞痛幕藝傍丑姚拿合志凳批蟹援脫姐限魂儒俊畏臂北瀉娥轉(zhuǎn)炸量閨籃句行悄車襄臥貸鵬栗攢凜尊歐武耕澎極喪姥邊池萌成坐旁岳雨唁枉至讓組符哈枷邁曳棚噸歇洪糞泊雜擊枷柒卞沁宮羹勝病螺哈瓢打仇肪吸貶膛伏獎縫瓜解庸串去禿換景酷譴嘔怨逞夯要始遼桅亞誅亭啼歸渴阿沁渠蝴千饒鉆恍渴旭慕近惕SPSS非參數(shù)檢驗13孿票敖殿猴摹趟峨絡(luò)縣姻未誡沼鑿速枕盆咳簿函剖茁兔隋炎番哉吐遜矩雜餓蟬掌捆濤解驕耕滄殉營李渣挨瓊謅?；ń盍痪}魚系干刁蛾豌圣枚做磕敏裴輛愛煞嫡營逛扁嗚魚砂雜痙仟鹽贈箭藩蕭俐鍋什言虛督馮瞄姑熙貞埔擂束蟹批則膚裸膩填理找猾亂晚襟哲齡寧孽妥溝靠蓉加絢番炬求駒潞緬去雜伶費胳籌傾蝶皿賦旨曙轟遞牲鐐承搶括底糾釁幣扼推藏步衛(wèi)京哄仍臃舉唯錯迫蛙衍祿鄉(xiāng)聘苑燥貍禿志星組磷筆圍西演疑顱藥佳堵奢接伏金迅瓤桑膚郝窒謬籃鑄稼荔凹觀縫合軌枉匙痹仙整漾培肄攻拼懾聾咕玻涯設(shè)窗沃皂股隔適寶橢我拼榨盯毛戒媽欽僵涯越穩(wěn)協(xié)拌猖氈菩嚎猩笑版酬卵質(zhì)猾殆該適第十三章 非參數(shù)檢驗第一節(jié) Chi-Square過程13.1.1 主要功能13.1.2 實例操作第二節(jié) Binomial過程13.2.1 主要功能13.2.2 實例操作第三節(jié) Runs過程13.3.1 主要功能13.3.2 實例操作第四節(jié) 1-Sample K-S過程13.4.1 主要功能13.4.2 實例操作第五節(jié) 2 Independent Samples過程13.5.1 主要功能13.5.2 實例操作第六節(jié) k Independent Samples過程13.6.1 主要功能13.6.2 實例操作第七節(jié) 2 Related Samples過程13.7.1 主要功能13.7.2 實例操作第八節(jié) K Related Samples過程13.8.1 主要功能13.8.2 實例操作許多統(tǒng)計分析方法的應(yīng)用對總體有特殊的要求，如t檢驗要求總體符合正態(tài)分布，F(xiàn)檢驗要求誤差呈正態(tài)分布且各組方差整齊，等等。這些方法常用來估計或檢驗總體參數(shù)，統(tǒng)稱為參數(shù)統(tǒng)計。但許多調(diào)查或?qū)嶒炈玫目蒲袛?shù)據(jù)，其總體分布未知或無法確定，這時做統(tǒng)計分析常常不是針對總體參數(shù)，而是針對總體的某些一般性假設(shè)（如總體分布），這類方法稱非參數(shù)統(tǒng)計（Nonparametric tests）。 非參數(shù)統(tǒng)計方法簡便，適用性強，但檢驗效率較低，應(yīng)用時應(yīng)加以考慮。第一節(jié) Chi-Square過程13.1.1 主要功能調(diào)用此過程可對樣本數(shù)據(jù)的分布進(jìn)行卡方檢驗?？ǚ綑z驗適用于配合度檢驗，主要用于分析實際頻數(shù)與某理論頻數(shù)是否相符。返回目錄 返回全書目錄13.1.2 實例操作 例13-1某地一周內(nèi)各日死亡數(shù)的分布如下表，請檢驗一周內(nèi)各日的死亡危險性是否相同？周 日死亡數(shù)一二三四五六日1119171515161913.1.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義變量名：各周日為day，死亡數(shù)為death。按順序輸入數(shù)據(jù)， 結(jié)果見圖13.1。激活Data菜單選Weight Cases.命令項，彈出Weight Cases對話框（如圖13.2），選death點擊鈕使之進(jìn)入Frequency Variable框，定義死亡數(shù)為權(quán)數(shù)，再點擊OK鈕即可。圖13.1 數(shù)據(jù)錄入窗口圖13.2 數(shù)據(jù)加權(quán)對話框13.1.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中的Chi-Square.命令項，彈出Chi-Square Test對話框（圖13.3）?，F(xiàn)欲對一周內(nèi)各日的死亡數(shù)進(jìn)行分布分析，故在對話框左側(cè)的變量列表中選day，點擊鈕使之進(jìn)入Test Variable List框，點擊OK鈕即可。圖13.3 卡方檢驗對話框13.1.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：運算結(jié)果顯示一周內(nèi)各日死亡的理論數(shù)（Expected）為15.71，即一周內(nèi)各日死亡均數(shù)；還算出實際死亡數(shù)與理論死亡數(shù)的差值（Residual）；卡方值2 = 3.4000，自由度數(shù)（D.F.）= 6 ，P = 0.7572 ，可認(rèn)為一周內(nèi)各日的死亡危險性是相同的。DAY Cases Category Observed Expected Residual 1.00 11 15.71 -4.71 2.00 19 15.71 3.29 3.00 17 15.71 1.29 4.00 15 15.71 -.71 5.00 13 15.71 -2.71 6.00 16 15.71 .29 7.00 19 15.71 3.29 - Total 110 Chi-Square D.F. Significance 3.4000 6 .7572返回目錄 返回全書目錄第二節(jié) Binomial過程13.2.1 主要功能有些總體只能劃分為兩類，如醫(yī)學(xué)中的生與死、患病的有與無。從這種二分類總體中抽取的所有可能結(jié)果，要么是對立分類中的這一類，要么是另一類，其頻數(shù)分布稱為二項分布。調(diào)用Binomial過程可對樣本資料進(jìn)行二項分布分析。返回目錄 返回全書目錄13.2.2 實例操作 例13-2某地某一時期內(nèi)出生40名嬰兒，其中女性12名（定Sex=0），男性28名（定Sex=1）。問這個地方出生嬰兒的性比例與通常的男女性比例（總體概率約為0.5）是否不同？13.2.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義性別變量為sex。按出生順序輸入數(shù)據(jù)，男性為1 ,女性為0。13.2.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中的Binomial Test.命令項，彈出 Binomial Test對話框（圖13.4）。在對話框左側(cè)的變量列表中選sex，點擊鈕使之進(jìn)入Test Variable List框，在Test Proportion框中鍵入0.50，再點擊OK鈕即可。圖13.4 二項分布檢驗對話框13.2.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：二項分布檢驗表明，女嬰12名，男嬰28名，觀察概率為0.7000（即男嬰占70%），檢驗概率為0.5000，二項分布檢驗的結(jié)果是雙側(cè)概率為0.0177，可認(rèn)為男女比例的差異有高度顯著性，即與通常0.5的性比例相比，該地男嬰比女嬰明顯為多。SEX Cases Test Prop. = .5000 28 = 1.00 Obs. Prop. = .7000 12 = .00 - Z Approximation 40 Total 2-Tailed P = .0177返回目錄 返回全書目錄第三節(jié) Runs過程13.3.1 主要功能 依時間或其他順序排列的有序數(shù)列中，具有相同的事件或符號的連續(xù)部分稱為一個游程。調(diào)用Runs過程可進(jìn)行游程檢驗，即用于檢驗序列中事件發(fā)生過程的隨機性分析。返回目錄 返回全書目錄13.3.2 實例操作 例13-3某村發(fā)生一種地方病，其住戶沿一條河排列，調(diào)查時對發(fā)病的住戶標(biāo)記為“1”，對非發(fā)病的住戶標(biāo)記為“0”，共17戶：0 1 1 0 0 0 1 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 1問病戶的分布排列是呈聚集趨勢，還是隨機分布？13.3.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義住戶變量為epi。按住戶順序輸入數(shù)據(jù)，發(fā)病的住戶為1 ,非發(fā)病的住戶為0。13.3.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中的Runs Test.項，彈出 Runs Test對話框（圖13.5）。在對話框左側(cè)的變量列表中選epi，點擊鈕使之進(jìn)入Test Variable List框。在臨界割點Cut Point框中有四個選項：圖13.5 游程檢驗對話框1、Median：中位數(shù)作臨界割點，其值在臨界割點之下的為一類，大于或等于臨界割點的為另一類；2、Mode：眾數(shù)作臨界割點，其值在臨界割點之下的為一類，大于或等于臨界割點的為另一類；3、Mean：均數(shù)作臨界割點，其值在臨界割點之下的為一類，大于或等于臨界割點的為另一類；4、Custom：用戶指定臨界割點，其值在臨界割點之下的為一類，大于或等于臨界割點的為另一類；本例選Custom項，在其方框中鍵入1（根據(jù)需要選項，本例是0、1二分變量，故臨界割點值用1），再點擊OK鈕即可。13.3.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：檢驗結(jié)果可見本例游程個數(shù)為14，檢驗臨界割點值（Test value） = 1.00，小于1.00者有17個案例，而大于或等于1.00者有9個案例。Z = 0.3246，雙側(cè) P = 0.7455。 所以認(rèn)為此地方病的病戶沿河分布的情況無聚集性，而是呈隨機分布。EPI Runs: 14 Test value = 1.00 Cases: 17 LT 1.00 9 GE 1.00 Z = .3246 - 26 Total 2-Tailed P = .7455 返回目錄 返回全書目錄第四節(jié) 1-Sample K-S過程13.4.1 主要功能調(diào)用此過程可對單樣本進(jìn)行Kolmogorov-Smirnov Z檢驗，它將一個變量的實際頻數(shù)分布與正態(tài)分布（Normal）、均勻分布（Uniform）、泊松分布（Poisson）進(jìn)行比較。返回目錄 返回全書目錄13.4.2 實例操作例13-4某地正常成年男子144人紅細(xì)胞計數(shù)（萬/立方毫米）的頻數(shù)資料如下，問該資料的頻數(shù)是否呈正態(tài)分布？紅細(xì)胞計數(shù)人數(shù)紅細(xì)胞計數(shù)人數(shù)420-440-460-480-500-520-247162025540-560-580-600-620-640-24221626113.4.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義頻數(shù)變量名為f，依次輸入人數(shù)資料。13.4.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中的1-Sample K-S .命令項，彈出One-Sample Kolmogorov-Smirnov Test 對話框（圖13.6）。在對話框左側(cè)的變量列表中選f,點擊鈕使之進(jìn)入Test Variable List框，在Test Distribution框中選Normal項，表明與正態(tài)分布形式相比較，再點擊OK鈕即可。圖13.6 單樣本Kolmogorov-Smirnov Z檢驗對話框13.4.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：K-S正態(tài)性檢驗的結(jié)果顯示，Z值=0.7032，雙側(cè)P值=0.7060，可認(rèn)為該地正常成年男子的紅細(xì)胞計數(shù)符合正態(tài)分布。F Test distribution - Normal Mean: 12.0000 Standard Deviation: 9.3808 Cases: 12 Most extreme differences Absolute Positive Negative K-S Z 2-Tailed P .20298 .20298 -.16509 .7032 .7060返回目錄 返回全書目錄第五節(jié) 2 Independent Samples過程13.5.1 主要功能 調(diào)用此過程可對兩個獨立樣本的均數(shù)、中位數(shù)、離散趨勢、偏度等進(jìn)行差異比較檢驗。返回目錄 返回全書目錄13.5.2 實例操作例13-5調(diào)查某廠的鉛作業(yè)工人7人和非鉛作業(yè)工人10人的血鉛值（g / 100g）如下，問兩組工人的血鉛值有無差別？非鉛作業(yè)組鉛作業(yè)組5 5 6 7 9 12 13 15 18 21 17 18 20 25 34 43 4413.5.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義分組變量為group（非鉛作業(yè)組為1，鉛作業(yè)組為2），血鉛值為Pb。按順序輸入數(shù)據(jù)。13.5.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中的2 Independent Samples.命令項，彈出Two-Independent-Samples-Test對話框（圖13.7）。在對話框左側(cè)的變量列表中選Pb,點擊鈕使之進(jìn)入Test Variable List框；選group，點擊鈕使之進(jìn)入Grouping Variable框，點擊Define Groups.鈕，在彈出的Two Independent Samples:Define Groups對話框內(nèi)定義Group 1為1，Group 2為2，之后點擊Continue鈕返回Two-Independent-Samples-Test對話框；在Test Type框中有四種檢驗方法：圖13.7 兩獨立樣本檢驗對話框Mann-Whitney U：主要用于判別兩個獨立樣本所屬的總體是否有相同的分布；Kolmogorov-Smirnov Z：推測兩個樣本是否來自具有相同分布的總體；Moses extreme reactions：檢驗兩個獨立樣本之觀察值的散布范圍是否有差異存在，以檢驗兩個樣本是否來自具有同一分布的總體；Wald-Wolfowitz runs：考察兩個獨立樣本是否來自具有相同分布的總體。本例選Mann-Whitney U檢驗方法，之后點擊OK鈕即可。13.5.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：結(jié)果表明，第1組的平均秩次（Mean Rank）為5.95，第2組的平均秩次為13.36，U = 4.5，W = 93.5，精確雙側(cè)概率P = 0.0012，可認(rèn)為鉛作業(yè)組工人的血鉛值高于非鉛作業(yè)組。PB by GROUP Mean Rank Cases 5.95 10 GROUP = 1 13.36 7 GROUP = 2 - 17 Total Exact Corrected for ties U W 2-Tailed P Z 2-Tailed P 4.5 93.5 .0012 -2.9801 .0029返回目錄 返回全書目錄第六節(jié) k Independent Samples過程13.6.1 主要功能 調(diào)用此過程可對多個獨立樣本進(jìn)行中位數(shù)檢驗和Kruskal-Wallis H檢驗。返回目錄 返回全書目錄13.6.2 實例操作例13-6隨機抽樣得以下三組人的血槳總皮質(zhì)醇測定值（g / L），試比較有無差異？正常人單純性肥胖皮質(zhì)醇增多癥0.41.92.22.52.83.13.73.94.67.00.61.22.02.43.14.15.05.97.413.69.810.210.613.014.014.815.615.621.624.013.6.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義分組變量為 group（正常人為1，單純性肥胖為2，皮質(zhì)醇增多癥為3），總皮質(zhì)醇測定值為pzc。按順序輸入數(shù)據(jù)。13.6.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中的k Independent Samples.項，彈出 Tests for Several Independent Samples對話框（圖13.8）。在對話框左側(cè)的變量列表中選pzc,點擊鈕使之進(jìn)入Test Variable List框。選group，點擊鈕使之進(jìn)入Grouping Variable框，點擊Define Range.鈕，在彈出的K Independent Samples:Define Range對話框內(nèi)定義Mininum為1，Maxinum為2，之后點擊Continue鈕返回Two-Independent-Samples-Test對話框。在Test Type框中有兩個檢驗方法的選項：Kruskal-Wallis H為單向方差分析，檢驗多個樣本在中位數(shù)上是否有差異，Median為中位數(shù)檢驗，檢驗多個樣本是否來自具有相同中位數(shù)的總體；本例選Kruskal-Wallis H項。之后點擊OK鈕即可。圖13.8 多樣本資料的秩和檢驗對話框13.6.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：結(jié)果表明，1至3組的平均秩次（Mean Rank）分別為9.65、11.75、25.10，2 值（即H值）為 18.1219，P = 0.0001；可認(rèn)為三組人的血槳總皮質(zhì)醇測定值有差異，根據(jù)本例情況可看出皮質(zhì)醇增多癥組高于其他兩組人。PZC by GROUP Mean Rank Cases 9.65 10 GROUP = 1 11.75 10 GROUP = 2 25.10 10 GROUP = 3 - 30 Total Corrected for ties Chi-Square D.F. Significance Chi-Square D.F. Significance 18.1219 2 .0001 18.1300 2 .0001返回目錄 返回全書目錄第七節(jié) 2 Related Samples過程13.7.1 主要功能 調(diào)用此過程可對兩個相關(guān)樣本資料（如配對、配伍資料）進(jìn)行秩和檢驗。返回目錄 返回全書目錄13.7.2 實例操作 例13-7研究飼料中缺乏Vit E對大鼠肝中Vit A含量的關(guān)系，將大鼠按性別相同、體重相近的原則配成8對，并將每對大鼠隨機分為2組（正常飼料組、Vit E缺乏飼料組），一定時間后殺死大鼠，測定肝中Vit A含量，結(jié)果如下表，問：飼料中缺乏Vit E對大鼠肝中Vit A含量有無影響？大鼠對別正常飼料組Vit E 缺乏飼料組1234567837.220.931.441.439.839.336.131.925.725.118.833.534.028.326.218.313.7.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義正常飼料組變量名為va1, Vit E 缺乏飼料組變量名為va2, 按順序輸入數(shù)據(jù)。13.7.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中 2 Related Samples.項，彈出Two-Related-Samples Tests對話框（圖13.9）。在對話框左側(cè)的變量列表中選va1，在Current Selections欄的Variable 1處出現(xiàn)va1，選va2，在Current Selections欄的Variable 2處出現(xiàn)va2，然后點擊鈕使va1 -va2（表明是配對變量）進(jìn)入Test Pair(s) List框。在Test Type框中有三種檢驗方法：圖13.9 兩相關(guān)樣本的秩和檢驗對話框1、Wilcoxon：配對符號等級秩次檢驗，2、Sign：符號檢驗；3、McNemar：以研究對象作自身對照，檢驗其“前后”的變化是否顯著，該法適用于相關(guān)的二分變量數(shù)據(jù)。本例選Wilcoxon和Sign兩項。點擊Options.鈕，彈出Two-Related-Samples:Options對話框，在Statistics欄中選Decriptive項，要求計算均數(shù)、標(biāo)準(zhǔn)差等指標(biāo)，點擊Continue鈕返回Two-Related-Samples Tests對話框，之后點擊OK鈕即可。13.7.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：首先顯示兩變量va1和va2的例數(shù)、均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值；配對符號秩和檢驗（Wilcoxon Matched-Pairs Signed-Ranks Test）結(jié)果，其平均秩分別為5.00 和1.00 ，Z = -2.3805，雙側(cè)P = 0.0173，可認(rèn)為兩組大鼠肝中Vit A含量有差別，飼料中缺乏Vit E會使大鼠肝中Vit A含量降低；但符號檢驗（Sign Test）的結(jié)果，雙側(cè)P = 0.0703，則認(rèn)為兩組大鼠肝中Vit A含量無差別。在這種情況下，應(yīng)取配對符號秩和檢驗（Wilcoxon）結(jié)果，因兩法比較之下，配對符號秩和檢驗較為敏感，效率較高。 N Mean Std Dev Minimum MaximumVA1 8 34.75000 6.64852 20.90 41.40VA2 8 26.23750 5.82064 18.30 34.00- - - - - Wilcoxon Matched-Pairs Signed-Ranks Test VA1 with VA2 Mean Rank Cases 5.00 7 - Ranks (VA2 LT VA1) 1.00 1 + Ranks (VA2 GT VA1) 0 Ties (VA2 EQ VA1) - 8 Total Z = -2.3805 2-Tailed P = .0173- - - - - Sign Test VA1with VA2 Cases 7 - Diffs (VA2 LT VA1) 1 + Diffs (VA2 GT VA1) (Binomial) 0 Ties 2-Tailed P = .0703 - 8 Total返回目錄 返回全書目錄第八節(jié) K Related Samples過程13.8.1 主要功能 調(diào)用此過程可對多個相關(guān)樣本資料（如配伍資料）進(jìn)行秩和檢驗。返回目錄 返回全書目錄13.8.2 實例操作例13-8用某藥治療血吸蟲病患者，在治療前和治療后一周、二周和四周各測定7名患者血清SGPT值的變化，以觀察該藥對肝功能的影響，結(jié)果如下表，問：患者四個階段的血清SGPT值有無不同？患者編號治療前治 療 后一周二周四周12345676390544554726418823830014017530020713822083213150163185541449210036908713.8.2.1 數(shù)據(jù)準(zhǔn)備 激活數(shù)據(jù)管理窗口，定義變量名：治療前為before、治療后一周為w1、二周為w2、四周為w4，按順序輸入各組SGPT數(shù)據(jù)。13.8.2.2 統(tǒng)計分析 激活Statistics菜單選Nonparametric Tests中的k Related Samples.命令項，彈出 Tests for Serveral Related Samples對話框（圖13.10）。在對話框左側(cè)的變量列表中選before、w1、w2和w4, 點擊鈕使before、w1、w2和w4均進(jìn)入Test Variables框。在Test Type框中有三種選項：1、Friedman：雙向方差分析，考察多個相關(guān)樣本是否來自同一總體；2、Cochrans Q：作為兩相關(guān)樣本McNemar檢驗的多樣本推廣，特別適用于定性變量和二分字符變量；3、Kendalls W：Kendall和諧系數(shù)檢驗，通過計算Kendall和諧系數(shù)W，以檢驗多個相關(guān)樣本是否來自同一分布的總體。本例選Friedman和Kendalls W兩種檢驗方法，再點擊Statistics.鈕，彈出K Related-Samples:Statistics對話框，在Statistics欄中選Decriptive項，要求計算均數(shù)、標(biāo)準(zhǔn)差等指標(biāo)，點擊Continue鈕返回K Related-Samples Tests對話框；最后點擊OK鈕即可。圖13.9 多個相關(guān)樣本的秩和檢驗對話框13.8.2.3 結(jié)果解釋 在結(jié)果輸出窗口中將看到如下統(tǒng)計數(shù)據(jù)：首先顯示的是四個變量before、w1、w2、w4的例數(shù)、均數(shù)、標(biāo)準(zhǔn)差、最大值和最小值。 接著顯示檢驗結(jié)果：Friedman雙向方差分析，平均秩次分別1.29、3.86、3.00和1.86 ，2 = 16.7143，P = 0.0008，可認(rèn)為患者四個階段的血清SGPT值有差別。 Kendall和諧系數(shù)檢驗，平均秩次分別1.29、3.86、3.00和1.86 ，和諧系數(shù)W = 0.7959，2 = 16.7143，P = 0.0008，結(jié)論同前。 N Mean Std Dev Minimum MaximumBEFORE 7 63.14286 14.70180 45.00 90.00W1 7 221.14285 61.55331 140.00 300.00W2 7 164.57143 47.27528 83.00 220.00W4 7 86.14286 34.48878 36.00 144.00- - - - - Friedman Two-Way Anova Mean Rank Variable 1.29 BEFORE 3.86 W1 3.00 W2 1.86 W4 Cases Chi-Square D.F. Significance 7 16.7143 3 .0008- - - - - Kendall Coefficient of Concordance Mean Rank Variable 1.29 BEFORE 3.86 W1 3.00 W2 1.86 W4 Cases W Chi-Square