参数、非参数检验操作步骤技术总结.doc

参数、非参数检验操作步骤 参数检验 非参数检验 对象 针对参数做的假设 针对总体分布情况做的假设 使用范围 等距数据和比例数据（度量） 定类数据和定序数据（名义和有序） 分布 正态分布 正态、非正态分布 内容 Means检验 单样本T检验 独立样本T检验 配对样本T检验 卡方检验（均匀分布） 二项分布检验（两个变量） 游程检验（随机分布） K-S检验（正态分布检验） 参数检验 一 Means过程 Means过程用于统计分组变量的的基本统计量，这些基本统计量包括：均值（Mean）、标准差(Standard Deviation)、观察量数目(Number of Cases)、方差(Variance)。 1数据编辑窗口输入分析的数据 2 分析→比较均值→均值 因变量、自变量的选择可根据实际情况。 “选项” 3 结果分析 P＜0.05，拒绝原假设，显著性强。 结果报告，分别给出暴雨前和暴雨后卵量的统计量：暴雨前有13个样本，平均数122.3846，标准差15.95065，方差254.423; 暴雨后有13个样本，平均数104.4615，标准差15.10858，方差228.269；总体26个样本，平均数113.4231，标准差17.75426，方差315.214。 方差分析表，共有六列，第一列说明方差的来源，Between Groups是组间的，Within Groups 组内的，Total 总的。第二列为平方和，其大小说明了各方差来源作用的大小。第三列为自由度。第四列为均方，即平方和除以自由度。第五列F值是F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性。第六列是F统计量的显著值，由于这里的显著值0.007小于0.05，所以模型是显著的，降雨对卵量有显著影响。 二 单一样本的T检验 T检验是检验单个变量的均值与指定的检验值之间是否存在显著差异。如：研究人员可能想知道一组学生的IQ平均分与100分的差异。 1 分析→比较均值→单一样本的T检验 检验值中输入用于比较的均值（一般题目中会提供）。 2 结果分析 结果中比较有用的值：Mean 和Sig 显著性概率值。 零假设H0：样本均值Mean=常数（检验值）； Sig=0.032＜0.05，拒绝原假设，存在显著性差异。 三 两独立样本T检验 两个独立没有关联的正态总体的均值是否有显著性差异。独立样本T检验，实质是总体均值是否相等的显著性检验。 如分析两个地区居民的人均收入、人均消费等指标是否存在显著性差异。 1 选择→比较均值→独立样本T检验 “产量” 作为要进行T检验的变量，将“品种”字段作为分组变量，定义分组变量的两个分组分别为“a”和“b”。 2 结果分析 组统计量 品种 N 均值 标准差 均值的标准误 产量 品种A 8 81.25 11.805 4.174 品种B 8 75.75 10.025 3.544 零假设H0：两样本均值相等。 Sig=0.332＞0.05，接受原假设，两样本均值相等。 三 配对样本T检验 配对样本T检验用于检验两个相关样本是否来自相同均值的正态总体，即推断两个总体的均值是否存在显著差异。 1 分析→比较均值→配对样本T检验 2 结果分析 配对样本T检验的基本描述统计量： 成对样本统计量 均值 N 标准差 均值的标准误 对 1 训练前 77.67 15 10.104 2.609 训练后 83.60 15 8.433 2.177 配对样本相关性检验 成对样本相关系数 N 相关系数 Sig. 对 1 训练前 训练后 15 .407 .132 H0：两样本没有相关性。 表中显示训练前和训练后两样本的相关系数为0.407，相关系数的检验P值为0.1320.05，接受原假设，可以认为训练前后的成绩没有明显的线性关系。 配对样本T检验结果 H0：两样本没有相关性。 概率p值为0.041＜0.05，拒绝零假设，可以认为训练前后对成绩有显著效果。 非参数检验 非参数检验是指总体分布未知或知之甚少时，利用已知样本数据对整体分布形态等做出推断的分析方法。 非参数检验分为两大类：分布类型检验和分布位置检验 SPSS的单样本非参数检验方法包括卡方检验、二项分布检验、游程检验、K-S检验及Wilcoxon符号检验五种。 一 卡方检验 也称卡方拟合优度检验，用于检验观测数据是否与某种概率分布的理论数值相符合，进而推断观测数据是否是来自于该分布的样本的问题。 1 分析：由于考虑的是次品是否服从均匀分布的问题，故用卡方检验。 2 加权处理（对频率变量进行加权处理） “数据”→“加权个案” 3 分析→非参数检验→卡方 4 结果分析 检验统计量