第6章SPSS的非參數(shù)檢驗

SPSS

中進行非參數(shù)檢驗由【Analyze(分析)】菜單中的【NonparametricTests(非參數(shù)檢驗)】菜單項導出。其中包括以下命令?！馛hi-square

test：卡方檢驗?！馚inomialtest：二項分布檢驗。●Runstest：游程檢驗。●1-SimpleK-Stest：單樣本K-S檢驗。●2IndependentSampletest：兩個獨立樣本非參數(shù)檢驗。●KIndependentSamplestest：多個獨立樣本非參數(shù)檢驗?！?RelatedSampletest：兩個相關(guān)樣本非參數(shù)檢驗。●KRelatedSampletest：多個相關(guān)樣本非參數(shù)檢驗。目前一頁\總數(shù)一百零九頁\編于十三點6.1非參數(shù)檢驗概述6.1.1非參數(shù)檢驗的提出非參數(shù)檢驗是不依賴總體分布的統(tǒng)計推斷方法。它是指在總體不服從正態(tài)分布且分布情況不明時，用來檢驗數(shù)據(jù)資料是否來自同一個總體假設(shè)的一類檢驗方法。由于這些方法一般不涉及總體參數(shù)而得名。這類方法的假定前提比參數(shù)假設(shè)檢驗方法少得多，也容易滿足，適用于計量信息較弱的資料且計算方法也簡便易行，所以在實際中有廣泛的應(yīng)用。

目前二頁\總數(shù)一百零九頁\編于十三點6.1.2非參數(shù)檢驗的特點和參數(shù)方法相比，非參數(shù)檢驗方法的優(yōu)勢如下：

（1）穩(wěn)健性。因為對總體分布的約束條件大大放寬，不至于因為對統(tǒng)計中的假設(shè)過分理想化而無法切合實際情況，從而對個別偏離較大的數(shù)據(jù)不至于太敏感。

（2）對數(shù)據(jù)的測量尺度無約束，對數(shù)據(jù)的要求也不嚴格，什么數(shù)據(jù)類型都可以做。

（3）適用于小樣本、無分布樣本、數(shù)據(jù)污染樣本、混雜樣本等。目前三頁\總數(shù)一百零九頁\編于十三點表6-1參數(shù)檢驗和非參數(shù)檢驗的效率比較應(yīng)用參數(shù)檢驗非參數(shù)檢驗對正態(tài)總體的非參數(shù)檢驗的效率評價配對樣本數(shù)據(jù)兩個獨立樣本多個獨立樣本相關(guān)隨機性t檢驗或者z檢驗t檢驗或者z檢驗方差分析(F檢驗)線性相關(guān)無可用的參數(shù)檢驗符號檢驗Wilcoxon檢驗Wilcoxon檢驗K-W檢驗秩相關(guān)檢驗游程檢驗0.630.950.950.950.91沒有可比較的基礎(chǔ)目前四頁\總數(shù)一百零九頁\編于十三點6.2SPSS 在卡方檢驗中的應(yīng)用1.使用目的卡方檢驗（Chi-SquarTest）也稱為卡方擬合優(yōu)度檢驗，是K.Pearson給出的一種最常用的非參數(shù)檢驗方法。它用于檢驗觀測數(shù)據(jù)是否與某種概率分布的理論數(shù)值相符合，進而推斷觀測數(shù)據(jù)是否是來自于該分布的樣本的問題。

2.基本原理進行卡方檢驗時，首先提出零假設(shè)：樣本X來自的總體分布服從期望分布或某一理論分布。接著，利用實際觀測值的頻數(shù)與理論的期望頻數(shù)之間的差異來構(gòu)造檢驗統(tǒng)計量，它描述了觀察值和理論值之間的偏離程度。

3.軟件使用方法

SPSS會自動計算出χ2統(tǒng)計量及對應(yīng)的相伴概率P值。目前五頁\總數(shù)一百零九頁\編于十三點6.2.2卡方檢驗的SPSS操作詳解Step01：打開主菜單

選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【Chi-Square(卡方)】命令，彈出【Chi-SquareTest(卡方檢驗)】對話框。目前六頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在【Chi-SquareTest(卡方檢驗)】對話框左側(cè)的候選變量列表框中選擇一個或幾個變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中，表示需要進行進行卡方檢驗的變量。Step03：確定檢驗范圍在【ExpectedRange(期望全距)】選項組中可以確定檢驗值的范圍，對應(yīng)有兩個單選項。Step04：選擇期望值在【ExpectedValues(期望值)】選項組中可以指定期望值，對應(yīng)有兩個單選項。

目前七頁\總數(shù)一百零九頁\編于十三點Step05：選擇計算精確概率單擊【Exact】按鈕，彈出【ExactTests(精確檢驗)】對話框，該對話框用于選擇計算概率P值的方法。目前八頁\總數(shù)一百零九頁\編于十三點Step06：其他選項選擇單擊【Options】按鈕，彈出【Options(選項)】對話框，該對話框用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法.

Step07單擊【OK】按鈕，結(jié)束操作，SPSS軟件自動輸出結(jié)果。目前九頁\總數(shù)一百零九頁\編于十三點6.2.3實例圖文分析：人員結(jié)構(gòu)的調(diào)動1.實例內(nèi)容某公司經(jīng)營多年，形成了一套成熟的企業(yè)文化和管理體系，例如根據(jù)多年的運營經(jīng)驗，經(jīng)理層、監(jiān)察員、辦事員三種職務(wù)類別人員比例大約在15：5：80為宜，這樣運行效率最高。目前公司進行人事調(diào)整，公司人員結(jié)構(gòu)發(fā)生變動，有員工擔心是否人事調(diào)整已經(jīng)導致職務(wù)類型比例的失調(diào)。請利用數(shù)據(jù)文件6-1.sav來解決該問題。三種職務(wù)的期望構(gòu)成比為15％、5％和80％。而目前樣本中觀察到的三種職務(wù)的人數(shù)比為84：27：363，構(gòu)成比分別是17.7％、5.7％和76.6％，和理論值有差異。那么這種差異是由隨機誤差造成的，還是真的構(gòu)成比和以前有所變化？該問題就可以用χ2檢驗來實現(xiàn)。相應(yīng)的假設(shè)檢驗如下。H0：目前三個職業(yè)的總體構(gòu)成比仍然是15％、5％和80％。H1：目前三個職業(yè)的總體構(gòu)成比不再是15％、5％和80％。目前十頁\總數(shù)一百零九頁\編于十三點2.實例操作Step01：打開對話框打開數(shù)據(jù)文件6-1.sav，選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【Chi-Square(卡方)】命令，彈出【Chi-SquareTest(卡方檢驗)】對話框。其中，“jobcat”變量表示職業(yè)類型，“1”表示辦事員，“2”表示監(jiān)察員，“3”表示經(jīng)理。Step02：選擇檢驗變量在左側(cè)的候選變量列表框中選擇“jobcat”變量作為檢驗變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中。目前十一頁\總數(shù)一百零九頁\編于十三點Step03：選擇期望值在【ExpectedValues(期望值)】選項組中點選【Values】單選鈕，以指定期望概率值。接著在Values的文本框中分別輸入0.8、0.05和0.15這三個數(shù)值，并且單擊【Add】按鈕加以確定。Step04：完成操作最后，單擊【OK(確定)】按鈕，操作完成。目前十二頁\總數(shù)一百零九頁\編于十三點3實例結(jié)果及分析

SPSS的結(jié)果報告中列出了期望頻數(shù)和實際頻數(shù)。顯然殘差值越小，說明實際頻數(shù)與期望頻數(shù)越接近。

ObservedNExpectedNResidualClerical363379.2-16.2Custodial2723.73.3Manager8471.112.9Total474（1）頻數(shù)表目前十三頁\總數(shù)一百零九頁\編于十三點（2）卡方檢驗表具體包括統(tǒng)計量（Chi-Square）、自由度（df）和近似概率P值（Asymp.Sig.）?？梢姡y(tǒng)計量等于3.492，自由度等于2，對應(yīng)的概率P值0.174大于顯著性水平0.05。因此接受零假設(shè)，認為目前三個職業(yè)的總體構(gòu)成比仍然是15％、5％和80％，人數(shù)的調(diào)動只是隨機誤差造成的，公司人員結(jié)構(gòu)沒有顯著性改變。

EmploymentCategoryChi-Square3.492adf2Asymp.Sig..174目前十四頁\總數(shù)一百零九頁\編于十三點6.3SPSS 在二項分布檢驗中的應(yīng)用6.3.1二項分布檢驗的基本原理1.方法概述事件要服從二項分布，則應(yīng)該具備下列基本的條件。（1）各觀察單位只能具有相互對立的一種結(jié)果。（2）已知發(fā)生某一結(jié)果（陽性）的概率為π，其對立結(jié)果的概率為1-π。（3）n次試驗在相同條件下進行，且各個觀察單位的觀察結(jié)果相互獨立，即每個觀察單位的觀察結(jié)果不會影響到其他觀察單位的結(jié)果。目前十五頁\總數(shù)一百零九頁\編于十三點2.軟件使用方法

SPSS二項分布檢驗過程是推斷總體的分布是否等于指定的某個二項分布。其假設(shè)檢驗過程如下。

H0：樣本來自的總體與某個指定的二項分布無顯著性差異。

H1：樣本來自的總體與某個指定的二項分布有顯著性差異。

SPSS會自動計算出二項分布檢驗相應(yīng)的檢驗統(tǒng)計量及對應(yīng)的概率P值。如果概率P值小于或等于用戶設(shè)定的顯著性水平，則拒絕零假設(shè)，認為總體與某個指定的二項分布有顯著性差異；相反的，如果概率P值大于顯著性水平，則接受零假設(shè)。需要注意的是，二項分布檢驗過程要求變量必須是數(shù)值型的二元變量（只取兩個可能值的變量）。假如變量是字符型的，可以使用重編碼功能將其轉(zhuǎn)化為數(shù)值型變量；假如變量不是二元變量，需要設(shè)置斷點將數(shù)據(jù)分為兩個部分，將大于斷點值的歸為一組，其余歸為另一組。目前十六頁\總數(shù)一百零九頁\編于十三點6.3.2二項分布檢驗的SPSS操作詳解

Step01：打開主菜單

選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【Binomial(二項式)】命令，彈出【BinomialTest(二項式檢驗)】對話框。目前十七頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在【BinomialTest(二項式檢驗)】對話框左側(cè)的候選變量列表框中選擇一個或幾個變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中，表示需要進行進行二項分布檢驗的變量。Step03：定義二元變量在【DefineDichotomy(定義二分法)】選項組中可以定義二元變量。

Step04：指定檢驗概率值在【TestProportion(檢驗比例)】選項組中可以指定二項分布的檢驗概率值。系統(tǒng)默認的檢驗概率值是0.5，這意味著要檢驗的二項是服從均勻分布的。如果所要檢驗的二項分布不是同概率分布，參數(shù)框中要鍵入第一組變量所對應(yīng)的檢驗概率值。目前十八頁\總數(shù)一百零九頁\編于十三點Step05：選擇計算精確概率

【Exact】按鈕用于選擇計算概率P值的方法。Step06：其他選項選擇

【Options】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step07：單擊【OK】按鈕，結(jié)束操作，SPSS軟件自動輸出結(jié)果。

目前十九頁\總數(shù)一百零九頁\編于十三點6.3.3實例圖文分析：燈泡是否合格1.實例內(nèi)容某燈泡廠生產(chǎn)的一種特制燈泡按照工藝技術(shù)標準的要求，其合格燈泡的壽命必須大于960小時。通常在生產(chǎn)穩(wěn)定的時候，該廠的這種產(chǎn)品合格品率為95％，為檢驗產(chǎn)品質(zhì)量，今從新生產(chǎn)的一大批產(chǎn)品中隨機抽查了30只燈泡，測得它們的壽命的數(shù)據(jù)資料，試根據(jù)這些樣品數(shù)據(jù)檢驗該批產(chǎn)品的合格率是否等于95％。1070107395895897596910799649689479629701054987967969967100199499310841012985994964952951987963957目前二十頁\總數(shù)一百零九頁\編于十三點2.實例操作Step01：打開對話框打開數(shù)據(jù)文件6-2.sav，選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【Binomial(二項式)】命令，彈出【BinomialTest(二項式檢驗)】對話框。

目前二十一頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在左側(cè)的候選變量列表框中選擇“time”變量作為檢驗變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中。目前二十二頁\總數(shù)一百零九頁\編于十三點Step03：定義二元變量在【DefineDichotomy(定義二分法)】選項組中點選【Cutpoint(割點)】，以指定斷點。接著在其文本框中輸入“960”，表示以它作為分界點將原始樣本分為兩組。Step04：指定檢驗概率值在【TestProportion(檢驗比例)】文本框中輸入指定概率值“0.05”。目前二十三頁\總數(shù)一百零九頁\編于十三點Step05：描述性統(tǒng)計量輸出單擊【Options】按鈕，彈出【Options(選項)】對話框。在【Statistics(統(tǒng)計量)】選項組中勾選【Descriptive(描述性)】和【Quartiles(四分位數(shù))】復(fù)選框，表示輸出基本統(tǒng)計量。再單擊【Continue】按鈕，返回【BinomialTest(二項式檢驗)】對話框。目前二十四頁\總數(shù)一百零九頁\編于十三點Step06：完成操作最后，單擊【OK(確定)】按鈕，操作完成。目前二十五頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（1）基本統(tǒng)計量

SPSS首先輸出了樣本的描述性統(tǒng)計量表。這里共選擇了30個燈泡壽命樣本作二項分布檢驗，燈泡的平均壽命等于989.13小時，標準差等于40.968小時，燈泡壽命最小值等于947小時，壽命最大值等于1084小時。同時其25％、50％和75％分位點等于962.75、969.50和996.75小時。NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th燈泡壽命30989.1340.9689471084962.75969.50995.75目前二十六頁\總數(shù)一百零九頁\編于十三點（2）二項分布檢驗表

首先根據(jù)斷點“960”將原始數(shù)據(jù)劃分為兩部分：“Group1”和“Group2”，它們各自的樣本容量等于6和24，所占總體的比例為20％和80％。由于這里要檢驗合格率是否等于95％，也就是要檢驗“Group1”組所占比例是否等于0.05。但根據(jù)單尾概率P值（0.003）小于顯著性水平（0.05），可以判斷這批樣本的合格率不等于95％，即這批產(chǎn)品沒有合格。CategoryNObservedProp.TestProp.Asymp.Sig.(1-tailed)燈泡壽命Group1<=96060.200.050.003Group2>96024.80Total301.00目前二十七頁\總數(shù)一百零九頁\編于十三點6.4SPSS 在游程檢驗中的應(yīng)用6.4.1游程檢驗的基本原理1.方法概述游程檢驗是一種利用游程數(shù)所作的單樣本隨機性的檢驗方法，它可以用來判斷觀察值的順序是否為隨機。許多統(tǒng)計模型的假設(shè)中都要求觀察值都是獨立的，也就是說，收集到的數(shù)據(jù)樣本的順序是不相關(guān)的。如果樣本順序影響到統(tǒng)計結(jié)果，那么樣本就可能不是隨機的，這將使研究者不能得出關(guān)于抽樣總體的準確結(jié)論。因此，研究者可以使用游程檢驗來檢驗數(shù)據(jù)的隨機性。目前二十八頁\總數(shù)一百零九頁\編于十三點2.基本原理游程檢驗可用來檢驗任何序列的隨機性，而不管這個序列是怎樣產(chǎn)生的；此外還可用來判斷兩個總體的分布是否相同，從而檢驗出它們的位置中心有無顯著差異。3.軟件使用方法

SPSS中利用游程數(shù)構(gòu)造Z統(tǒng)計量，利用Z統(tǒng)計量的分布來檢驗序列是否具有隨機性。軟件將自動計算出Z統(tǒng)計量的取值及對應(yīng)的概率P值。如果概率P值小于或等于用戶設(shè)定的顯著性水平，則拒絕零假設(shè)，認為變量不具有隨機性；相反的，如果概率P值大于顯著性水平，則認為變量出現(xiàn)是隨機的。目前二十九頁\總數(shù)一百零九頁\編于十三點6.4.2游程檢驗的SPSS操作詳解Step01：打開對話框選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【Runs(游程)】命令，彈出【RunsTest(游程檢驗)】對話框。目前三十頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在【RunsTest(游程檢驗)】對話框左側(cè)的候選變量列表框中選擇一個或幾個變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中，表示需要進行游程檢驗的變量。

Step03：確定斷點在【Cutpoint(割點)】選項組中指定計算游程數(shù)的分界值。小于分界值的觀察值歸為一組，其余的歸為另一組，然后計算游程數(shù)。

目前三十一頁\總數(shù)一百零九頁\編于十三點Step04：選擇計算精確概率

【Exact】按鈕用于選擇計算概率P值的方法，它的功能和卡方檢驗中的相應(yīng)按鈕相同的。Step05：其他選項選擇

【Options】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step06：單擊【OK】按鈕，結(jié)束操作，SPSS軟件自動輸出結(jié)果。目前三十二頁\總數(shù)一百零九頁\編于十三點6.4.3實例圖文分析：企業(yè)盈虧預(yù)測1.實例內(nèi)容已知某企業(yè)在過去20年的盈虧情況為“000011

11111000111111”。其中“0”表示虧損，“1”表示盈利?，F(xiàn)根據(jù)財務(wù)統(tǒng)計預(yù)測今年該企業(yè)盈利，請問這個結(jié)果對企業(yè)明年的經(jīng)營狀況有無影響？2.實例操作根據(jù)過去20年的經(jīng)營情況看到該企業(yè)的盈虧情況經(jīng)常逐年發(fā)生變化。已知今年企業(yè)盈利，要判斷明年企業(yè)的盈虧狀態(tài)，其實就是要分析今年企業(yè)的盈利是否會對明年它的盈虧帶來一定的影響。也就是說，要判斷不同年份之間的盈虧情況有無影響性，即盈虧情況是否是隨機的。這樣就可以通過游程檢驗來分析歷史數(shù)據(jù)。如果歷史數(shù)據(jù)是隨機的，說明今年的盈利不會對明年企業(yè)的生產(chǎn)產(chǎn)生影響；反之，表明今年的盈利會對明年生產(chǎn)有影響。所以采用SPSS具體操作步驟如下。目前三十三頁\總數(shù)一百零九頁\編于十三點Step01：打開對話框打開數(shù)據(jù)文件6-3.sav，選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【RunsTest(游程檢驗)】命令，彈出【RunsTest(游程檢驗)】對話框。其中“x”變量表示企業(yè)盈虧狀態(tài)，“0”表示虧損，“1”表示盈利。

目前三十四頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在候選變量列表框中選擇“x”變量作為檢驗變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中。Step03：確定斷點在【Cutpoint(割點)】選項組中取消勾選【Median(中位數(shù))】復(fù)選框，勾選【Mean(均值)】復(fù)選框。

目前三十五頁\總數(shù)一百零九頁\編于十三點Step04：完成操作最后，單擊【OK(確定)】按鈕，操作完成。目前三十六頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析首先“TestValue＝0.65”表示游程檢驗以0.65作為斷點將原始數(shù)據(jù)分為兩組。在過去20年中，企業(yè)虧損的年份數(shù)共有7年，而在剩下的13年里該企業(yè)都是盈利的。整個歷史數(shù)據(jù)的游程數(shù)等于4。接著計算游程檢驗的Z統(tǒng)計量等于-2.843，相伴概率P值0.004顯然小于顯著性水平0.05。所以，認為企業(yè)盈虧歷史數(shù)據(jù)并不是隨機的，其中有一定的規(guī)律性。因此，今年企業(yè)的盈利會對明年企業(yè)的經(jīng)營狀況產(chǎn)生顯著影響。盈虧TestValuea.65Cases<TestValue7Cases>=TestValue13TotalCases20NumberofRuns4Z-2.843Asymp.Sig.(2-tailed).004目前三十七頁\總數(shù)一百零九頁\編于十三點6.4.4實例進階分析：工業(yè)和商業(yè)企業(yè)的負債水平1.實例內(nèi)容在我國的工業(yè)和商業(yè)企業(yè)中隨機抽取22家企業(yè)進行資產(chǎn)負債率行業(yè)差異分析，其1999年底的資產(chǎn)負債率（％）如下，請問兩個行業(yè)的負債水平是否有顯著性差異？工業(yè)企業(yè)647655825982707561647383商業(yè)企業(yè)77808065939184918486目前三十八頁\總數(shù)一百零九頁\編于十三點2.實例操作要檢驗工業(yè)和商業(yè)企業(yè)的負債水平是否有差異，可以將兩組數(shù)據(jù)混合起來，同時用“1”表示數(shù)據(jù)來自工業(yè)企業(yè)，“2”表示數(shù)據(jù)來自商業(yè)企業(yè)。接著將這些序列按照升序或降序重新排列。這樣可以得到由1和2構(gòu)成的數(shù)列，如1221122。如果兩個行業(yè)的負債水平?jīng)]有差異，它們的資產(chǎn)負債率按大小應(yīng)該是隨機混合排列的，則構(gòu)成的這組數(shù)列應(yīng)該是隨機的；否則說明工業(yè)和商業(yè)企業(yè)的負債水平有一定的規(guī)律性，即兩個行業(yè)有一定的差異性。

目前三十九頁\總數(shù)一百零九頁\編于十三點SPSS具體操作步驟

Step01：打開數(shù)據(jù)文件6-4.sav，其中“fzl”變量表示企業(yè)的資產(chǎn)負債率；“indicate”變量表示企業(yè)類型，“1”表示工業(yè)企業(yè)，“2”表示商業(yè)企業(yè)。Step02：選擇菜單欄中的【Data(數(shù)據(jù))】→【SortCases(排序個案)】命令，彈出【SortCases(排序個案)】對話框。在候選變量列表框中選擇變量“fzl”，添加至【Sortby(排序依據(jù))】列表框中。這步的目的就是要按照企業(yè)負債率的高低對“indicate”變量重新排序。目前四十頁\總數(shù)一百零九頁\編于十三點Step03：接著利用游程檢驗分析“indicate”變量的隨機性。選擇菜單欄中的【Analyze(分析)】→【Nonparametric

Tests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【RunsTest(游程檢驗)】命令，彈出【RunsTest(游程檢驗)】對話框。在候選變量列表框中選擇“indicate”變量作為檢驗變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中。Step04：在【Cutpoint(割點)】選項組中取消勾選系統(tǒng)默認的【Median(中位數(shù))】復(fù)選框，勾選【Mean(均值)】復(fù)選框。Step05：單擊【RunsTest(游程檢驗)】對話框中的【OK】按鈕，完成操作。目前四十一頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析根據(jù)第二步操作，數(shù)據(jù)文件6-5.sav的“indicate”變量進行了重新排列，形成了序列：1111121111222111222222

這個序列是按照資產(chǎn)負債率的高低將企業(yè)類型“indicate”進行重新排列得到的。下面表6-9是這組序列的游程檢驗結(jié)果。游程檢驗的Z統(tǒng)計量值等于-2.384，概率P值0.017小于顯著性水平0.05，說明這組數(shù)據(jù)不是隨機序列，數(shù)據(jù)的排序呈現(xiàn)一定的規(guī)律性。因此，工業(yè)企業(yè)和商業(yè)企業(yè)的負債水平有顯著性差異。目前四十二頁\總數(shù)一百零九頁\編于十三點indicateTestValuea1.45Cases<TestValue12Cases>=TestValue10TotalCases22NumberofRuns6Z-2.384Asymp.Sig.(2-tailed).017目前四十三頁\總數(shù)一百零九頁\編于十三點6.5SPSS在單樣本K-S檢驗中的應(yīng)用6.5.1單樣本K-S檢驗的基本原理1.方法概述

K-S檢驗是以兩位前蘇聯(lián)數(shù)學家柯爾莫哥（Kolmogorov）和斯米諾夫（Smirnov）命名的，是一種擬和優(yōu)度的非參數(shù)檢驗方法。單樣本K-S檢驗是利用樣本數(shù)據(jù)推斷總體是否服從某一理論分布，一般來說它是比卡方檢驗更精確的非參數(shù)檢驗法。目前四十四頁\總數(shù)一百零九頁\編于十三點2.基本原理

K-S檢驗的理論分布可以為正態(tài)分布、均勻分布、指數(shù)分布和泊松分布等。其零假設(shè)是：樣本來自的總體與指定的理論分布無顯著差異。它的基本思想是：根據(jù)樣本數(shù)據(jù)和用戶的指定構(gòu)造出理論分布，查分布表得到相應(yīng)的理論累計概率分布函數(shù)F0(x)；利用樣本數(shù)據(jù)計算各樣本數(shù)據(jù)點的累計概率，得到經(jīng)驗累計概率分布函數(shù)S0(x)；計算S0(x）和F0(x)在相同變量值點x上的差D(x)，得到差值序列D。單樣本K-S檢驗主要對差值D序列進行研究。3.軟件使用方法

SPSS將自動計算K-S檢驗中的Z統(tǒng)計量，依據(jù)K-S分布表（小樣本）或正態(tài)分布表（大樣本）給出相應(yīng)的相伴概率P值。如果P值小于或等于用戶指定的顯著性水平α，則拒絕原假設(shè)H0；反之，不能拒絕H0，可以認為樣本來自的總體與指定的分布無顯著差異。目前四十五頁\總數(shù)一百零九頁\編于十三點6.5.2單樣本K-S檢驗的SPSS操作詳解Step01：打開對話框選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【1-samplesK-S(1樣本K-S(1))】命令，彈出【One-SampleK-STest(單樣本K-S檢驗)】對話框，這是K-S檢驗的主操作窗口。目前四十六頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在【One-SampleKolmogorov-SmirnovTest(單樣本K-S檢驗)】對話框左側(cè)的候選變量列表框中選擇一個或幾個變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中，表示需要進行K-S檢驗的變量。Step03：選擇待檢驗理論分布在【TestDistribution(檢驗分布)】選項組中，用戶需要選擇待檢驗的理論分布。系統(tǒng)提供了四種統(tǒng)計中常見的分布。

目前四十七頁\總數(shù)一百零九頁\編于十三點Step04：選擇計算精確概率

【Exact】按鈕用于選擇計算概率P值的方法，它的功能和卡方檢驗中相關(guān)按鈕是相同的。Step05：其他選項選擇

【Options】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step06：單擊【OK】按鈕，結(jié)束操作，SPSS軟件自動輸出結(jié)果。目前四十八頁\總數(shù)一百零九頁\編于十三點6.5.3實例分析：商品銷售收益的分布1.實例內(nèi)容零售商希望了解某商品銷售收益（Revenue）的大致分布情況。依據(jù)其他銷售商已有的資料，他認為其銷售收益可能服從正態(tài)分布。為了檢驗其假設(shè)，考慮是否與其他零售商一樣，銷售收益服從正態(tài)分布，收集到相關(guān)的銷售收益數(shù)據(jù)，請使用SPSS軟件分析樣本數(shù)據(jù)是否服從正態(tài)分布。目前四十九頁\總數(shù)一百零九頁\編于十三點2.實例操作本案例的目的就是要檢驗文件6-5.sav中的“revenue”變量是否服從正態(tài)部分，因此可以采用非參數(shù)K-S檢驗來判斷。首先，通過描述性統(tǒng)計功能繪制了“revenue”變量的直方圖及其擬合的正態(tài)曲線，具體見圖6-19。從圖形特征看到，“revenue”變量的分布非常接近正態(tài)分布，但需要采用K-S檢驗來診斷。目前五十頁\總數(shù)一百零九頁\編于十三點Step01：打開對話框打開數(shù)據(jù)文件6-4.sav，選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【1-samplesK-S(1樣本K-S(1))】命令，彈出如下圖所示的對話框。

目前五十一頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在候選變量列表框中選擇“revenue”變量作為檢驗變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中。提示：可以在【TestDistribution(檢驗分布)】選項組中選擇檢驗分布類型；系統(tǒng)默認為正態(tài)分布。

目前五十二頁\總數(shù)一百零九頁\編于十三點Step03：確定斷點單擊【Options】按鈕，在彈出的對話框的【Statistics(統(tǒng)計量)】選項組中勾選【Descriptive(描述性)】和【Quartiles(四分位數(shù))】復(fù)選框，表示輸出基本統(tǒng)計量。單擊【Continue】按鈕返回主對話框。

目前五十三頁\總數(shù)一百零九頁\編于十三點Step04：完成操作最后，單擊【OK(確定)】按鈕，操作完成。目前五十四頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（1）描述性統(tǒng)計量輸出

SPSS首先給出了“revenue”變量的基本統(tǒng)計量。樣本總數(shù)N等于1488，收益均值等于$2,516.58，收益標準差等于$994.586，收益最小值和最大值分別是$13和$6,213，收益25％、50％和75％的分位數(shù)是$1,830.96、$2,490.68和$3,183.54。NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75thRevenue1488$2,516.58$994.586$13$6,213$1,830.96$2,490.68$3,183.54目前五十五頁\總數(shù)一百零九頁\編于十三點（2）K-S檢驗結(jié)果表給出了原假設(shè)：銷售收益服從均值為2516.58、標準差為994.586的正態(tài)分布。給出了K-S檢驗關(guān)鍵結(jié)果：實際分布和檢驗分布之間的正向最大頻數(shù)差為0.019，負向最大頻數(shù)差為-0.010，因此用于計算統(tǒng)計量的絕對值最大頻數(shù)差為0.019。隨后的K-S統(tǒng)計量Z值等于0.75，相應(yīng)的概率P值為0.627，大于顯著性水平0.05。所以接受零假設(shè)，認為該廠商的銷售收益服從正態(tài)分布。RevenueN1488NormalParametersaMean$2,516.58Std.Deviation$994.586MostExtremeDifferencesAbsolute0.019Positive0.019Negative-0.010Kolmogorov-SmirnovZ0.750Asymp.Sig.(2-tailed)0.627目前五十六頁\總數(shù)一百零九頁\編于十三點P-P圖除了采用上述非參數(shù)K-S檢驗來判斷單樣本的分布外，還可以利用P-P圖和Q-Q圖直觀判別樣本的分布。選擇菜單欄中的【Analyze(分析)】→【DescriptiveStatistics(描述統(tǒng)計)】→【P-PPlots(P-P圖)】命令，即可生成P-P圖。目前五十七頁\總數(shù)一百零九頁\編于十三點6.6SPSS在兩獨立樣本非參數(shù)檢驗中的應(yīng)用6.6.1兩獨立樣本非參數(shù)檢驗的方法原理1.方法概述兩獨立樣本的非參數(shù)檢驗是在對總體分布不甚了解的情況下，通過分析樣本數(shù)據(jù)，推斷樣本來自的兩個獨立總體的分布是否存在顯著差異。這種檢驗方法一般通過獨立總體的均值或中位數(shù)是否存在顯著差異來推斷。關(guān)于樣本之間是否獨立，主要看在一個總體中抽取樣本對在另一個總體中抽取樣本有無影響。如果沒有影響，則可以認為這兩個總體是獨立的。2.基本原理

SPSS提供了四種相關(guān)的非參數(shù)檢驗方法：曼-惠特尼U檢驗、K-S檢驗、極端反應(yīng)檢驗、游程檢驗。目前五十八頁\總數(shù)一百零九頁\編于十三點6.6.2兩獨立樣本非參數(shù)檢

驗的SPSS操作詳解Step01：打開主菜單選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【2IndependentSamples(2個獨立樣本)】命令，彈出【Two-Independent-SamplesTests(兩個獨立樣本檢驗)】對話框。目前五十九頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在【Two-Independent-SamplesTests(兩個獨立樣本檢驗)】對話框左側(cè)的候選變量列表框中選擇一個或幾個變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中，這里表示需要進行兩獨立樣本檢驗的變量。Step03：選擇分組變量在【Two-Independent-SamplesTests(兩個獨立樣本檢驗)】對話框左側(cè)的候選變量中選擇分組變量，將其添加至【GroupingVariable(s)(分組變量)】文本框中，目的是要區(qū)分檢驗變量的不同組別。單擊【GroupingVariables】按鈕，在彈出的對話框的【Group1(組1)】和【Group2(組2)】文本框中分別輸入整數(shù)值，這兩個值確定的分組將選擇的檢驗變量的觀測值分為兩組或者分成兩個樣本，并將檢驗變量的其他數(shù)值排除在檢驗分析之外。設(shè)置完成后，單擊【Continue】按鈕，返回主對話框。目前六十頁\總數(shù)一百零九頁\編于十三點Step04：選擇檢驗方法在【TestType(檢驗類型)】選項組中，用戶需要選擇兩獨立樣本檢驗的方法。系統(tǒng)提供了四種常用方法：

Mann-WhitneyU(曼-惠特尼U檢驗)、Kolmogorov-SmirnovZ(K-S檢驗)、MosesExtremeReactions(極端反應(yīng)檢驗)和Wald-WolfwitzRuns(游程檢驗)。

目前六十一頁\總數(shù)一百零九頁\編于十三點Step05：選擇計算精確概率

【Exact】按鈕用于選擇計算概率P值的方法。Step06：其他選項選擇

【Options】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step07：單擊【OK】按鈕，結(jié)束操作，SPSS軟件自動輸出結(jié)果。目前六十二頁\總數(shù)一百零九頁\編于十三點6.6.3實例圖文分析：日本和

美國公司的市盈率1.

實例內(nèi)容一個公司的市盈率是指這家公司股票的當前價格除以最近12個月的每股收益。下表列出了10家日本公司和12家美國公司的市盈率，這兩個國家公司的市盈率之間是否存在顯著差異？日本美國公司市盈率公司市盈率SumitomoCorp.KindenHeiwaNCPJapanSuzukiMotorFujiBankSumitomoChemicalSeibuRailwayShiseidoTodoGas153211812531213646663368GannetMotorolaSchlumbergerOracleSystemsGapWinn-DixieIngersoll-RandAmericanElectricPowerHerculesTimesMirrorWellPointHealthNorthernStatesPower192424432214211421381514目前六十三頁\總數(shù)一百零九頁\編于十三點2.實例操作本案例的目的就是要檢驗日本和美國公司的市盈率是否有顯著差異。由于這里樣本量較少，難以確定這兩個總體的分布，因此可以引入非參數(shù)的檢驗方法。由于討論的兩個樣本相互獨立，故引入兩獨立樣本非參數(shù)檢驗方法。于是建立如下假設(shè)檢驗。

H0

：日本公司和美國公司的市盈率沒有顯著差異。

H1

：日本公司和美國公司的市盈率存在顯著差異。主要是比較日本和美國公司的平均市盈率是否相同，所以采用曼-惠特尼U檢驗方法。

目前六十四頁\總數(shù)一百零九頁\編于十三點Step01：打開對話框打開數(shù)據(jù)文件6-6.sav，選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【Legacy

Dialogs(舊對話框)】→【2IndependentSamples(2個獨立樣本)】命令，彈出如下圖所示的對話框。

目前六十五頁\總數(shù)一百零九頁\編于十三點Step02：選擇檢驗變量在左側(cè)的候選變量列表框中選擇“PE”變量作為檢驗變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中。Step03：選擇分組變量選擇分組變量x，將其添加至【GroupingVariable(s)(分組變量)】文本框中。目前六十六頁\總數(shù)一百零九頁\編于十三點Step04：確定分組標號單擊【GroupingVariables】按鈕，彈出相應(yīng)對話框，在【Group1(組1)】文本框中輸入“1”，在【Group2(組2)】文本框中輸入“2”，分別表示分組的標號。輸入完成后，單擊【Continue】按鈕返回主對話框。

目前六十七頁\總數(shù)一百零九頁\編于十三點Step05：完成操作最后，單擊【OK(確定)】按鈕，操作完成。目前六十八頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（1）描述性統(tǒng)計量

NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th市盈率2275.5000141.6019714.00666.0018.750024.000065.0000國家221.5455.509651.002.001.00002.00002.0000目前六十九頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（2）曼-惠特尼U檢驗的秩統(tǒng)計表

國家NMeanRankSumofRanks市盈率日本1015.70157.00美國128.0096.00Total22目前七十頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（3）曼-惠特尼U檢驗結(jié)果表

市盈率Mann-WhitneyU18.000WilcoxonW96.000Z-2.776Asymp.Sig.(2-tailed)0.005ExactSig.[2*(1-tailedSig.)]0.004a目前七十一頁\總數(shù)一百零九頁\編于十三點6.7SPSS在多獨立樣本

非參數(shù)檢驗中的應(yīng)用6.7.1多獨立樣本非參數(shù)檢驗的基本原理1.方法概述多獨立樣本的非參數(shù)檢驗是通過分析多組獨立樣本數(shù)據(jù)，推斷樣本來自的多個總體的分布是否存在顯著差異。這里樣本間的獨立是指在一個總體中抽取樣本對在其他總體中抽取樣本無影響。2.基本原理

SPSS提供的多獨立樣本非參數(shù)檢驗的方法主要包括：Kruskal-WallisH檢驗、中位數(shù)檢驗（Median檢驗、Joneckheere-Terpstra檢驗。目前七十二頁\總數(shù)一百零九頁\編于十三點6.7.2多獨立樣本非參數(shù)檢驗

的SPSS操作詳解Step01：打開對話框選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【KIndependentSamples(K個獨立樣本)】命令，彈出【TestsforSeveralIndependentSamples(多個獨立樣本檢驗)】對話框，這是多獨立樣本非參數(shù)檢驗的主操作窗口。目前七十三頁\總數(shù)一百零九頁\編于十三點6.7.2多獨立樣本非參數(shù)檢驗

的SPSS操作詳解Step02：選擇檢驗變量在主對話框左側(cè)的候選變量列表框中選擇一個或幾個變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中，這里表示需要進行多獨立樣本檢驗的變量。目前七十四頁\總數(shù)一百零九頁\編于十三點6.7.2多獨立樣本非參數(shù)檢驗

的SPSS操作詳解Step03：選擇分組變量在主對話框左側(cè)的候選變量中選擇分組變量，將其添加至【GroupingVariable(s)(分組變量)】文本框中，目的是要區(qū)分檢驗變量的不同組別。單擊【GroupingVariables】按鈕，彈出如下圖所示的對話框。在【Minimum(最小值)】和【Maximum(最大值)】文本框中分別鍵入最小值和最大值，這兩個值之間的整數(shù)值將檢驗變量的觀測值分為若干個樣本，并將其他數(shù)值排除在檢驗分析之外。設(shè)置完成后，單擊【Continue】按鈕，返回主對話框。目前七十五頁\總數(shù)一百零九頁\編于十三點6.7.2多獨立樣本非參數(shù)檢驗

的SPSS操作詳解Step04：選擇檢驗方法在【TestType(檢驗類型)】選項組中，用戶需要選擇多獨立樣本檢驗的方法。系統(tǒng)提供了三種常用方法：Kruskal-WallisH(克魯斯凱-沃里斯H檢驗)、Median(中位數(shù)檢驗)和Joneckheere-Terpstra(J-T檢驗)。

Step05：選擇計算精確概率

【Exact】按鈕用于選擇計算概率P值的方法。Step06：其他選項選擇

【Options】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step07：單擊【OK】按鈕，結(jié)束操作，SPSS軟件自動輸出結(jié)果。目前七十六頁\總數(shù)一百零九頁\編于十三點6.7.3實例分析：糖果中的卡路里1.實例內(nèi)容暢銷的糖果往往含有較高的卡路里。假設(shè)下表中的數(shù)據(jù)為三種不同糖果樣本中的卡路里含量，檢驗這三種糖果中的卡路里含量的顯著差異。糖果1糖果2糖果3230210240250230225205245253220200208202190180目前七十七頁\總數(shù)一百零九頁\編于十三點2.實例操作本案例的目的就是要檢驗這三種糖果中的卡路里含量有沒有顯著性差異。由于這里樣本量較少，難以確定總體的分布，因此可以引入非參數(shù)的檢驗方法。由于三種糖果的卡路里含量獨立，故引入多獨立樣本非參數(shù)檢驗方法。于是建立如下假設(shè)檢驗。

H0

：三種糖果的卡路里含量沒有顯著差異。

H1

：三種糖果的卡路里含量存在顯著差異。目前七十八頁\總數(shù)一百零九頁\編于十三點2.實例操作Step01：打開數(shù)據(jù)文件6-7sav，其中“calories”變量表示糖果中卡路里的含量；“x”變量表示糖果類型，分別用1-3表示。選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【KIndependentSamples(K個獨立樣本)】命令，彈出如下圖所示的對話框。提示：可以在【TestType(檢驗類型)】選項組中選擇檢驗方法。目前七十九頁\總數(shù)一百零九頁\編于十三點2.實例操作Step02：選擇檢驗變量在左側(cè)的候選變量列表框中選擇“calories”變量作為檢驗變量，將其添加至【TestVariableList(檢驗變量列表)】列表框中。Step03：選擇分組變量選擇分組變量x，將其添加至【GroupingVariable(s)(分組變量)】文本框中。

目前八十頁\總數(shù)一百零九頁\編于十三點2.實例操作Step04：確定分組標號。單擊【GroupingVariables】按鈕，彈出相應(yīng)對話框，如圖6-35所示。在【Minimum(最小值)】文本框中輸入“1”，在【Maximum(最大值)】文本框中輸入“3”，分別表示分組的最小標號和最大標號。輸入完成后，單擊【Continue】按鈕返回。目前八十一頁\總數(shù)一百零九頁\編于十三點2.實例操作Step05：完成操作最后，單擊【OK(確定)】按鈕，操作完成。目前八十二頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（1）描述性統(tǒng)計量

NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th卡路里15219.200022.23639180.00253.00202.0000220.0000240.0000糖果類型152.0000.845151.003.001.00002.00003.0000目前八十三頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（2）秩統(tǒng)計表糖果類型NMeanRank卡路里1510.802510.00353.20Total15目前八十四頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（3）非參數(shù)檢驗結(jié)果表

卡路里Chi-Square8.736df2Asymp.Sig.0.013目前八十五頁\總數(shù)一百零九頁\編于十三點6.8SPSS在兩配對樣本

非參數(shù)檢驗中的應(yīng)用

6.8.1兩配對樣本非參數(shù)檢驗的基本原理兩配對樣本的非參數(shù)檢驗是在對兩組配對樣本的總體分布不甚了解的情況下，推斷樣本來自的兩個總體的分布等是否存在顯著差異的方法。這種檢驗對兩個總體服從的分布不做要求，但要求數(shù)據(jù)必須是成對出現(xiàn)的，而且順序不能夠隨意調(diào)換。下面簡要介紹常用的四種檢驗方法:符號檢驗、Wilcoxon符號秩檢驗、McNemar檢驗、MarginalHomogeneity檢驗。目前八十六頁\總數(shù)一百零九頁\編于十三點6.8.2兩配對樣本非參數(shù)檢驗

的SPSS操作詳解Step01：打開對話框選擇菜單欄中的【Analyze(分析)】→【Nonparametric

Tests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【2RelatedSamples(2個相關(guān)樣本)】命令，彈出【Two-Related-SamplesTests(兩個關(guān)聯(lián)樣本檢驗)】對話框，這是兩配對樣本非參數(shù)檢驗的主操作窗口。目前八十七頁\總數(shù)一百零九頁\編于十三點6.8.2兩配對樣本非參數(shù)檢驗

的SPSS操作詳解Step02：選擇檢驗變量在主對話框左側(cè)的候選變量列表框中選擇變量，將其添加至【TestPairs(檢驗對)】列表框中。需注意的是，由于是進行配對檢驗，所以檢驗變量要成對添加至【TestPairs(檢驗對)】列表框。Step03：選擇檢驗方法在【TestType(檢驗類型)】選項組中，用戶需要選擇兩配對樣本檢驗的方法。系統(tǒng)提供了四種常用方法：Wilcoxon符號秩檢驗、符號檢驗、McNemar檢驗、MarginalHomogeneity檢驗。目前八十八頁\總數(shù)一百零九頁\編于十三點6.8.2兩配對樣本非參數(shù)檢驗

的SPSS操作詳解Step04：選擇計算精確概率

【Exact】按鈕用于選擇計算概率P值的方法。

Step05：其他選項選擇

【Options】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step06：單擊【OK】按鈕，結(jié)束操作，SPSS軟件自動輸出結(jié)果。目前八十九頁\總數(shù)一百零九頁\編于十三點6.8.3實例分析：音樂與入睡時間1.實例內(nèi)容在關(guān)于放松（聽音樂）對成年女性入睡所需時間影響的研究中，抽取了10名女性組成樣本。下表給出了10個對象在有聽音樂和不聽音樂下入睡所需的時間（min）。就此數(shù)據(jù)你的結(jié)論是什么？研究對象12345678910不聽音樂1512228107810149聽音樂10119411587116目前九十頁\總數(shù)一百零九頁\編于十三點6.8.3實例分析：音樂與入睡時間2.實例操作案例要分析聽音樂是否會影響成年人的入睡時間，于是選擇了10名女性，對她們分別進行聽音樂和不聽音樂兩種條件下的入睡時間檢測。由于選擇的樣本是相同的，因此表中的兩組樣本是成對數(shù)據(jù)。由于這里樣本量較少，難以確定總體的分布，因此可以引入非參數(shù)的檢驗方法。故引入兩配對樣本非參數(shù)檢驗方法。同時這里的數(shù)據(jù)是連續(xù)性數(shù)據(jù)，故采用Wilcoxon符號秩檢驗。于是建立如下假設(shè)檢驗。

H0

：聽音樂和不聽音樂兩種條件下入睡時間沒有顯著差異。

H1

：聽音樂和不聽音樂兩種條件下入睡時間存在顯著差異。目前九十一頁\總數(shù)一百零九頁\編于十三點SPSS具體操作步驟Step01：打開對話框打開數(shù)據(jù)文件6-8.sav。選擇菜單欄中的【Analyze(分析)】→【NonparametricTests(非參數(shù)檢驗)】→【LegacyDialogs(舊對話框)】→【2RelatedSamples(2個相關(guān)樣本)】命令，彈出【Two-Related-SamplesTests(兩個關(guān)聯(lián)樣本檢驗)】對話框。目前九十二頁\總數(shù)一百零九頁\編于十三點Step02：在左側(cè)的候選變量列表框中同時選擇“x”變量和“y”變量作為成對檢驗變量，將其同時添加至【Test

Pairs(檢驗對)】列表框中提示：可以在【TestType(檢驗類型)】選項組中選擇檢驗方法。目前九十三頁\總數(shù)一百零九頁\編于十三點Step03：單擊【Options】按鈕，在彈出的對話框的【Statistics(統(tǒng)計量)】選項組中勾選【Descriptive(描述性)】和【Quartiles(四分位數(shù))】復(fù)選框，表示輸出基本統(tǒng)計量。再單擊【Continue】按鈕，返回主對話框。目前九十四頁\總數(shù)一百零九頁\編于十三點Step04：完成操作最后，單擊【OK(確定)】按鈕，操作完成。目前九十五頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（1）描述統(tǒng)計量表NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th無放松1011.504.5287228.0010.0014.25有放松108.202.6164115.758.5011.00目前九十六頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（2）秩統(tǒng)計表NMeanRankSumofRanks有放松-無放松NegativeRanks8a5.4443.50PositiveRanks1b1.501.50Ties1cTotal10目前九十七頁\總數(shù)一百零九頁\編于十三點3.實例結(jié)果及分析（3）非參數(shù)檢驗結(jié)果表

有放松

-無放松Z-2.499aAsymp.Sig.(2-tailed)0.0