第6章-SPSS非參數(shù)檢驗講解課件

第6章SPSS的非參數(shù)檢驗第6章SPSS的非參數(shù)檢驗

SPSS中進行非參數(shù)檢驗由【分析】菜單中的【非參數(shù)檢驗】菜單項導出。其中包括以下命令?！馛hi-squaretest：卡方檢驗?！馚inomialtest：二項分布檢驗?！馬unstest：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?！馣IndependentSamplestest：多個獨立樣本非參數(shù)檢驗?！?RelatedSampletest：兩個相關樣本非參數(shù)檢驗。●KRelatedSampletest：多個相關樣本非參數(shù)檢驗。

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用。6.1非參數(shù)檢驗概述6.1.1非參數(shù)檢驗的提出

6.1.2非參數(shù)檢驗的特點與參數(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。6.1.2非參數(shù)檢驗的特點表6-1參數(shù)檢驗和非參數(shù)檢驗的效率比較應用參數(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檢驗秩相關檢驗游程檢驗0.630.950.950.950.91沒有可比較的基礎表6-1參數(shù)檢驗和非參數(shù)檢驗的效率比較應用參數(shù)檢驗非參6.2SPSS在卡方檢驗中的應用1.使用目的卡方檢驗也稱為卡方擬合優(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：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)計量及對應的相伴概率P值。6.2SPSS在卡方檢驗中的應用1.使用目的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【分析】→【非參數(shù)檢驗】→【舊對話框】→【卡方】命令，彈出【卡方檢驗】對話框。6.2.2卡方檢驗的SPSS操作詳解Step01：打開主菜Step02：選擇檢驗變量

在【卡方檢驗】對話框左側的候選變量列表框中選擇一個或幾個變量，將其添加至【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【期望全距】選項組中可以確定檢驗值的范圍，對應有兩個單選項。Step04：選擇期望值在【期望值】選項組中可以指定期望值，對應有兩個單選項。Step02：選擇檢驗變量Step05：選擇計算精確概率單擊【精確】按鈕，彈出【精確檢驗】對話框，該對話框用于選擇計算概率P值的方法。Step05：選擇計算精確概率Step06：其他選項選擇單擊【選項】按鈕，彈出【選項】對話框，該對話框用于指定輸出內容和關于缺失值的處理方法Step07：Step07單擊【確定】按鈕，操作完成Step0Step06.2.3實例圖文分析：人員結構的調動1.實例內容某公司經理層、監(jiān)察員、辦事員三種職務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整，公司人員結構發(fā)生變動，有員工擔心是否人事調整已經導致職務類型比例的失調。請利用數(shù)據(jù)文件6-1.sav來解決該問題。三種職務的期望構成比為15％、5％和80％。而目前樣本中觀察到的三種職務的人數(shù)比為84：27：363，構成比分別是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)。相應的假設檢驗如下。

6.2.3實例圖文分析：人員結構的調動1.實例內容

H0：目前三個職業(yè)的總體構成比仍然是15％、5％和80％。H1：目前三個職業(yè)的總體構成比不再是15％、5％和80％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【分析】→【非參數(shù)檢驗】→【舊對話框】→【卡方】命令，彈出【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”表示經理。Step02：選擇檢驗變量在左側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【檢驗變量列表】列表框中。Step03：選擇期望值在【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：單擊【確定】按鈕，操作完成。

3實例結果及分析

SPSS的結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3實例結果及分析SPSS的結果報告（2）卡方檢驗表具體包括統(tǒng)計量、自由度（df）和近似概率P值。可見，統(tǒng)計量等于3.492，自由度等于2，對應的概率P值0.174大于顯著性水平0.05。因此接受零假設，認為目前三個職業(yè)的總體構成比仍然是15％、5％和80％，人數(shù)的調動只是隨機誤差造成的，公司人員結構沒有顯著性改變。

EmploymentCategoryChi-Square3.492adf2Asymp.Sig..174（2）卡方檢驗表EmploymentCategoryChi6.3SPSS在二項分布檢驗中的應用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果。（2）已知發(fā)生某一結果（陽性）的概率為π，其對立結果的概率為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果相互獨立，即每個觀察單位的觀察結果不會影響到其他觀察單位的結果。6.3SPSS在二項分布檢驗中的應用6.3.1二項分布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【分析】→【非參數(shù)檢驗】→【舊對話框】→【二項式】命令，彈出【二項式檢驗】對話框。6.3.2二項分布檢驗的SPSS操作詳解Step01：打Step02：選擇檢驗變量在【二項式檢驗】對話框左側的候選變量列表框中選擇一個或幾個變量，將其添加至【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【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【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的檢驗概率值。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

【選項】按鈕用于指定輸出內容和關于缺失值的處理方法。Step07：單擊【確定】按鈕，結束操作，SPSS軟件自動輸出結果。Step05：選擇計算精確概率6.3.3實例圖文分析：燈泡是否合格1.實例內容

某燈泡廠生產的一種特制燈泡按照工藝技術標準的要求，其合格燈泡的壽命必須大于960小時。通常在生產穩(wěn)定的時候，該廠的這種產品合格品率為95％，為檢驗產品質量，今從新生產的一大批產品中隨機抽查了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)檢驗該批產品的合格率是否等于95％。10701073958958975969107996496894796297010549879679699671001994993108410129859949649529519879639576.3.3實例圖文分析：燈泡是否合格1.實例內容10702.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【分析】→【非參數(shù)檢驗】→【舊對話框】→【二項式】命令，彈出【二項式檢驗)】對話框。Step02：選擇檢驗變量

在左側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【檢驗變量列表】列表框中。Step03：定義二元變量在【定義二分法】選項組中點選【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。2.實例操作Step01：打開對話框

Step04：指定檢驗概率值

在【檢驗比例】文本框中輸入指定概率值“0.05”。Step04：指定檢驗概率值Step05：描述性統(tǒng)計量輸出單擊【選項】按鈕，彈出【選項】對話框。在【統(tǒng)計量】選項組中勾選【描述性】和【四分位數(shù)】復選框，表示輸出基本統(tǒng)計量。再單擊【繼續(xù)】按鈕，返回【二項式檢驗】對話框。Step05：描述性統(tǒng)計量輸出Step06：完成操作

最后，單擊【確定】按鈕，操作完成。Step06：完成操作3.實例結果及分析（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30989.1340.9689471084962.75969.50995.753.實例結果及分析（1）基本統(tǒng)計量NMeanStd.De

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％，即這批產品沒有合格。CategoryNObservedProp.TestProp.Asymp.Sig.(1-tailed)燈泡壽命Group1<=96060.200.050.003Group2>96024.80Total301.00（2）二項分布檢驗表首先根據(jù)斷點“960”將原始數(shù)6.4SPSS在游程檢驗中的應用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的。如果樣本順序影響到統(tǒng)計結果，那么樣本就可能不是隨機的，這將使研究者不能得出關于抽樣總體的準確結論。因此，研究者可以使用游程檢驗來檢驗數(shù)據(jù)的隨機性。6.4SPSS在游程檢驗中的應用6.4.1游程檢驗的基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)計量的取值及對應的概率P值。如果概率P值小于或等于用戶設定的顯著性水平，則拒絕零假設，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。2.基本原理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【分析】→【非參數(shù)檢驗】→【舊對話框】→【游程】命令，彈出【游程檢驗】對話框。6.4.2游程檢驗的SPSS操作詳解Step01：打開對話Step02：選擇檢驗變量

在【游程檢驗】對話框左側的候選變量列表框中選擇一個或幾個變量，將其添加至【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【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)。Step04：選擇計算精確概率

單擊【精確】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按鈕相同的。Step05：其他選項選擇單擊【選項】按鈕用于指定輸出內容和關于缺失值的處理方法。Step06：單擊【確定】按鈕，結束操作，SPSS軟件自動輸出結果。Step02：選擇檢驗變量Step04：選擇計算精確概率6.4.3實例圖文分析：企業(yè)盈虧預測1.實例內容

已知某企業(yè)在過去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)財務統(tǒng)計預測今年該企業(yè)盈利，請問這個結果對企業(yè)明年的經營狀況有無影響？2.實例操作

根據(jù)過去20年的經營情況看到該企業(yè)的盈虧情況經常逐年發(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)的生產產生影響；反之，表明今年的盈利會對明年生產有影響。所以采用SPSS具體操作步驟如下。6.4.3實例圖文分析：企業(yè)盈虧預測1.實例內容

Step01：打開對話框打開數(shù)據(jù)文件6-3.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗】→【舊對話框】→【游程檢驗】命令，彈出【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。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【檢驗變量列表】列表框中。Step01：打開對話框Step03：確定斷點

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

Step03：確定斷點3.實例結果及分析

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)的經營狀況產生顯著影響。TestValuea0.65Cases<TestValue7Cases>=TestValue13TotalCases20NumberofRuns4Z-2.843Asymp.Sig.(2-tailed).0043.實例結果及分析TestValuea0.65Cas6.4.4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)進行資產負債率行業(yè)差異分析，其1999年底的資產負債率（％）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)778080659391849184866.4.4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SPSS具體操作步驟

Step01：打開數(shù)據(jù)文件6-4.sav，其中“fzl”表示企業(yè)資產負債率；“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)】→【排序個案】命令，彈出【排序個案】對話框。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：打開數(shù)據(jù)文件6-4.sStep03：接著利用游程檢驗分析“indicate”變量的隨機性。選擇菜單欄中的【分析】→【非參數(shù)檢驗】→【舊對話框)】→【游程檢驗】命令，彈出【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【檢驗變量列表】列表框中。Step04：在【割點】選項組中取消勾選系統(tǒng)默認的【中位數(shù)】復選框，勾選【均值】復選框。Step05：單擊【游程檢驗】對話框中的【確定】按鈕，完成操作。Step03：接著利用游程檢驗分析“indicate”變量的indicateTestValuea1.45Cases<TestValue12Cases>=TestValue10TotalCases22NumberofRuns6Z-2.384Asymp.Sig.(2-tailed).017

3.實例結果及分析游程檢驗的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。indicateTestValuea1.45Cases<6.5SPSS在單樣本K-S檢驗中的應用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。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?；舅枷胧牵焊鶕?jù)樣本數(shù)據(jù)和用戶的指定構造出理論分布，查分布表得到相應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)，得差值序列D。6.5SPSS在單樣本K-S檢驗中的應用6.5.1單樣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【分析】→【非參數(shù)檢驗】→【舊對話框】→【1樣本K-S(1)】命令，彈出【單樣本K-S檢驗】對話框，這是K-S檢驗的主操作窗口。6.5.2單樣本K-S檢驗的SPSS操作詳解Step01：Step02：選擇檢驗變量在【單樣本K-S檢驗】對話框左側的候選變量列表框中選擇一個或幾個變量，將其添加至【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【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。

Step04：設置好對話框中的參數(shù)后，單擊【確定】按鈕結束操作。Step02：選擇檢驗變量6.5.3實例分析：商品銷售收益的分布1.實例內容

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，他認為其銷售收益可能服從正態(tài)分布。為了檢驗其假設，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。6.5.3實例分析：商品銷售收益的分布1.實例內容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。2.實例操作本案例的目的就是要檢驗文件

Step01：打開對話框打開對話框打開數(shù)據(jù)文件6-4.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗】→【舊對話框】→【1樣本K-S(1)】命令，彈出如下圖所示的對話框。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【檢驗變量列表】列表框中。Step01：打開對話框

Step03:單擊【選項】按鈕，彈出【單變量K-S：選項】對話框，在【統(tǒng)計量】選項組中勾選【描述性】復選框和【四分位數(shù)】復選框，表示輸出基本統(tǒng)計量，如圖6-14所示。單擊【繼續(xù)】按鈕返回主對話框，單擊【確定】按鈕，完成操作。Step03:單擊【選項】按鈕，彈出【單變量K-S：選項】3.實例結果及分析（1）描述性統(tǒng)計量輸出

NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75thRevenue1488$2,516.58$994.586$13$6,213$1,830.96$2,490.68$3,183.543.實例結果及分析（1）描述性統(tǒng)計量輸出NMeanStd.(2）K-S檢驗結果表RevenueN1488NormalParametersaMean$2,516.58Std.Deviation$994.586MostExtremeDifferencesAbsolute0.019Positive0.019Negative-0.010Kolmogorov-SmirnovZ0.750Asymp.Sig.(2-tailed)0.627(2）K-S檢驗結果表RevenueN1488Normal6.6SPSS在兩獨立樣本非參數(shù)檢驗中的應用6.6.1兩獨立樣本非參數(shù)檢驗的方法原理1.方法概述

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提供了四種相關的非參數(shù)檢驗方法：曼-惠特尼U檢驗、K-S檢驗、極端反應檢驗、游程檢驗。6.6SPSS在兩獨立樣本非參數(shù)檢驗中的應用6.6.1兩6.6.2兩獨立樣本非參數(shù)檢驗的SPSS操作詳解Step01：打開主菜單

選擇菜單欄中的【分析】→【非參數(shù)檢驗】→【舊對話框】→【2個獨立樣本)】命令，彈出【兩個獨立樣本檢驗】對話框。6.6.2兩獨立樣本非參數(shù)檢驗的SPSS操作詳解Step0Step02：選擇檢驗變量

在左側的候選變量列表框中選擇一個或幾個變量，將其添加至【檢驗變量列表】列表框中，作為需要進行兩獨立樣本檢驗的變量。Step03：選擇分組變量在左側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)分檢驗變量的不同組別。單擊【定義組】按鈕，彈出【兩個獨立樣本檢驗:分組】對話框。在【組1】和【組2】文本框中分別輸入整數(shù)值，這兩個值確定的分組將所選檢驗變量的觀測值分為兩組或兩Step02：選擇檢驗變量Step04：選擇檢驗方法在【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：曼-惠特尼U檢驗、K-S檢驗、極端反應檢驗和游程檢驗。Step05：設置其他參數(shù)

設置完對話框中的其他參數(shù)后，單擊【確定】按鈕結束操作。

Step04：選擇檢驗方法6.6.3實例圖文分析：日本和美國公司的市盈率1.

實例內容

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？2.實例操作Step01：打開對話框打開數(shù)據(jù)文件6-6.sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗】→【舊對話框】→【2個獨立樣本】命令，彈出如下圖所示的對話框。6.6.3實例圖文分析：日本和美國公司的市盈率1.實例內Step02：選擇檢驗變量在左側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【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【分組變量】文本框中。Step02：選擇檢驗變量Step04：確定分組標號

單擊【定義組】按鈕，彈出【兩個獨立樣本檢驗:分組】對話框，在【組1】、【組2】文本框中分別輸入“1”“2”，然后單擊【繼續(xù)】按鈕返回主對話框，單擊【確定】按鈕，完成操作。Step04：確定分組標號3.實例結果及分析（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221.5455.509651.002.001.00002.00002.00003.實例結果及分析（1）描述性統(tǒng)計量NMeanStd.（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檢驗結果表

（2）曼-惠特尼U檢驗的秩統(tǒng)計表國家NMeanRankS6.7SPSS在多獨立樣本非參數(shù)檢驗中的應用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)檢驗和Joneckheere-Terpstra檢驗。6.7SPSS在多獨立樣本非參數(shù)檢驗中的應用6.7.16.7.2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【分析】→【非參數(shù)檢驗】→【舊對話框】→【K個獨立樣本】命令，彈出【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。6.7.2多獨立樣本非參數(shù)檢驗的SPSS操作詳解Step0Step02：選擇檢驗變量在主對話框左側的候選變量列表框中選擇一個或幾個變量，將其添加至【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。

Step03：選擇分組變量在左側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，設置完成后，單擊【繼續(xù)】按鈕，返回主對話框。Step02：選擇檢驗變量Step04：選擇檢驗方法

在【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：克魯斯凱-沃里斯H檢驗、中位數(shù)檢驗和J-T檢驗。

Step05：設置完對話框中的其他參數(shù)后，單擊【確定】按鈕結束操作，SPSS軟件自動輸出結果。

第6章-SPSS非參數(shù)檢驗講解ppt課件6.7.3實例分析：糖果中的卡路里1.實例內容

暢銷的糖果往往含有較高的卡路里。假設下表中的數(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32302102402502302252052452532202002082021901806.7.3實例分析：糖果中的卡路里1.實例內容糖果1糖果2.實例操作Step01：打開【多個獨立樣本檢驗】對話框打開數(shù)據(jù)文件6-7sav，選擇菜單欄中的【分析】→【非參數(shù)檢驗】→【舊對話框】→【K個獨立樣本】命令，彈出【多個獨立樣本檢驗】對話框。Step02：選擇檢驗變量在左側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【檢驗變量列表】列表框中。2.實例操作Step01：打開【多個獨立樣本檢驗】對話框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：單擊【定義范圍】按鈕，彈出分組變量范圍定義對話框，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)】按鈕返回主對話框，再單擊【確定】按鈕完成操作。Step04：單擊【定義范圍】按鈕，彈出分組變量范圍定義對話3.實例結果及分析（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152.0000.845151.003.001.00002.00003.00003.實例結果及分析（1）描述性統(tǒng)計量NMeanStd.（2）秩統(tǒng)計表糖果類型NMeanRank卡路里1510.802510.00353.20Total15卡路里Chi-Square8.736df2Asymp.Sig.0.013（3）非參數(shù)檢驗結果表

（2）秩統(tǒng)計表糖果類型NMeanRank卡路里1510.86.8SPSS在兩配對樣本非參數(shù)檢驗中的應用

（1）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換。6.8SPSS在兩配對樣本非參數(shù)檢驗中的應用

（1）基本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【分析】→【非參數(shù)檢驗】→【舊對話框】→【2個相關樣本】命令，彈出【兩個關聯(lián)樣本檢驗】對話框，如圖所示，這是兩配對樣本非參數(shù)檢驗的主操作窗口。6.8.2兩配對樣本非參數(shù)檢驗的SPSS操作詳解StepStep02：選擇檢驗變量在左側的候選變量列表框中選擇一對或幾對變量，將其添加至【檢驗對】列表框中。Step03：選擇檢驗方法在【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)提供了常用方法：Wilcoxon符號秩檢驗、符號檢驗、McNemar檢驗、MarginalHomogeneity檢驗。Step04：完成操作

設置完對話框中的其他參數(shù)后，單擊【確定】按鈕結束操作。Step02：選擇檢驗變量6.8.3實例分析：音樂與入睡時間1.實例內容

在關于放松（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)你的結論是什么？研究對象12345678910不聽音樂1512228107810149聽音樂101194115871166.8.3實例分析：音樂與入睡時間1.實例內容研究對象1SPSS具體操作步驟

Step01：打開對話框打開數(shù)據(jù)文件6-8.sav，其中，x變量表示不聽音樂條件下女性的入睡時間，y變量表示聽音樂條件下女性的入睡時間。選擇菜單欄中的【分析】→【非參數(shù)檢驗】→【舊對話框】→【2個相關樣本】命令，彈出【兩個關聯(lián)樣本檢驗】對話框。Step02：選擇檢驗變量在左側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【檢驗對】列表框中，

SPSS具體操作步驟Step01：打開對話框Step03：單擊【選項】按鈕，彈出【兩個關聯(lián)樣本檢驗：選項】對話框，在【統(tǒng)計量】選項組中勾選【描述性】項和【四分位數(shù)】復選框，單擊【繼續(xù)】按鈕，返回主對話框，單擊【確定】按鈕完成操作。Step03：單擊【選項】按鈕，彈出【兩個關聯(lián)樣本檢驗：選項3.實例結果及分析（1）描述統(tǒng)計量表NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75th無放松1011.504.5287228.0010.0014.25有放松108.202.6164115.758.5011.003.實例結果及分析（1）描述統(tǒng)計量表NMeanStd.D3.實例結果及分析（2）秩統(tǒng)計表NMeanRankSumofRanks有放松-無放松NegativeRanks8a5.4443.50PositiveRanks1b1.501.50Ties1cTotal10有放松

-無放松Z-2.499aAsymp.Sig.(2-tailed)0.012（3）非參數(shù)檢驗結果表

3.實例結果及分析（2）秩統(tǒng)計表NMeanRankSum6.9SPSS在多配對樣本非參數(shù)檢驗中的應用（1）基本原理

多配對樣本的非參數(shù)檢驗是用來比較多個配對總體分布是否相同的非參數(shù)檢驗方法。這種檢驗方法對總體分布也沒有要求，但樣本必須是配對的，也不能更改其順序。下面簡要介紹常用的三種檢驗方法：Friedman檢驗、Kendall協(xié)和系數(shù)檢驗、Cochran檢驗.6.9SPSS在多配對樣本非參數(shù)檢驗中的應用（1）基本原

（2