SPSS軟件包中非參數(shù)檢驗(yàn)方法的正確使用

1、SPSS軟件包中非參數(shù)檢驗(yàn)方法的正確使用 生成2005-08-22 21:25:17 來源：中國衛(wèi)生統(tǒng)計(jì) 關(guān)鍵詞：SPSS統(tǒng)計(jì)軟件包SPSS給統(tǒng)計(jì)工作者提供了很大方便，SPSS for Windows版本推出后，使用者無需編寫程序也可完成分析，使用更廣泛了。然而，面對(duì)軟件包提供的眾多統(tǒng)計(jì)過程(或方法)，有些使用者感到迷惘。針對(duì)這種情況，本文就如何正確使用SPSS for Windows軟件包中Nonparametric Tests過程清單提供的8個(gè)非參數(shù)檢驗(yàn)過程(或方法)逐一介紹。一、Chi-SquareChi-Square是對(duì)單個(gè)樣本作檢驗(yàn)的推斷方法，用于推斷目前掌握的樣本是否來自某特定分布

2、總體，屬擬合優(yōu)度檢驗(yàn)1。要求提供假定總體的理論頻數(shù)；默認(rèn)總體為均勻分布時(shí)無需提供理論頻數(shù)2。Chi-Square過程通過分析實(shí)際頻數(shù)與理論頻數(shù)吻合的程序來完成檢驗(yàn)，因此特別適合于頻數(shù)資料的分析，也只接受和處理頻數(shù)資料，如病人經(jīng)治療后治愈、好轉(zhuǎn)、有效和無效的人數(shù)總的說來是否相同(實(shí)為治愈、好轉(zhuǎn)、有效和無效的概率或機(jī)會(huì)是否相同)，成績優(yōu)、良、中、差的學(xué)生人數(shù)總的說來是否相同，贊同某種觀點(diǎn)的人數(shù)總的說來是否達(dá)到80%，等等。要求樣本足夠大，按觀察值從小到大的順序提供理論頻數(shù)。理論頻數(shù)通過主對(duì)話框中Expected Values的Values選項(xiàng)提供，All categories equal是默認(rèn)項(xiàng)，

3、即均勻分布。若只想推斷樣本中某一范圍內(nèi)的頻數(shù)是否來自某種特定分布總體，可通過主對(duì)話框中Expected Range的Use speciffied range選項(xiàng)提供范圍的上、下限。上述理論頻數(shù)需根據(jù)假定總體分布計(jì)算或問題的實(shí)際背景確定。二、BinomialBinomial過程對(duì)二值變量的單個(gè)樣本作檢驗(yàn)，推斷總體中兩類個(gè)體的比例是否分別為和(1-)，值通過Test Proportion選項(xiàng)提供，默認(rèn)值是=0.52?？山柚谥鲗?duì)話框中Define Dichotomy的Cut point選項(xiàng)提供截?cái)帱c(diǎn)，將連續(xù)變量轉(zhuǎn)化成二值變量作分析；若提供的變量已經(jīng)是二值變量，則不需提供截?cái)帱c(diǎn)。小樣本時(shí)輸出精確概率

4、，大樣本時(shí)輸出正態(tài)近似法的結(jié)果。顯然，在大樣本時(shí)，也可用Chi-Square過程完成。三、RunsRuns過程借助樣本序列的順序推斷總體序列的順序是否是隨機(jī)的，屬隨機(jī)性檢驗(yàn)3，4。過程將變量轉(zhuǎn)化成二值變量后再作檢驗(yàn)，轉(zhuǎn)化時(shí)所用截?cái)帱c(diǎn)可以是Median、Mode、Mean或指定的數(shù)值，需通過Cut Point對(duì)話框指明截?cái)帱c(diǎn)。結(jié)果中只輸出正態(tài)近似法的P值，因此要求樣本足夠大，樣本不大時(shí)應(yīng)利用結(jié)果提供的信息查表作結(jié)論，不可直接用結(jié)果中的P值作結(jié)論。Runs檢驗(yàn)的基本思想也用于分析兩個(gè)獨(dú)立樣本數(shù)據(jù)，推斷兩個(gè)總體的分布是否相同4，稱Wald-Wolfowitz runs檢驗(yàn)，見后文。四、1-Sampl

5、e K-S五、2 Independent Samples此過程用于推斷兩個(gè)獨(dú)立樣本是否來自相同的總體，有四種方法供選用，各方法間不全相同，現(xiàn)逐一介紹如下。1.Mann-Whitney U檢驗(yàn)(又簡稱M-W檢驗(yàn))，注重對(duì)分布的中心位置(平均水平)作檢驗(yàn)，實(shí)際是檢驗(yàn)H0：兩樣本所對(duì)應(yīng)的總體具有相同的中心位置(中位數(shù))，屬位置參數(shù)檢驗(yàn)，而不管兩總體分布的形狀如何，因此通常假定兩總體分布的形狀相同3，只有在這個(gè)前提下的中心位置相同才能說是兩總體分布相同或兩樣本來自相同總體；若不能明確兩總體分布的形狀是否相同，則不宜單獨(dú)使用此方法作分析了事，應(yīng)同時(shí)作K-S檢驗(yàn)或W-W檢驗(yàn)，并對(duì)全部結(jié)果作綜合分析。因?yàn)榇?/p>

6、方法與目前國內(nèi)通用教材中的Wilcoxon Rank Sum檢驗(yàn)法完全等價(jià)，故在結(jié)果中一并給出1。小樣本時(shí)應(yīng)讀取精確概率作結(jié)論6。3.Wald-Wolfowitz runs檢驗(yàn)(又簡稱W-W檢驗(yàn))與K-S檢驗(yàn)相似，也是對(duì)全貌作檢驗(yàn)，但其功效不如后者；此方法實(shí)為Runs過程用于分析兩個(gè)獨(dú)立樣本的情形。與K-S檢驗(yàn)類似，如果結(jié)論是兩總體分布不相同，此方法尚不足以說明是位置不同、變異程度不同還是偏度不同，報(bào)告結(jié)果時(shí)也應(yīng)注意。若兩樣本有相同觀察值，結(jié)果中提供最大和最小游程個(gè)數(shù)以及相應(yīng)的P值，當(dāng)依此兩P值所作的結(jié)論相矛盾時(shí)，須計(jì)算平均游程個(gè)數(shù)，然后查表作結(jié)論或用正態(tài)近似法作檢驗(yàn)。此過程自動(dòng)地根據(jù)樣本大小

7、給出確切概率或正態(tài)近似法的結(jié)果。4.Moses Test of Extreme Reactions檢驗(yàn)注重于對(duì)分布范圍(變異程度)作檢驗(yàn)，實(shí)際是檢驗(yàn)H0：兩樣本所對(duì)應(yīng)的總體具有相同的分布范圍1。要求樣本足夠大。筆者尚未見到在醫(yī)學(xué)領(lǐng)域中使用此方法的例子。六、K Independent Samples此過程用于推斷多個(gè)獨(dú)立樣本是否來自相同的總體，有兩種方法供選用。1.Kroskal-Wallis H檢驗(yàn)的是H0：多個(gè)樣本對(duì)應(yīng)的總體具有相同的中位數(shù)，屬位置參數(shù)檢驗(yàn)，是Mann-Whitney U檢驗(yàn)的延伸。通常也假定兩總體分布的形狀相同。此方法就是目前國內(nèi)通用教材中的多個(gè)樣本比較的秩和檢驗(yàn)(H檢驗(yàn))

8、。2.Median檢驗(yàn)的H0與Kroskal-Wallis H檢驗(yàn)相同，但通常情況下其功效不如后者；然而，在相同值很多時(shí)效果較好，此時(shí)使用者應(yīng)選用Median檢驗(yàn)1。七、2 Related Samples此過程用于推斷兩個(gè)相關(guān)樣本是否來自相同的總體，有三種方法供選用。1.Wilcoxon檢驗(yàn)屬對(duì)稱性檢驗(yàn)，檢驗(yàn)差值總體的對(duì)稱中心是否為0，從而推斷兩樣本是否來自中心位置相同的總體。這就是目前國內(nèi)通用教材中的配對(duì)設(shè)計(jì)資料的符號(hào)秩和檢驗(yàn)，使用者大多熟悉，不多贅述。應(yīng)該注意的是，小樣本時(shí)不可直接讀取結(jié)果中的P值作結(jié)論，而應(yīng)利用結(jié)果中的秩和統(tǒng)計(jì)量查表作結(jié)論6。2.Sign檢驗(yàn)也屬對(duì)稱性檢驗(yàn)，相比于Wilc

9、oxon檢驗(yàn)，此方法不考慮“+”或“-”差值的相對(duì)大小關(guān)系(即秩次)，只檢驗(yàn)差值總體中“+”與“-”的個(gè)數(shù)是否相同，從而推斷兩樣本是否來自中心位置相同的總體1，4。小樣本時(shí)采用二項(xiàng)分布計(jì)算精確概率，大樣本時(shí)采用正態(tài)近似法作檢驗(yàn)。通常在數(shù)據(jù)測(cè)量較粗糙、不精確時(shí)使用。效率不如Wilcoxon檢驗(yàn)。若變量是二值的，其檢驗(yàn)效果與McNemar檢驗(yàn)完全相同。3.McNemar檢驗(yàn)實(shí)為目前國內(nèi)通用教材中關(guān)于配對(duì)四格表資料有無差別的b、c格比較的檢驗(yàn)，因此只接受和處理二值變量。小樣本時(shí)采用二項(xiàng)分布計(jì)算精確概率，大樣本時(shí)采用大家熟悉的2檢驗(yàn)。此時(shí)作Sign檢驗(yàn)也可得到相同結(jié)果。對(duì)于兩個(gè)相關(guān)樣本數(shù)據(jù)，目前國內(nèi)通

10、用教材中大多有介紹Spearman相關(guān)系數(shù)rs的計(jì)算方法及其假設(shè)檢驗(yàn)，SPSS將此分析方法與Pearson相關(guān)系數(shù)r的分析、Kendall相關(guān)系數(shù)的分析歸到一類，統(tǒng)一的Correlate過程中2，其中和rs的分析用在檢驗(yàn)獨(dú)立性時(shí)是漸近等價(jià)的，在大樣本時(shí)可認(rèn)為是等價(jià)的7。八、K Related Samples此過程用于分析多個(gè)相關(guān)樣本數(shù)據(jù)，以推斷它們是否來自分布相同的總體。有三種方法供選用，現(xiàn)分別敘述如下。1.Friedman檢驗(yàn)就是目前國內(nèi)通用教材中關(guān)于隨機(jī)區(qū)組設(shè)計(jì)資料的秩和檢驗(yàn)。使用者大多熟悉，不加贅述。2.Kendall's W檢驗(yàn)，是和諧性分析，W統(tǒng)計(jì)量稱和諧性系數(shù)或一致性系數(shù)(

11、coefficient of concordance)，用于度量一致性好壞。對(duì)同一份數(shù)據(jù)作分析，Kendall's W檢驗(yàn)拒絕H0與否和Friedman檢驗(yàn)完全相同，但它們所檢驗(yàn)的H0不相同7。如：N名教師同時(shí)對(duì)K名學(xué)生的作文評(píng)分，對(duì)這份樣本數(shù)據(jù)同時(shí)作Friedman檢驗(yàn)和Kendall's W檢驗(yàn)，兩個(gè)檢驗(yàn)的無效假設(shè)分別是“H0：這K名學(xué)生的作文水平相同”和“H0：教師不都認(rèn)為某位學(xué)生作文水平比別的學(xué)生高或低(即教師的評(píng)分有高有低，不和諧、沒有一致性)”?？梢?，Kendall' W檢驗(yàn)和Friedman檢驗(yàn)既有聯(lián)系又有區(qū)別，應(yīng)根據(jù)要解決的問題正確使用，不應(yīng)隨意使用。3.Cochran's