第6章-SPSS非參數(shù)檢驗(yàn)講解課件

第6章SPSS的非參數(shù)檢驗(yàn)第6章SPSS的非參數(shù)檢驗(yàn)

SPSS中進(jìn)行非參數(shù)檢驗(yàn)由【分析】菜單中的【非參數(shù)檢驗(yàn)】菜單項(xiàng)導(dǎo)出。其中包括以下命令。●Chi-squaretest：卡方檢驗(yàn)?！馚inomialtest：二項(xiàng)分布檢驗(yàn)?！馬unstest：游程檢驗(yàn)?！?-SimpleK-Stest：?jiǎn)螛颖綤-S檢驗(yàn)。●2IndependentSampletest：兩個(gè)獨(dú)立樣本非參數(shù)檢驗(yàn)?！馣IndependentSamplestest：多個(gè)獨(dú)立樣本非參數(shù)檢驗(yàn)?！?RelatedSampletest：兩個(gè)相關(guān)樣本非參數(shù)檢驗(yàn)?！馣RelatedSampletest：多個(gè)相關(guān)樣本非參數(shù)檢驗(yàn)。

6.1非參數(shù)檢驗(yàn)概述6.1.1非參數(shù)檢驗(yàn)的提出

非參數(shù)檢驗(yàn)是不依賴總體分布的統(tǒng)計(jì)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(shí)，用來(lái)檢驗(yàn)數(shù)據(jù)資料是否來(lái)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)而得名。這類方法的假定前提比參數(shù)假設(shè)檢驗(yàn)方法少得多，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)便易行，所以在實(shí)際中有廣泛的應(yīng)用。6.1非參數(shù)檢驗(yàn)概述6.1.1非參數(shù)檢驗(yàn)的提出

6.1.2非參數(shù)檢驗(yàn)的特點(diǎn)與參數(shù)方法相比，非參數(shù)檢驗(yàn)方法的優(yōu)勢(shì)如下：（1）穩(wěn)健性。因?yàn)閷?duì)總體分布的約束條件大大放寬，不至于因?yàn)閷?duì)統(tǒng)計(jì)中的假設(shè)過(guò)分理想化而無(wú)法切合實(shí)際情況，從而對(duì)個(gè)別偏離較大的數(shù)據(jù)不至于太敏感。（2）對(duì)數(shù)據(jù)的測(cè)量尺度無(wú)約束，對(duì)數(shù)據(jù)的要求也不嚴(yán)格，什么數(shù)據(jù)類型都可以做。（3）適用于小樣本、無(wú)分布樣本、數(shù)據(jù)污染樣本、混雜樣本等。6.1.2非參數(shù)檢驗(yàn)的特點(diǎn)表6-1參數(shù)檢驗(yàn)和非參數(shù)檢驗(yàn)的效率比較應(yīng)用參數(shù)檢驗(yàn)非參數(shù)檢驗(yàn)對(duì)正態(tài)總體的非參數(shù)檢驗(yàn)的效率評(píng)價(jià)配對(duì)樣本數(shù)據(jù)兩個(gè)獨(dú)立樣本多個(gè)獨(dú)立樣本相關(guān)隨機(jī)性t檢驗(yàn)或者z檢驗(yàn)t檢驗(yàn)或者z檢驗(yàn)方差分析(F檢驗(yàn))線性相關(guān)無(wú)可用的參數(shù)檢驗(yàn)符號(hào)檢驗(yàn)Wilcoxon檢驗(yàn)Wilcoxon檢驗(yàn)K-W檢驗(yàn)秩相關(guān)檢驗(yàn)游程檢驗(yàn)0.630.950.950.950.91沒(méi)有可比較的基礎(chǔ)表6-1參數(shù)檢驗(yàn)和非參數(shù)檢驗(yàn)的效率比較應(yīng)用參數(shù)檢驗(yàn)非參6.2SPSS在卡方檢驗(yàn)中的應(yīng)用1.使用目的卡方檢驗(yàn)也稱為卡方擬合優(yōu)度檢驗(yàn)，是K.Pearson給出的一種最常用的非參數(shù)檢驗(yàn)方法。它用于檢驗(yàn)觀測(cè)數(shù)據(jù)是否與某種概率分布的理論數(shù)值相符合，進(jìn)而推斷觀測(cè)數(shù)據(jù)是否是來(lái)自于該分布的樣本的問(wèn)題。2.基本原理進(jìn)行卡方檢驗(yàn)時(shí)，首先提出零假設(shè)：樣本X來(lái)自的總體分布服從期望分布或某一理論分布。接著，利用實(shí)際觀測(cè)值的頻數(shù)與理論的期望頻數(shù)之間的差異來(lái)構(gòu)造檢驗(yàn)統(tǒng)計(jì)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(huì)自動(dòng)計(jì)算出χ2統(tǒng)計(jì)量及對(duì)應(yīng)的相伴概率P值。6.2SPSS在卡方檢驗(yàn)中的應(yīng)用1.使用目的6.2.2卡方檢驗(yàn)的SPSS操作詳解Step01：打開(kāi)主菜單

選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【卡方】命令，彈出【卡方檢驗(yàn)】對(duì)話框。6.2.2卡方檢驗(yàn)的SPSS操作詳解Step01：打開(kāi)主菜Step02：選擇檢驗(yàn)變量

在【卡方檢驗(yàn)】對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)或幾個(gè)變量，將其添加至【檢驗(yàn)變量列表】列表框中，表示需要進(jìn)行進(jìn)行卡方檢驗(yàn)的變量。Step03：確定檢驗(yàn)范圍在【期望全距】選項(xiàng)組中可以確定檢驗(yàn)值的范圍，對(duì)應(yīng)有兩個(gè)單選項(xiàng)。Step04：選擇期望值在【期望值】選項(xiàng)組中可以指定期望值，對(duì)應(yīng)有兩個(gè)單選項(xiàng)。Step02：選擇檢驗(yàn)變量Step05：選擇計(jì)算精確概率單擊【精確】按鈕，彈出【精確檢驗(yàn)】對(duì)話框，該對(duì)話框用于選擇計(jì)算概率P值的方法。Step05：選擇計(jì)算精確概率Step06：其他選項(xiàng)選擇單擊【選項(xiàng)】按鈕，彈出【選項(xiàng)】對(duì)話框，該對(duì)話框用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法Step07：Step07單擊【確定】按鈕，操作完成Step0Step06.2.3實(shí)例圖文分析：人員結(jié)構(gòu)的調(diào)動(dòng)1.實(shí)例內(nèi)容某公司經(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(yùn)行效率最高。目前公司進(jìn)行人事調(diào)整，公司人員結(jié)構(gòu)發(fā)生變動(dòng)，有員工擔(dān)心是否人事調(diào)整已經(jīng)導(dǎo)致職務(wù)類型比例的失調(diào)。請(qǐng)利用數(shù)據(jù)文件6-1.sav來(lái)解決該問(wèn)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(jī)誤差造成的，還是真的構(gòu)成比和以前有所變化？該問(wèn)題就可以用χ2檢驗(yàn)來(lái)實(shí)現(xiàn)。相應(yīng)的假設(shè)檢驗(yàn)如下。

6.2.3實(shí)例圖文分析：人員結(jié)構(gòu)的調(diào)動(dòng)1.實(shí)例內(nèi)容

H0：目前三個(gè)職業(yè)的總體構(gòu)成比仍然是15％、5％和80％。H1：目前三個(gè)職業(yè)的總體構(gòu)成比不再是15％、5％和80％2.實(shí)例操作Step01：打開(kāi)對(duì)話框打開(kāi)數(shù)據(jù)文件6-1.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【卡方】命令，彈出【卡方檢驗(yàn)】對(duì)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(yàn)變量在左側(cè)的候選變量列表框中選擇“jobcat”變量作為檢驗(yàn)變量，將其添加至【檢驗(yàn)變量列表】列表框中。Step03：選擇期望值在【期望值】選項(xiàng)組中點(diǎn)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(gè)數(shù)值，并且單擊【Add】按鈕加以確定。Step04：?jiǎn)螕簟敬_定】按鈕，操作完成。

3實(shí)例結(jié)果及分析

SPSS的結(jié)果報(bào)告中列出了期望頻數(shù)和實(shí)際頻數(shù)。顯然殘差值越小，說(shuō)明實(shí)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3實(shí)例結(jié)果及分析SPSS的結(jié)果報(bào)告（2）卡方檢驗(yàn)表具體包括統(tǒng)計(jì)量、自由度（df）和近似概率P值?？梢?jiàn)，統(tǒng)計(jì)量等于3.492，自由度等于2，對(duì)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(rèn)為目前三個(gè)職業(yè)的總體構(gòu)成比仍然是15％、5％和80％，人數(shù)的調(diào)動(dòng)只是隨機(jī)誤差造成的，公司人員結(jié)構(gòu)沒(méi)有顯著性改變。

EmploymentCategoryChi-Square3.492adf2Asymp.Sig..174（2）卡方檢驗(yàn)表EmploymentCategoryChi6.3SPSS在二項(xiàng)分布檢驗(yàn)中的應(yīng)用6.3.1二項(xiàng)分布檢驗(yàn)的基本原理1.方法概述事件要服從二項(xiàng)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(duì)立的一種結(jié)果。（2）已知發(fā)生某一結(jié)果（陽(yáng)性）的概率為π，其對(duì)立結(jié)果的概率為1-π。（3）n次試驗(yàn)在相同條件下進(jìn)行，且各個(gè)觀察單位的觀察結(jié)果相互獨(dú)立，即每個(gè)觀察單位的觀察結(jié)果不會(huì)影響到其他觀察單位的結(jié)果。6.3SPSS在二項(xiàng)分布檢驗(yàn)中的應(yīng)用6.3.1二項(xiàng)分布6.3.2二項(xiàng)分布檢驗(yàn)的SPSS操作詳解

Step01：打開(kāi)主菜單

選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【二項(xiàng)式】命令，彈出【二項(xiàng)式檢驗(yàn)】對(duì)話框。6.3.2二項(xiàng)分布檢驗(yàn)的SPSS操作詳解Step01：打Step02：選擇檢驗(yàn)變量在【二項(xiàng)式檢驗(yàn)】對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)或幾個(gè)變量，將其添加至【檢驗(yàn)變量列表】列表框中，表示需要進(jìn)行進(jìn)行二項(xiàng)分布檢驗(yàn)的變量。Step03：定義二元變量在【定義二分法】選項(xiàng)組中可以定義二元變量。Step04：指定檢驗(yàn)概率值在【檢驗(yàn)比例】選項(xiàng)組中可以指定二項(xiàng)分布的檢驗(yàn)概率值。系統(tǒng)默認(rèn)的檢驗(yàn)概率值是0.5，這意味著要檢驗(yàn)的二項(xiàng)是服從均勻分布的。如果所要檢驗(yàn)的二項(xiàng)分布不是同概率分布，參數(shù)框中要鍵入第一組變量所對(duì)應(yīng)的檢驗(yàn)概率值。Step05：選擇計(jì)算精確概率

【Exact】按鈕用于選擇計(jì)算概率P值的方法。Step06：其他選項(xiàng)選擇

【選項(xiàng)】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step07：?jiǎn)螕簟敬_定】按鈕，結(jié)束操作，SPSS軟件自動(dòng)輸出結(jié)果。Step05：選擇計(jì)算精確概率6.3.3實(shí)例圖文分析：燈泡是否合格1.實(shí)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(biāo)準(zhǔn)的要求，其合格燈泡的壽命必須大于960小時(shí)。通常在生產(chǎn)穩(wěn)定的時(shí)候，該廠的這種產(chǎn)品合格品率為95％，為檢驗(yàn)產(chǎn)品質(zhì)量，今從新生產(chǎn)的一大批產(chǎn)品中隨機(jī)抽查了30只燈泡，測(cè)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(yàn)該批產(chǎn)品的合格率是否等于95％。10701073958958975969107996496894796297010549879679699671001994993108410129859949649529519879639576.3.3實(shí)例圖文分析：燈泡是否合格1.實(shí)例內(nèi)容10702.實(shí)例操作Step01：打開(kāi)對(duì)話框

打開(kāi)數(shù)據(jù)文件6-2.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【二項(xiàng)式】命令，彈出【二項(xiàng)式檢驗(yàn))】對(duì)話框。Step02：選擇檢驗(yàn)變量

在左側(cè)的候選變量列表框中選擇“time”變量作為檢驗(yàn)變量，將其添加至【檢驗(yàn)變量列表】列表框中。Step03：定義二元變量在【定義二分法】選項(xiàng)組中點(diǎn)選【割點(diǎn)】，以指定斷點(diǎn)。接著在其文本框中輸入“960”，表示以它作為分界點(diǎn)將原始樣本分為兩組。2.實(shí)例操作Step01：打開(kāi)對(duì)話框

Step04：指定檢驗(yàn)概率值

在【檢驗(yàn)比例】文本框中輸入指定概率值“0.05”。Step04：指定檢驗(yàn)概率值Step05：描述性統(tǒng)計(jì)量輸出單擊【選項(xiàng)】按鈕，彈出【選項(xiàng)】對(duì)話框。在【統(tǒng)計(jì)量】選項(xiàng)組中勾選【描述性】和【四分位數(shù)】復(fù)選框，表示輸出基本統(tǒng)計(jì)量。再單擊【繼續(xù)】按鈕，返回【二項(xiàng)式檢驗(yàn)】對(duì)話框。Step05：描述性統(tǒng)計(jì)量輸出Step06：完成操作

最后，單擊【確定】按鈕，操作完成。Step06：完成操作3.實(shí)例結(jié)果及分析（1）基本統(tǒng)計(jì)量

SPSS首先輸出了樣本的描述性統(tǒng)計(jì)量表。這里共選擇了30個(gè)燈泡壽命樣本作二項(xiàng)分布檢驗(yàn)，燈泡的平均壽命等于989.13小時(shí)，標(biāo)準(zhǔn)差等于40.968小時(shí)，燈泡壽命最小值等于947小時(shí)，壽命最大值等于1084小時(shí)。同時(shí)其25％、50％和75％分位點(diǎn)等于962.75、969.50和996.75小時(shí)。NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th燈泡壽命30989.1340.9689471084962.75969.50995.753.實(shí)例結(jié)果及分析（1）基本統(tǒng)計(jì)量NMeanStd.De

首先根據(jù)斷點(diǎn)“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(yàn)合格率是否等于95％，也就是要檢驗(yàn)“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(méi)有合格。CategoryNObservedProp.TestProp.Asymp.Sig.(1-tailed)燈泡壽命Group1<=96060.200.050.003Group2>96024.80Total301.00（2）二項(xiàng)分布檢驗(yàn)表首先根據(jù)斷點(diǎn)“960”將原始數(shù)6.4SPSS在游程檢驗(yàn)中的應(yīng)用6.4.1游程檢驗(yàn)的基本原理1.方法概述

游程檢驗(yàn)是一種利用游程數(shù)所作的單樣本隨機(jī)性的檢驗(yàn)方法，它可以用來(lái)判斷觀察值的順序是否為隨機(jī)。許多統(tǒng)計(jì)模型的假設(shè)中都要求觀察值都是獨(dú)立的，也就是說(shuō)，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(jì)結(jié)果，那么樣本就可能不是隨機(jī)的，這將使研究者不能得出關(guān)于抽樣總體的準(zhǔn)確結(jié)論。因此，研究者可以使用游程檢驗(yàn)來(lái)檢驗(yàn)數(shù)據(jù)的隨機(jī)性。6.4SPSS在游程檢驗(yàn)中的應(yīng)用6.4.1游程檢驗(yàn)的基2.基本原理游程檢驗(yàn)可用來(lái)檢驗(yàn)任何序列的隨機(jī)性，而不管這個(gè)序列是怎樣產(chǎn)生的；此外還可用來(lái)判斷兩個(gè)總體的分布是否相同，從而檢驗(yàn)出它們的位置中心有無(wú)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(jì)量，利用Z統(tǒng)計(jì)量的分布來(lái)檢驗(yàn)序列是否具有隨機(jī)性。軟件將自動(dòng)計(jì)算出Z統(tǒng)計(jì)量的取值及對(duì)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(rèn)為變量不具有隨機(jī)性；相反的，如果概率P值大于顯著性水平，則認(rèn)為變量出現(xiàn)是隨機(jī)的。2.基本原理6.4.2游程檢驗(yàn)的SPSS操作詳解Step01：打開(kāi)對(duì)話框選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【游程】命令，彈出【游程檢驗(yàn)】對(duì)話框。6.4.2游程檢驗(yàn)的SPSS操作詳解Step01：打開(kāi)對(duì)話Step02：選擇檢驗(yàn)變量

在【游程檢驗(yàn)】對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)或幾個(gè)變量，將其添加至【檢驗(yàn)變量列表】列表框中，表示需要進(jìn)行游程檢驗(yàn)的變量。

Step03：確定斷點(diǎn)在【割點(diǎn)】選項(xiàng)組中指定計(jì)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(jì)算游程數(shù)。Step04：選擇計(jì)算精確概率

單擊【精確】按鈕用于選擇計(jì)算概率P值的方法，它的功能和卡方檢驗(yàn)中的相應(yīng)按鈕相同的。Step05：其他選項(xiàng)選擇單擊【選項(xiàng)】按鈕用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法。Step06：?jiǎn)螕簟敬_定】按鈕，結(jié)束操作，SPSS軟件自動(dòng)輸出結(jié)果。Step02：選擇檢驗(yàn)變量Step04：選擇計(jì)算精確概率6.4.3實(shí)例圖文分析：企業(yè)盈虧預(yù)測(cè)1.實(shí)例內(nèi)容

已知某企業(yè)在過(guò)去20年的盈虧情況為“00001111111000111111”。其中“0”表示虧損，“1”表示盈利?，F(xiàn)根據(jù)財(cái)務(wù)統(tǒng)計(jì)預(yù)測(cè)今年該企業(yè)盈利，請(qǐng)問(wèn)這個(gè)結(jié)果對(duì)企業(yè)明年的經(jīng)營(yíng)狀況有無(wú)影響？2.實(shí)例操作

根據(jù)過(guò)去20年的經(jīng)營(yíng)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，要判斷不同年份之間的盈虧情況有無(wú)影響性，即盈虧情況是否是隨機(jī)的。這樣就可以通過(guò)游程檢驗(yàn)來(lái)分析歷史數(shù)據(jù)。如果歷史數(shù)據(jù)是隨機(jī)的，說(shuō)明今年的盈利不會(huì)對(duì)明年企業(yè)的生產(chǎn)產(chǎn)生影響；反之，表明今年的盈利會(huì)對(duì)明年生產(chǎn)有影響。所以采用SPSS具體操作步驟如下。6.4.3實(shí)例圖文分析：企業(yè)盈虧預(yù)測(cè)1.實(shí)例內(nèi)容

Step01：打開(kāi)對(duì)話框打開(kāi)數(shù)據(jù)文件6-3.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【游程檢驗(yàn)】命令，彈出【游程檢驗(yàn)】對(duì)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。Step02：選擇檢驗(yàn)變量在候選變量列表框中選擇“x”變量作為檢驗(yàn)變量，將其添加至【檢驗(yàn)變量列表】列表框中。Step01：打開(kāi)對(duì)話框Step03：確定斷點(diǎn)

在【割點(diǎn)】選項(xiàng)組中取消勾選【中位數(shù)】復(fù)選框，勾選【均值】復(fù)選框，單擊【確定】按鈕，操作完成。

Step03：確定斷點(diǎn)3.實(shí)例結(jié)果及分析

計(jì)算游程檢驗(yàn)的Z統(tǒng)計(jì)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(rèn)為企業(yè)盈虧歷史數(shù)據(jù)并不是隨機(jī)的，其中有一定的規(guī)律性。因此，今年企業(yè)的盈利會(huì)對(duì)明年企業(yè)的經(jīng)營(yíng)狀況產(chǎn)生顯著影響。TestValuea0.65Cases<TestValue7Cases>=TestValue13TotalCases20NumberofRuns4Z-2.843Asymp.Sig.(2-tailed).0043.實(shí)例結(jié)果及分析TestValuea0.65Cas6.4.4實(shí)例進(jìn)階分析工業(yè)和商業(yè)企業(yè)的負(fù)債水平1.實(shí)例內(nèi)容

在我國(guó)的工業(yè)和商業(yè)企業(yè)中隨機(jī)抽取22家企業(yè)進(jìn)行資產(chǎn)負(fù)債率行業(yè)差異分析，其1999年底的資產(chǎn)負(fù)債率（％）如下，請(qǐng)問(wèn)兩個(gè)行業(yè)的負(fù)債水平是否有顯著性差異？工業(yè)企業(yè)647655825982707561647383商業(yè)企業(yè)778080659391849184866.4.4實(shí)例進(jìn)階分析工業(yè)和商業(yè)企業(yè)的負(fù)債水平1.實(shí)例內(nèi)SPSS具體操作步驟

Step01：打開(kāi)數(shù)據(jù)文件6-4.sav，其中“fzl”表示企業(yè)資產(chǎn)負(fù)債率；“indicate”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【數(shù)據(jù)】→【排序個(gè)案】命令，彈出【排序個(gè)案】對(duì)話框。在候選變量列表框中選擇變量“fzl”，添加至【排序依據(jù)】列表框中。SPSS具體操作步驟Step01：打開(kāi)數(shù)據(jù)文件6-4.sStep03：接著利用游程檢驗(yàn)分析“indicate”變量的隨機(jī)性。選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框)】→【游程檢驗(yàn)】命令，彈出【游程檢驗(yàn)】對(duì)話框。在候選變量列表框中選擇“indicate”變量作為檢驗(yàn)變量，將其添加至【檢驗(yàn)變量列表】列表框中。Step04：在【割點(diǎn)】選項(xiàng)組中取消勾選系統(tǒng)默認(rèn)的【中位數(shù)】復(fù)選框，勾選【均值】復(fù)選框。Step05：?jiǎn)螕簟居纬虣z驗(yàn)】對(duì)話框中的【確定】按鈕，完成操作。Step03：接著利用游程檢驗(yàn)分析“indicate”變量的indicateTestValuea1.45Cases<TestValue12Cases>=TestValue10TotalCases22NumberofRuns6Z-2.384Asymp.Sig.(2-tailed).017

3.實(shí)例結(jié)果及分析游程檢驗(yàn)的Z統(tǒng)計(jì)量值等于-2.384，概率P值0.017小于顯著性水平0.05，說(shuō)明這組數(shù)據(jù)不是隨機(jī)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(fù)債水平有顯著性差異。indicateTestValuea1.45Cases<6.5SPSS在單樣本K-S檢驗(yàn)中的應(yīng)用6.5.1單樣本K-S檢驗(yàn)的基本原理1.方法概述K-S檢驗(yàn)是一種擬和優(yōu)度的非參數(shù)檢驗(yàn)方法。單樣本K-S檢驗(yàn)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(lái)說(shuō)它是比卡方檢驗(yàn)更精確的非參數(shù)檢驗(yàn)法。2.基本原理K-S檢驗(yàn)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?；舅枷胧牵焊鶕?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(jì)概率分布函數(shù)F0(x)；利用樣本數(shù)據(jù)計(jì)算各樣本數(shù)據(jù)點(diǎn)的累計(jì)概率，得到經(jīng)驗(yàn)累計(jì)概率分布函數(shù)S0(x)；計(jì)算S0(x）和F0(x)在相同變量值點(diǎn)x上的差D(x)，得差值序列D。6.5SPSS在單樣本K-S檢驗(yàn)中的應(yīng)用6.5.1單樣6.5.2單樣本K-S檢驗(yàn)的SPSS操作詳解Step01：打開(kāi)對(duì)話框選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【1樣本K-S(1)】命令，彈出【單樣本K-S檢驗(yàn)】對(duì)話框，這是K-S檢驗(yàn)的主操作窗口。6.5.2單樣本K-S檢驗(yàn)的SPSS操作詳解Step01：Step02：選擇檢驗(yàn)變量在【單樣本K-S檢驗(yàn)】對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)或幾個(gè)變量，將其添加至【檢驗(yàn)變量列表】列表框中，表示需要進(jìn)行K-S檢驗(yàn)的變量。Step03：選擇待檢驗(yàn)理論分布在【檢驗(yàn)分布】選項(xiàng)組中，用戶需要選擇待檢驗(yàn)的理論分布。系統(tǒng)提供了四種統(tǒng)計(jì)中常見(jiàn)的分布。

Step04：設(shè)置好對(duì)話框中的參數(shù)后，單擊【確定】按鈕結(jié)束操作。Step02：選擇檢驗(yàn)變量6.5.3實(shí)例分析：商品銷售收益的分布1.實(shí)例內(nèi)容

零售商希望了解某商品銷售收益的大致分布情況。依據(jù)其他銷售商已有的資料，他認(rèn)為其銷售收益可能服從正態(tài)分布。為了檢驗(yàn)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(qǐng)使用SPSS軟件分析樣本數(shù)據(jù)是否服從正態(tài)分布。6.5.3實(shí)例分析：商品銷售收益的分布1.實(shí)例內(nèi)容2.實(shí)例操作

本案例的目的就是要檢驗(yàn)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(yàn)來(lái)判斷。首先，通過(guò)描述性統(tǒng)計(jì)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(jiàn)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(yàn)來(lái)診斷。2.實(shí)例操作本案例的目的就是要檢驗(yàn)文件

Step01：打開(kāi)對(duì)話框打開(kāi)對(duì)話框打開(kāi)數(shù)據(jù)文件6-4.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【1樣本K-S(1)】命令，彈出如下圖所示的對(duì)話框。Step02：選擇檢驗(yàn)變量在候選變量列表框中選擇“revenue”變量作為檢驗(yàn)變量，將其添加至【檢驗(yàn)變量列表】列表框中。Step01：打開(kāi)對(duì)話框

Step03:單擊【選項(xiàng)】按鈕，彈出【單變量K-S：選項(xiàng)】對(duì)話框，在【統(tǒng)計(jì)量】選項(xiàng)組中勾選【描述性】復(fù)選框和【四分位數(shù)】復(fù)選框，表示輸出基本統(tǒng)計(jì)量，如圖6-14所示。單擊【繼續(xù)】按鈕返回主對(duì)話框，單擊【確定】按鈕，完成操作。Step03:單擊【選項(xiàng)】按鈕，彈出【單變量K-S：選項(xiàng)】3.實(shí)例結(jié)果及分析（1）描述性統(tǒng)計(jì)量輸出

NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75thRevenue1488$2,516.58$994.586$13$6,213$1,830.96$2,490.68$3,183.543.實(shí)例結(jié)果及分析（1）描述性統(tǒng)計(jì)量輸出NMeanStd.(2）K-S檢驗(yàn)結(jié)果表RevenueN1488NormalParametersaMean$2,516.58Std.Deviation$994.586MostExtremeDifferencesAbsolute0.019Positive0.019Negative-0.010Kolmogorov-SmirnovZ0.750Asymp.Sig.(2-tailed)0.627(2）K-S檢驗(yàn)結(jié)果表RevenueN1488Normal6.6SPSS在兩獨(dú)立樣本非參數(shù)檢驗(yàn)中的應(yīng)用6.6.1兩獨(dú)立樣本非參數(shù)檢驗(yàn)的方法原理1.方法概述

通過(guò)分析樣本數(shù)據(jù)，推斷樣本來(lái)自的兩個(gè)獨(dú)立總體的分布是否存在顯著差異。這種檢驗(yàn)方法一般通過(guò)獨(dú)立總體的均值或中位數(shù)是否存在顯著差異來(lái)推斷。關(guān)于樣本之間是否獨(dú)立，主要看在一個(gè)總體中抽取樣本對(duì)在另一個(gè)總體中抽取樣本有無(wú)影響。如果沒(méi)有影響，則可以認(rèn)為這兩個(gè)總體是獨(dú)立的。2.基本原理

SPSS提供了四種相關(guān)的非參數(shù)檢驗(yàn)方法：曼-惠特尼U檢驗(yàn)、K-S檢驗(yàn)、極端反應(yīng)檢驗(yàn)、游程檢驗(yàn)。6.6SPSS在兩獨(dú)立樣本非參數(shù)檢驗(yàn)中的應(yīng)用6.6.1兩6.6.2兩獨(dú)立樣本非參數(shù)檢驗(yàn)的SPSS操作詳解Step01：打開(kāi)主菜單

選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【2個(gè)獨(dú)立樣本)】命令，彈出【兩個(gè)獨(dú)立樣本檢驗(yàn)】對(duì)話框。6.6.2兩獨(dú)立樣本非參數(shù)檢驗(yàn)的SPSS操作詳解Step0Step02：選擇檢驗(yàn)變量

在左側(cè)的候選變量列表框中選擇一個(gè)或幾個(gè)變量，將其添加至【檢驗(yàn)變量列表】列表框中，作為需要進(jìn)行兩獨(dú)立樣本檢驗(yàn)的變量。Step03：選擇分組變量在左側(cè)的候選變量列表框中選擇分組變量，將其添加至【分組變量】文本框中，目的是區(qū)分檢驗(yàn)變量的不同組別。單擊【定義組】按鈕，彈出【兩個(gè)獨(dú)立樣本檢驗(yàn):分組】對(duì)話框。在【組1】和【組2】文本框中分別輸入整數(shù)值，這兩個(gè)值確定的分組將所選檢驗(yàn)變量的觀測(cè)值分為兩組或兩Step02：選擇檢驗(yàn)變量Step04：選擇檢驗(yàn)方法在【檢驗(yàn)類型】選項(xiàng)組中，用戶需要選擇兩獨(dú)立樣本檢驗(yàn)的方法。系統(tǒng)提供了四種常用方法：曼-惠特尼U檢驗(yàn)、K-S檢驗(yàn)、極端反應(yīng)檢驗(yàn)和游程檢驗(yàn)。Step05：設(shè)置其他參數(shù)

設(shè)置完對(duì)話框中的其他參數(shù)后，單擊【確定】按鈕結(jié)束操作。

Step04：選擇檢驗(yàn)方法6.6.3實(shí)例圖文分析：日本和美國(guó)公司的市盈率1.

實(shí)例內(nèi)容

一個(gè)公司的市盈率是指這家公司股票的當(dāng)前價(jià)格除以最近12個(gè)月的每股收益。下表列出了10家日本公司和12家美國(guó)公司的市盈率，這兩個(gè)國(guó)家公司的市盈率之間是否存在顯著差異？2.實(shí)例操作Step01：打開(kāi)對(duì)話框打開(kāi)數(shù)據(jù)文件6-6.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【2個(gè)獨(dú)立樣本】命令，彈出如下圖所示的對(duì)話框。6.6.3實(shí)例圖文分析：日本和美國(guó)公司的市盈率1.實(shí)例內(nèi)Step02：選擇檢驗(yàn)變量在左側(cè)的候選變量列表框中選擇“PE”變量作為檢驗(yàn)變量，將其添加至【檢驗(yàn)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【分組變量】文本框中。Step02：選擇檢驗(yàn)變量Step04：確定分組標(biāo)號(hào)

單擊【定義組】按鈕，彈出【兩個(gè)獨(dú)立樣本檢驗(yàn):分組】對(duì)話框，在【組1】、【組2】文本框中分別輸入“1”“2”，然后單擊【繼續(xù)】按鈕返回主對(duì)話框，單擊【確定】按鈕，完成操作。Step04：確定分組標(biāo)號(hào)3.實(shí)例結(jié)果及分析（1）描述性統(tǒng)計(jì)量NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th市盈率2275.5000141.6019714.00666.0018.750024.000065.0000國(guó)家221.5455.509651.002.001.00002.00002.00003.實(shí)例結(jié)果及分析（1）描述性統(tǒng)計(jì)量NMeanStd.（2）曼-惠特尼U檢驗(yàn)的秩統(tǒng)計(jì)表國(guó)家NMeanRankSumofRanks市盈率日本1015.70157.00美國(guó)128.0096.00Total22市盈率Mann-WhitneyU18.000WilcoxonW96.000Z-2.776Asymp.Sig.(2-tailed)0.005ExactSig.[2*(1-tailedSig.)]0.004a(3)曼-惠特尼U檢驗(yàn)結(jié)果表

（2）曼-惠特尼U檢驗(yàn)的秩統(tǒng)計(jì)表國(guó)家NMeanRankS6.7SPSS在多獨(dú)立樣本非參數(shù)檢驗(yàn)中的應(yīng)用6.7.1多獨(dú)立樣本非參數(shù)檢驗(yàn)的基本原理1.方法概述

多獨(dú)立樣本的非參數(shù)檢驗(yàn)是通過(guò)分析多組獨(dú)立樣本數(shù)據(jù)，推斷樣本來(lái)自的多個(gè)總體的分布是否存在顯著差異。這里樣本間的獨(dú)立是指在一個(gè)總體中抽取樣本對(duì)在其他總體中抽取樣本無(wú)影響。2.基本原理

SPSS提供的多獨(dú)立樣本非參數(shù)檢驗(yàn)的方法主要包括：Kruskal-WallisH檢驗(yàn)、中位數(shù)檢驗(yàn)和Joneckheere-Terpstra檢驗(yàn)。6.7SPSS在多獨(dú)立樣本非參數(shù)檢驗(yàn)中的應(yīng)用6.7.16.7.2多獨(dú)立樣本非參數(shù)檢驗(yàn)的SPSS操作詳解Step01：打開(kāi)對(duì)話框選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【K個(gè)獨(dú)立樣本】命令，彈出【多個(gè)獨(dú)立樣本檢驗(yàn)】對(duì)話框，這是多獨(dú)立樣本非參數(shù)檢驗(yàn)的主操作窗口。6.7.2多獨(dú)立樣本非參數(shù)檢驗(yàn)的SPSS操作詳解Step0Step02：選擇檢驗(yàn)變量在主對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)或幾個(gè)變量，將其添加至【檢驗(yàn)變量列表】列表框中，這里表示需要進(jìn)行多獨(dú)立樣本檢驗(yàn)的變量。

Step03：選擇分組變量在左側(cè)的候選變量列表框中選擇分組變量，將其添加至【分組變量】文本框中，單擊【定義變量的范圍】按鈕，彈出分組變量范圍定義對(duì)話框。在【最小值】和【最大】文本框中分別輸入最小值和最大值，設(shè)置完成后，單擊【繼續(xù)】按鈕，返回主對(duì)話框。Step02：選擇檢驗(yàn)變量Step04：選擇檢驗(yàn)方法

在【檢驗(yàn)類型】選項(xiàng)組中，用戶需要選擇多獨(dú)立樣本檢驗(yàn)的方法。系統(tǒng)提供了三種常用方法：克魯斯凱-沃里斯H檢驗(yàn)、中位數(shù)檢驗(yàn)和J-T檢驗(yàn)。

Step05：設(shè)置完對(duì)話框中的其他參數(shù)后，單擊【確定】按鈕結(jié)束操作，SPSS軟件自動(dòng)輸出結(jié)果。

第6章-SPSS非參數(shù)檢驗(yàn)講解ppt課件6.7.3實(shí)例分析：糖果中的卡路里1.實(shí)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(yàn)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32302102402502302252052452532202002082021901806.7.3實(shí)例分析：糖果中的卡路里1.實(shí)例內(nèi)容糖果1糖果2.實(shí)例操作Step01：打開(kāi)【多個(gè)獨(dú)立樣本檢驗(yàn)】對(duì)話框打開(kāi)數(shù)據(jù)文件6-7sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【K個(gè)獨(dú)立樣本】命令，彈出【多個(gè)獨(dú)立樣本檢驗(yàn)】對(duì)話框。Step02：選擇檢驗(yàn)變量在左側(cè)的候選變量列表框中選擇“calories”變量作為檢驗(yàn)變量，將其添加至【檢驗(yàn)變量列表】列表框中。2.實(shí)例操作Step01：打開(kāi)【多個(gè)獨(dú)立樣本檢驗(yàn)】對(duì)話框Step03：選擇分組變量選擇分組變量x，將其添加至【分組變量】文本框中。

Step03：選擇分組變量Step04：?jiǎn)螕簟径x范圍】按鈕，彈出分組變量范圍定義對(duì)話框，在【最小值】文本框中輸入“1”，在【最大】文本框中輸入“3”，然后單擊【繼續(xù)】按鈕返回主對(duì)話框，再單擊【確定】按鈕完成操作。Step04：?jiǎn)螕簟径x范圍】按鈕，彈出分組變量范圍定義對(duì)話3.實(shí)例結(jié)果及分析（1）描述性統(tǒng)計(jì)量NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th卡路里15219.200022.23639180.00253.00202.0000220.0000240.0000糖果類型152.0000.845151.003.001.00002.00003.00003.實(shí)例結(jié)果及分析（1）描述性統(tǒng)計(jì)量NMeanStd.（2）秩統(tǒng)計(jì)表糖果類型NMeanRank卡路里1510.802510.00353.20Total15卡路里Chi-Square8.736df2Asymp.Sig.0.013（3）非參數(shù)檢驗(yàn)結(jié)果表

（2）秩統(tǒng)計(jì)表糖果類型NMeanRank卡路里1510.86.8SPSS在兩配對(duì)樣本非參數(shù)檢驗(yàn)中的應(yīng)用

（1）基本原理

兩配對(duì)樣本的非參數(shù)檢驗(yàn)是在對(duì)兩組配對(duì)樣本的總體分布不甚了解的情況下，推斷樣本來(lái)自的兩個(gè)總體的分布等是否存在顯著差異的方法。這種檢驗(yàn)要求數(shù)據(jù)必須是成對(duì)出現(xiàn)的，而且順序不能夠隨意調(diào)換。6.8SPSS在兩配對(duì)樣本非參數(shù)檢驗(yàn)中的應(yīng)用

（1）基本6.8.2兩配對(duì)樣本非參數(shù)檢驗(yàn)的SPSS操作詳解

Step01：打開(kāi)對(duì)話框

選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【2個(gè)相關(guān)樣本】命令，彈出【兩個(gè)關(guān)聯(lián)樣本檢驗(yàn)】對(duì)話框，如圖所示，這是兩配對(duì)樣本非參數(shù)檢驗(yàn)的主操作窗口。6.8.2兩配對(duì)樣本非參數(shù)檢驗(yàn)的SPSS操作詳解StepStep02：選擇檢驗(yàn)變量在左側(cè)的候選變量列表框中選擇一對(duì)或幾對(duì)變量，將其添加至【檢驗(yàn)對(duì)】列表框中。Step03：選擇檢驗(yàn)方法在【檢驗(yàn)類型】選項(xiàng)組中，用戶需要選擇兩配對(duì)樣本檢驗(yàn)的方法。系統(tǒng)提供了常用方法：Wilcoxon符號(hào)秩檢驗(yàn)、符號(hào)檢驗(yàn)、McNemar檢驗(yàn)、MarginalHomogeneity檢驗(yàn)。Step04：完成操作

設(shè)置完對(duì)話框中的其他參數(shù)后，單擊【確定】按鈕結(jié)束操作。Step02：選擇檢驗(yàn)變量6.8.3實(shí)例分析：音樂(lè)與入睡時(shí)間1.實(shí)例內(nèi)容

在關(guān)于放松（聽(tīng)音樂(lè)）對(duì)成年女性入睡所需時(shí)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(gè)對(duì)象在有聽(tīng)音樂(lè)和不聽(tīng)音樂(lè)下入睡所需的時(shí)間（min）。就此數(shù)據(jù)你的結(jié)論是什么？研究對(duì)象12345678910不聽(tīng)音樂(lè)1512228107810149聽(tīng)音樂(lè)101194115871166.8.3實(shí)例分析：音樂(lè)與入睡時(shí)間1.實(shí)例內(nèi)容研究對(duì)象1SPSS具體操作步驟

Step01：打開(kāi)對(duì)話框打開(kāi)數(shù)據(jù)文件6-8.sav，其中，x變量表示不聽(tīng)音樂(lè)條件下女性的入睡時(shí)間，y變量表示聽(tīng)音樂(lè)條件下女性的入睡時(shí)間。選擇菜單欄中的【分析】→【非參數(shù)檢驗(yàn)】→【舊對(duì)話框】→【2個(gè)相關(guān)樣本】命令，彈出【兩個(gè)關(guān)聯(lián)樣本檢驗(yàn)】對(duì)話框。Step02：選擇檢驗(yàn)變量在左側(cè)的候選變量列表框中同時(shí)選擇x變量和y變量作為成對(duì)檢驗(yàn)變量，將其同時(shí)添加至【檢驗(yàn)對(duì)】列表框中，

SPSS具體操作步驟Step01：打開(kāi)對(duì)話框Step03：?jiǎn)螕簟具x項(xiàng)】按鈕，彈出【兩個(gè)關(guān)聯(lián)樣本檢驗(yàn)：選項(xiàng)】對(duì)話框，在【統(tǒng)計(jì)量】選項(xiàng)組中勾選【描述性】項(xiàng)和【四分位數(shù)】復(fù)選框，單擊【繼續(xù)】按鈕，返回主對(duì)話框，單擊【確定】按鈕完成操作。Step03：?jiǎn)螕簟具x項(xiàng)】按鈕，彈出【兩個(gè)關(guān)聯(lián)樣本檢驗(yàn)：選項(xiàng)3.實(shí)例結(jié)果及分析（1）描述統(tǒng)計(jì)量表NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th無(wú)放松1011.504.5287228.0010.0014.25有放松108.202.6164115.758.5011.003.實(shí)例結(jié)果及分析（1）描述統(tǒng)計(jì)量表NMeanStd.D3.實(shí)例結(jié)果及分析（2）秩統(tǒng)計(jì)表NMeanRankSumofRanks有放松-無(wú)放松NegativeRanks8a5.4443.50PositiveRanks1b1.501.50Ties1cTotal10有放松

-無(wú)放松Z-2.499aAsymp.Sig.(2-tailed)0.012（3）非參數(shù)檢驗(yàn)結(jié)果表

3.實(shí)例結(jié)果及分析（2）秩統(tǒng)計(jì)表NMeanRankSum6.9SPSS在多配對(duì)樣本非參數(shù)檢驗(yàn)中的應(yīng)用（1）基本原理

多配對(duì)樣本的非參數(shù)檢驗(yàn)是用來(lái)比較多個(gè)配對(duì)總體分布是否相同的非參數(shù)檢驗(yàn)方法。這種檢驗(yàn)方法對(duì)總體分布也沒(méi)有要求，但樣本必須是配對(duì)的，也不能更改其順序。下面簡(jiǎn)要介紹常用的三種檢驗(yàn)方法：Friedman檢驗(yàn)、Kendall協(xié)和系數(shù)檢驗(yàn)、Cochran檢驗(yàn).6.9SPSS在多配對(duì)樣本非參數(shù)檢驗(yàn)中的應(yīng)用（1）基本原

（2