第八講SPSS非參數(shù)檢驗(yàn)

第八講SPSS非參數(shù)檢驗(yàn)第1頁，課件共35頁，創(chuàng)作于2023年2月非參數(shù)檢驗(yàn)的概念是指在總體不服從正態(tài)分布且分布情況不明時(shí)，用來檢驗(yàn)數(shù)據(jù)資料是否來自同一個(gè)總體假設(shè)的一類檢驗(yàn)方法。由于這些方法一般不涉及總體參數(shù)故得名。這類方法的假定前提比參數(shù)性假設(shè)檢驗(yàn)方法少的多，也容易滿足，適用于計(jì)量信息較弱的資料且計(jì)算方法也簡(jiǎn)單易行，所以在實(shí)際中有廣泛的應(yīng)用。第2頁，課件共35頁，創(chuàng)作于2023年2月非參數(shù)檢驗(yàn)的過程Chi-Squaretest卡方檢驗(yàn)Binomialtest二項(xiàng)分布檢驗(yàn)1-SampleKolmogorov-Smirnovtest單樣本柯爾莫哥洛夫-斯米諾夫檢驗(yàn)2independentSamplesTest兩個(gè)獨(dú)立樣本檢驗(yàn)KindependentSamplesTestK個(gè)獨(dú)立樣本檢驗(yàn)2relatedSamplesTest兩個(gè)相關(guān)樣本檢驗(yàn)KrelatedSamplesTestK個(gè)相關(guān)樣本檢驗(yàn)第3頁，課件共35頁，創(chuàng)作于2023年2月二項(xiàng)分布檢驗(yàn)

Analyze→NonparametricTests→Binomial發(fā)生的概率，默認(rèn)值是0.50第4頁，課件共35頁，創(chuàng)作于2023年2月第5頁，課件共35頁，創(chuàng)作于2023年2月單樣本K-S檢驗(yàn)單樣本的Kolmogorov-Smirnov檢驗(yàn)（K-S檢驗(yàn)）用來檢驗(yàn)一個(gè)數(shù)據(jù)的觀測(cè)累積分布是否是已知的理論分布。這些作為零假設(shè)的理論分布在SPSS的選項(xiàng)中有正態(tài)分布(Normal)，泊松分布(Poisson)，均勻分布(Uniform)和指數(shù)分布(Exponential)第6頁，課件共35頁，創(chuàng)作于2023年2月單樣本K-S檢驗(yàn)

Analyze→NonparametricTests→1-SampleKolmogorov-Smirnovtest第7頁，課件共35頁，創(chuàng)作于2023年2月第8頁，課件共35頁，創(chuàng)作于2023年2月秩（rank）

非參數(shù)檢驗(yàn)中秩是最常使用的概念。什么是一個(gè)數(shù)據(jù)的秩呢？一般來說，秩就是該數(shù)據(jù)按照升序排列之后，每個(gè)觀測(cè)值的位置。 例如我們有下面數(shù)據(jù)：Xi159183178513719Ri75918426310下面一行數(shù)據(jù)Ri就是上面一行數(shù)據(jù)Xi的秩。利用秩的大小進(jìn)行推斷就避免了不知道總體分布狀況的困難。這是大多數(shù)非參數(shù)檢驗(yàn)的優(yōu)點(diǎn)。第9頁，課件共35頁，創(chuàng)作于2023年2月Wilcoxon(Mann-Whitney)秩和檢驗(yàn)假定第一個(gè)樣本有m個(gè)觀測(cè)值，第二個(gè)有n個(gè)觀測(cè)值。把兩個(gè)樣本混合之后把這m+n個(gè)觀測(cè)值升冪排序，記下每個(gè)觀測(cè)值在混合排序下面的秩。之后分別把兩個(gè)樣本所得到的秩相加。記第一個(gè)樣本觀測(cè)值的秩的和為WX而第二個(gè)樣本秩的和為WY。這兩個(gè)值可以互相推算，稱為Wilcoxon統(tǒng)計(jì)量。該統(tǒng)計(jì)量的分布和兩個(gè)總體分布無關(guān)。該檢驗(yàn)需要的唯一假定就是兩個(gè)總體的分布有類似的形狀（不一定對(duì)稱）。第10頁，課件共35頁，創(chuàng)作于2023年2月兩樣本分布的K-S檢驗(yàn)假定有分別來自兩個(gè)獨(dú)立總體的兩個(gè)樣本。要想檢驗(yàn)它們背后的總體分布相同的零假設(shè)，可以進(jìn)行兩獨(dú)立樣本的Kolmogorov-Smirnov檢驗(yàn)。原理完全和單樣本情況一樣。只不過把檢驗(yàn)統(tǒng)計(jì)量中零假設(shè)的分布換成另一個(gè)樣本的經(jīng)驗(yàn)分布即可。第11頁，課件共35頁，創(chuàng)作于2023年2月Mosesextremereactions檢驗(yàn)最大反應(yīng)檢驗(yàn)，注重對(duì)分布范圍（變異程度）進(jìn)行檢驗(yàn)。檢驗(yàn)的零假設(shè)是兩樣本具有相同的全距。由于全距很容易受到極端值的影響，要求使用這種檢驗(yàn)方法的時(shí)候樣本量夠大。計(jì)算的時(shí)候?yàn)榉乐箻O端值影響，自動(dòng)去掉兩端各5%的數(shù)據(jù)進(jìn)行分析。第12頁，課件共35頁，創(chuàng)作于2023年2月兩樣本W(wǎng)ald-Wolfowitz游程檢驗(yàn)Wald-Wolfowitz游程檢驗(yàn)和Kolmogorov-Smirnov檢驗(yàn)一樣，都是看兩個(gè)樣本所代表的總體是否分布類似。Wald-Wolfowitz游程檢驗(yàn)把兩個(gè)樣本混合之后，按照大小次序排列，一個(gè)樣本的觀測(cè)值在一起的為一個(gè)游程。和單樣本的游程問題類似?？梢杂捎纬虃€(gè)數(shù)R看出兩個(gè)樣本在排序中是否隨機(jī)出現(xiàn)。第13頁，課件共35頁，創(chuàng)作于2023年2月兩個(gè)獨(dú)立樣本檢驗(yàn)

Analyze→NonparametricTests→2independentSamplesTest第14頁，課件共35頁，創(chuàng)作于2023年2月第15頁，課件共35頁，創(chuàng)作于2023年2月第16頁，課件共35頁，創(chuàng)作于2023年2月第17頁，課件共35頁，創(chuàng)作于2023年2月第18頁，課件共35頁，創(chuàng)作于2023年2月第19頁，課件共35頁，創(chuàng)作于2023年2月Kruskal-Wallis多樣本秩和檢驗(yàn)又名等級(jí)方差分析，目的是看多個(gè)總體的位置參數(shù)是否一樣，對(duì)應(yīng)于參數(shù)檢驗(yàn)中的完全隨機(jī)設(shè)計(jì)方差分析。假定有k個(gè)總體。先把從這個(gè)k個(gè)總體來的樣本混合起來排序，記各個(gè)總體觀測(cè)值的秩之和為Ri，i=1,…,k。顯然如果這些Ri很不相同，就可以認(rèn)為它們位置參數(shù)相同的零假設(shè)不妥（備選假設(shè)為各個(gè)位置參數(shù)不全相等）。第20頁，課件共35頁，創(chuàng)作于2023年2月中位數(shù)檢驗(yàn)在有數(shù)個(gè)獨(dú)立樣本的情況，希望知道它們的中位數(shù)是否相等。零假設(shè)是這些樣本所代表的總體的中位數(shù)相等。備選假設(shè)是這些中位數(shù)不全相等。先把從多個(gè)總體來的樣本混合起來排序，找出它們的中位數(shù)。再計(jì)算每個(gè)總體中小于該中位數(shù)的觀測(cè)值個(gè)數(shù)和大于該中位數(shù)的觀測(cè)值個(gè)數(shù)。這樣就形成了一個(gè)2×k列聯(lián)表。這個(gè)列聯(lián)表可以用Pearsonc2統(tǒng)計(jì)量進(jìn)行檢驗(yàn)。第21頁，課件共35頁，創(chuàng)作于2023年2月多個(gè)獨(dú)立樣本檢驗(yàn)

Analyze→NonparametricTests→KindependentSamplesTest

第22頁，課件共35頁，創(chuàng)作于2023年2月第23頁，課件共35頁，創(chuàng)作于2023年2月第24頁，課件共35頁，創(chuàng)作于2023年2月符號(hào)檢驗(yàn)法（signtest）符號(hào)檢驗(yàn)是以正負(fù)號(hào)作為資料的一種非參數(shù)檢驗(yàn)，適用于檢驗(yàn)兩個(gè)配對(duì)樣本分布的差異，與參數(shù)檢驗(yàn)中的配對(duì)樣本T檢驗(yàn)相對(duì)應(yīng)。它是將兩樣本每對(duì)數(shù)據(jù)之差用正負(fù)號(hào)表示，如果兩樣本沒有顯著性差異，則正差值和負(fù)差值應(yīng)大致各占一半。注意：差值為0的數(shù)據(jù)對(duì)不進(jìn)行分析。第25頁，課件共35頁，創(chuàng)作于2023年2月符號(hào)等級(jí)檢驗(yàn)法（Signed-Ranktest）又名符號(hào)秩和檢驗(yàn)，其適用條件與符號(hào)檢驗(yàn)法相同，但精度更高，因?yàn)樗粌H考慮差值的符號(hào)，還考慮差值大小。把相關(guān)樣本對(duì)應(yīng)數(shù)值之差按絕對(duì)值從小到大做等級(jí)排列，在各等級(jí)前面填上原來的正負(fù)號(hào)，再分別求出帶正號(hào)的秩和與帶負(fù)號(hào)的秩和，檢驗(yàn)兩種符號(hào)的秩和是否存在差異。第26頁，課件共35頁，創(chuàng)作于2023年2月兩個(gè)相關(guān)樣本檢驗(yàn)

Analyze→NonparametricTests→2relatedSamplesTest

第27頁，課件共35頁，創(chuàng)作于2023年2月第28頁，課件共35頁，創(chuàng)作于2023年2月第29頁，課件共35頁，創(chuàng)作于2023年2月McNemar檢驗(yàn)只適用于被試內(nèi)設(shè)計(jì)的二分變量，考察重點(diǎn)是兩組間分類的差異，通常用于分析實(shí)驗(yàn)處理前后的變化情況。第30頁，課件共35頁，創(chuàng)作于2023年2月第31頁，課件共35頁，創(chuàng)作于2023年2月第32頁，課件共35頁，創(chuàng)作于2023年2月多個(gè)相關(guān)樣本檢驗(yàn)Friedman(弗里德曼)檢驗(yàn):適用于隨機(jī)區(qū)組實(shí)驗(yàn)設(shè)計(jì)的非參數(shù)檢驗(yàn)，數(shù)據(jù)類型為順序或等距數(shù)據(jù)。Kendall’sW(肯德爾和諧系數(shù))檢驗(yàn)：主要用于分析評(píng)判者的評(píng)判標(biāo)準(zhǔn)是否一致，數(shù)據(jù)類型必須為順序數(shù)據(jù)。Cochran’sQ(克科倫Q