SPSS统计分析非参数检验参考.ppt

第九章　非参数检验 非参数检验 非参数检验是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体的一类假设检验方法，因这些方法一般不涉及总体参数而得名。 主要类型： Chi-square test 卡方检验 Binomial test二项式检验 Runs test 游程检验等等 变量关系的显著性检验类型 一、定类—定类尺度：χ2检验卡方检验是用来检验样本中两个定类变量的关系强度测量结果（卡方值）是否能推断总体。 A、χ2检验的假设： H0: χ2＝0； H1: χ2≠0； B、卡方计算公式: D、SPSS中卡方检验示例（性别与文化程度） 步骤： 1）确定双变量总体参数的假设： H0: X2＝0 ; H1: X2 ≠0； 2）确定检验此假设的概率标准：显著度为0.05。 3）抽取一个样本容量为1254的随机样本，计算出样本中性别与文化程度的X2＝27.89。 4）选择用来检验H0 的分布： X2分布，并根据显著度0.05设立接受域(P0.05)或拒绝域(P0.05)； 5）观察样本的统计量的概率值是否落在接受域内，从而判断是接受/拒绝原假设。从下表看出，样本统计量X2＝27.89，概率值（Significance）=0.0000.05，落在拒绝域，因此，否定H0；接受总体中X2＝27.89的判断。此判断犯错误的概率）=0.0000.05。 C、 t分布形状: 第五章 参数估计与假设检验 主要内容 第一节 单一样本T检验 (One-Sample T Test） 第二节 独立样本T检验 (Independent-Sample T Test) 第三节 配对样本T检验 (Paired-Sample T Test) 均值比较与均值比较的检验过程 均值比较的概念 统计分析常常采取抽样研究的方法，即从总体中随机抽取一定数量的样本进行研究来推断总体的特性。由于总体中的每个个体间均存在差异，即使严格遵守随机抽样原则也会由于多抽到一些数值较大或较小的个体致使样本统计量与总体参数之间有所不同；又由于实验者测量技术的差别或测量仪器精确程度的差别等等也会造成一定的偏差，使样本统计量与总体参数之间存在差异。由此可以得到这样的认识：均值不相等的两组样本不一定来自均值不同的总体。 能否用样本均值估计总体均值？两个变量均值接近的样本是否来自均值相同的总体？换句话说，两组样本某变量均值不同，其差异是否具有统计意义？能否说明总体具有显著性差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。 2、结果分析 表5-1 是血红蛋白值的观测量个数、均值、标准差和均值的标准误等统计量。 （三）为了解某村1300户农民的年收入状况，不重复抽取70户家庭进行调查，得出每户农民年平均收入为4500元，标准差为260元。试求该村每户农民年平均收入95%的置信区间。 （四）某商品的零售商要求总代理增加广告费支出，认为如此每星期平均销售量可达20000箱。总代理增加广告费三个月后想了解平均销售情况，随机抽取16家零售店调查，发现每星期平均销售量只有15000箱，标准差为6000箱。假设销售量服从正态分布，试问平均销售量的下降是否因偶然因素所致（α＝0.01）？ 两个独立样本之差的抽样分布 两个总体均值之差的检验 (?12、 ?22 已知) 1.假定条件 两个样本是独立的随机样本 两个总体都是正态分布 若不是正态分布, 可以用正态分布来近似(n1?30和 n2?30) 2.检验统计量为 两个总体均值之差的检验 (?12、 ?22 未知，大样本) 检验统计量为 两个总体均值之差的检验 (?12、 ?22 未知但相等,小样本) 检验具有等方差的两个总体的均值 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 两个总体方差未知但相等 检验统计量 两个总体均值之差的检验 (?12、 ?22 未知且不相等,小样本) 检验具有不等方差的两个总体的均值 假定条件 两个样本是独立的随机样本 两个总体都是正态分布 两个总体方差未知且不相等?12 ? ?22 检验统计量 方差齐性检验（Levene F方法）： 计算两组样本的均值 计算各个样本与本组均值的平均离差绝对值； 利用单因素方差分析推断两独立总体平均离差绝对值是否有显著差异。 在对两独立样本进行T检验时，两组样本方差相等和不等时，计算t值使用的公式不同，所以首先进行方差F检验。用户需要根据F检验的结果，自己选择t检验输出中的结果，得出最后结论。如果推断两总体方差相等，则看方差相等的T检验值和P值；如果推断两总体方差不相等，则看方差不相等的T检验值和P值。 m 1 s 1 总体1 s 2 m 2 总体2 抽取简单随机样样本容