项目六非参数检验.pptxVIP

SPSS应用统计;项目六： SPSS的非参数检验; 在实践中我们常常会遇到一些问题的总体分布并不明确，或者总体参数的假设条件不成立，不能使用参数检验。这一类问题的检验应该采用统计学中的另一类方法，即非参数检验。; SPSS 中进行非参数检验由【Analyze(分析)】菜单中的【Nonparametric Tests(非参数检验)】菜单项导出。其中包括以下命令。 ● Chi-square test： 卡方检验。 ● Binomial test： 二项分布检验。 ● Runs test： 游程检验。 ● 1-Simple K-S test： 单样本K-S检验。 ● 2 Independent Sample test： 两个独立样本非参数检验。 ● K Independent Samples test： 多个独立样本非参数检验。 ● 2 Related Sample test： 两个相关样本非参数检验。 ● K Related Sample test： 多个相关样本非参数检验。;6.1 非参数检验概述;6.1.2 非参数检验的特点;表6-1 参数检验和非参数检验的效率比较;6.2 SPSS在卡方检验中的应用;6.2.2 卡方检验的SPSS操作详解;Step02：选择检验变量 在【Chi-Square Test(卡方检验)】对话框左侧的候选变量列表框中选择一个或几个变量，将其添加至【Test Variable List(检验变量列表)】列表框中，表示需要进行进行卡方检验的变量。 Step03：确定检验范围 在【Expected Range(期望全距)】选项组中可以确定检验值的范围，对应有两个单选项。 Step04：选择期望值 在【Expected Values(期望值)】选项组中可以指定期望值 ，对应有两个单选项。 ;Step05：选择计算精确概率 单击【Exact】按钮，弹出【Exact Tests(精确检验)】对话框，该对话框用于选择计算概率P值的方法 。;Step06：其他选项选择 单击【Options】按钮，弹出【Options(选项)】对话框，该对话框用于指定输出内容和关于缺失值的处理方法.;6.2.3 实例图文分析：人员结构的调动;Step01：打开对话框 打开数据文件6-1.sav，选择菜单栏中的【Analyze(分析)】 →【Nonparametric Tests(非参数检验)】→【Legacy Dialogs(旧对话框)】→【Chi-Square(卡方)】命令，弹出【Chi-Square Test(卡方检验)】对话框。其中，“jobcat”变量表示职业类型， “1”表示办事员，“2”表示监察员，“3”表示经理。 Step02：选择检验变量 在左侧的候选变量列表???中选择“jobcat”变量作为检验变量，将其添加至【Test Variable List(检验变量列表)】列表框中。;Step03：选择期望值 在【Expected Values(期望值)】选项组中点选【Values】单选钮，以指定期望概率值。接着在Values的文本框中分别输入0.8、0.05和0.15这三个数值，并且单击【Add】按钮加以确定。 Step04：完成操作 最后，单击【OK(确定)】按钮，操作完成。;3 实例结果及分析;（2）卡方检验表 具体包括 统计量（Chi-Square）、自由度（df）和近似概率P值（Asymp. Sig.）。可见， 统计量等于3.492，自由度等于2，对应的概率P值0.174大于显著性水平0.05。因此接受零假设，认为目前三个职业的总体构成比仍然是15％、5％和80％，人数的调动只是随机误差造成的，公司人员结构没有显著性改变。 ;6.3 SPSS在二项分布检验中的应用;2.软件使用方法 SPSS二项分布检验过程是推断总体的分布是否等于指定的某个二项分布。其假设检验过程如下。 H0：样本来自的总体与某个指定的二项分布无显著性差异。 H1：样本来自的总体与某个指定的二项分布有显著性差异。 SPSS会自动计算出二项分布检验相应的检验统计量及对应的概率P值。如果概率P值小于或等于用户设定的显著性水平，则拒绝零假设，认为总体与某个指定的二项分布有显著性差异；相反的，如果概率P值大于显著性水平，则接受零假设。 需要注意的是，二项分布检验过程要求变量必须是数值型的二元变量（只取两个可能值的变量）。假如变量是字符型的，可以使用重编码功能将其转化为数值型变量；假如变量不是