SPSS-非参数检验—两独立样本检验案例解析
2011-09-16 16:29
好想睡觉，写一篇博文，希望可以减少睡意，今天跟大家研究和分享一下：spss非参数检验——两独立样本检验，
我还是引用教程里面的案例，以：一种产品有两种不同的工艺生产方法，那他们的使用寿命分别是否相同
下面进行假设：1：一种产品两种不同的工艺生产方法，他们的使用寿命分布是相同的
2：一种产品两种不同的工艺生产方法，他们的使用寿命分布是不相同的
我们采用SPSS进行分析，数据如下所示：
点击“分析”选择“非参数检验” 再选择“旧对话框——2个独立样本检
验如下所示：
在检验类型下面选择"Mann-Whitney U “ 检验类型（Mann-whitney u 检验等同于对两组数据的Wilcoxon秩和检验和Kruskal-Wallis检验，主要检验两个样本的总体在某些位置上是否相等。）
两种工艺类型分别为：甲种工艺和乙种工艺分别用定义值为“1” 和
“2”将“工艺类型”变量拖入“分组变量”下拉框内，点击“定义组”按钮，在组别1 和组别 2 中分别填入 1和2，点击继续按钮
选择“使用寿命”作为“检验变量”点击确定，得到分析结果如下：
下面对结果，我将进行详细分解：
1：N 代表变量个数，甲种工艺秩和为 80
乙种工艺秩和为 40，
下面来分析“秩和”这个结果如何出来的
第一步：我们将”使用寿命“这个变量按照“从小到大”的顺序进行排序，得到如下结果：
得到数据如下：
甲种工
艺： 661 669 675 679 682 692 693
乙种工艺：
646 649 650 651 652 662 663 672
我们将“甲种工艺”和“乙种工艺”两组数据进行合并排序，并且对两组数据进行“秩次排序”分别用“序号”代替以上数据
序号分别为：
1 2 3 4 5 6 7 8
9 10 11 12 13
14 15
得到以下结果：
甲种工艺为：
6 9 11 12 13 14 15 （加起来刚好等于80）
乙种工艺为：
1 2 3 4 5 7 8 10
（加起来刚好等于40）
结果得到了验证
2：“在检验统计量B ”表中可以看出：
1：渐进显著性和“单侧显著性”（精确显著性“ 都分别小于 0.05，所以可以得出结论：
一种产品两种不同的工艺生产方法，他们的使用寿命分布是不相同的
大家可以采用其它“检验类型”来进一步验证这个结论
Mann-Whitney U 统计值可以通过以下计算公式得到：
一、被调查学生对“云窗的打分值”总体平均值的推断： 1、以71个被调查学生为样本做T 检验 由表a 可知，71个观测的平均值为71.21，标准差为15，120，均值标准误为1.794。 表b 中，第二列是t 统计量的观测值为0.675，第三列是自由度n-1=70，第四列是t 统计量观测值的双尾概率p 值，第五列是样本均值与检验值的差（1.211），即t 统计量的分子部分，他除以表a 的均值标准误（1.794）后得到t 统计量的观测值0.675，第六列和第七列是总体均值与检验值差的95%的置信区间，为（67.63，74.79）。 对于研究的问题应采用双尾检验，因此比较 2α和2 p ，即比较α和p 。由于p 大于α（0.05），因此不能拒绝零假设，认为被调查学生对“云窗的打分值”总体平均值没有显著差异。有95%的把握认为总体均值在 67.63~74.79 分之间。70分包含在置信区间内，也证实了上述推断。
2、被调查学生对“云窗的打分值”的重抽样自举 表c Bootstrap 指定 采样方法简单箱图 样本数1000 置信区间度95.0% 置信区间类型百分位 由表c可知，自举过程执行1000次，随机数种子指定为默认值2000000，采样方法为简单箱图。 中均值的重抽样自举均值与实际样本均值的差为-0.12，1000个均值的标准差为1.82，由此得到的均值95%的置信区间为（67.18，74.46） 表e中没有给出双尾检验的概率p值，但是从检验的结果可知有95%的把握认为总体均值在 67.184~74.463之间。70包含在置信区间内。用更大的样本量再一次说明了被调查学生对“云窗的打分值”总体平均值没有显著差异。
《统计学》实验分析报告 实验完成者 班级 2013级班 学号 实验时间 2015年6月5日 一、实验名称 假设检验——单个样本T检验 二、实验目的 掌握单样本t检验的基本原理和spss实现方法。 三、实验步骤 1、打开SPSS，选择输入数据； 2、由于已经有建好的数据，因此打开“电子元件抽验”； 3、在分析中选择比较均值，单样本t检验，将阻值添加到检验变量。 4、检验值为0.14，置信区间默认为95%，点击确定。 四、实验结果及分析 附件一：单个样本统计量表，给出了各个样本的均值，标准差和均值的标准误； 附件二：单个样本检验表，给出了各个样本的t值(t)、自由度(df)、P值(Sig.双尾)、均值差值、差值的95%可信区间 1、附件二——单个样本检验表中，第一批元件样本双尾T检验的显著性概率（Sig.(双侧)）, Sig.=0.012<0.05,说明第一批元件的平均电阻与额定电阻值0.140有显著的差异。
2、由附件二同样可以看出，对于第二批和第三批元件，显著性概率分别为0.130与0.265均大于0.05,所以接受原假设，认为这两批元件的电阻与额定值无显著差异，即认为产品合乎质量要求； 3、综上，第一批元件不符合质量要求，第二、三批元件符合质量要求。 五、自评及问题 掌握了单样本t检验的基本原理和spss实现方法，熟悉SPSS软件操作和方法。通过检验得出结论的真否，能够更快更简单的检验数据，对数据的检验让我很快的了解该数据的代表性。 六、成绩 七、指导教师 田劲松 附件一、 单个样本统计量 N 均值 标准差 均值的标准误 第一批元件样本电阻值 15 .14200 .002673
spss-非参数检验-K多个独立样本检验（ Kruskal-Wallis检验）案例解析 2011-09-19 15:09 最近经常失眠，好痛苦啊！大家有什么好的解决失眠的方法吗？希望知道的能够告诉我，谢谢啦，今天和大家一起探讨和分下一下SPSS-非参数检验--K个独立样本检验（ Kruskal-Wallis检验）。 还是以SPSS教程为例： 假设：HO: 不同地区的儿童，身高分布是相同的 H1：不同地区的儿童，身高分布是不同的 不同地区儿童身高样本数据如下所示： 提示：此样本数为4个（北京，上海，成都，广州）每个样本的样本量（观察数）都为5个 即：K=4>3 n=5, 此时如果样本逐渐增大，呈现出自由度为K-1的平方的分布，
（即指：卡方检验） 点击“分析”——非参数检验——旧对话框——K个独立样本检验，进入如下界面： 将“周岁儿童身高”变量拖入右侧“检验变量列表”内，将“城市（CS)变量” 拖入“分组变量”内，点击“定义范围” 输入“最小值”和“最大值”（这里的变量类型必须为“数字型”）如果不是数字型，必须要先定义或者重新编码。 在“检验类型”下面选择“秩和检验”（ Kruskal-Wallis检验）点击确定 运行结果如下所示：
对结果进行分析如下： 1：从“检验统计量a,b”表中可以看出：秩和统计量为：13.900 自由度为：3=k-1=4-1 下面来看看“秩和统计量”的计算过程，如下所示： 假设“秩和统计量”为 kw 那么:
其中：n+1/2 为全体样本的“秩平均” Ri./ni 为第i个样本的秩平均 Ri.代表第i个样本的秩和， ni代表第i个样本的观察数） 最后得到的公式为： 北京地区的“秩和”为：秩平均*观察数（N) = 14.4*5=72 上海地区的“秩和”为：8.2*5=41 成都地区的“秩和”为：15.8*5=79 广州地区的“秩和”为：3.6*5=18
SPSS-非参数检验—两独立样本检验案例解析 2011-09-16 16:29 好想睡觉，写一篇博文，希望可以减少睡意，今天跟大家研究和分享一下：spss非参数检验——两独立样本检验， 我还是引用教程里面的案例，以：一种产品有两种不同的工艺生产方法，那他们的使用寿命分别是否相同 下面进行假设：1：一种产品两种不同的工艺生产方法，他们的使用寿命分布是相同的 2：一种产品两种不同的工艺生产方法，他们的使用寿命分布是不相同的 我们采用SPSS进行分析，数据如下所示： 点击“分析”选择“非参数检验” 再选择“旧对话框——2个独立样本检 验如下所示：
在检验类型下面选择"Mann-Whitney U “ 检验类型（Mann-whitney u 检验等同于对两组数据的Wilcoxon秩和检验和Kruskal-Wallis检验，主要检验两个样本的总体在某些位置上是否相等。） 两种工艺类型分别为：甲种工艺和乙种工艺分别用定义值为“1” 和 “2”将“工艺类型”变量拖入“分组变量”下拉框内，点击“定义组”按钮，在组别1 和组别 2 中分别填入 1和2，点击继续按钮 选择“使用寿命”作为“检验变量”点击确定，得到分析结果如下：
下面对结果，我将进行详细分解： 1：N 代表变量个数，甲种工艺秩和为 80 乙种工艺秩和为 40， 下面来分析“秩和”这个结果如何出来的 第一步：我们将”使用寿命“这个变量按照“从小到大”的顺序进行排序，得到如下结果：
得到数据如下： 甲种工 艺： 661 669 675 679 682 692 693 乙种工艺： 646 649 650 651 652 662 663 672 我们将“甲种工艺”和“乙种工艺”两组数据进行合并排序，并且对两组数据进行“秩次排序”分别用“序号”代替以上数据 序号分别为： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 得到以下结果： 甲种工艺为： 6 9 11 12 13 14 15 （加起来刚好等于80）
学习必备欢迎下载 总体分布未知，不会涉及有关总体分布的参数 1.单样本非参数检验：卡方分布，二项分布，K-S检验，变量值随机性检验 2.两独立样本非参数检验：两独立样本所来自的总体分布是否存在显著差异 3.两配对样本非参数检验 4.多独立样本非参数检验 5.多配对样本非参数检验 得到样本数据后，判断总体分布：直方图、P-P图、Q-Q图，或非参数检验 1.1 卡方检验： 根据样本数据，推断总体分布于期望分布或某一理论分布是否存在显著性差异，是一种吻合性检验，离散型数据。 原假设：样本来自总体的分布与期望分布或某一理论分布无显著性差异。 Eg：心脏病猝死人数与日期。 1.2二项分布检验： 检验总体是否服从指定概率为P的二项分布， 原假设：样本来自的总体与指定的二项分布无显著差异。 用于：二值型数据，性别，是否合格，是否为三好学生，硬币正反面等，用01表示。 注：检验概率值（检验比例） 1.3单样本K-S检验： 样本来自的总体是否与某一理论分布有显著差异，是一种拟合优度的检验方法。 用于：探索连续性变量的分布。正态分布（normal）、均匀分布（uniform）、指数分布（ex.）、泊松分布。 原假设：样本来自的总体与指定的理论分布无显著差异。 另外，对于数据量很大的连续型变量，可以用图形直观判断。 P-P图:数据与理论分布一致时，各个数据点应落在对角线上。 Q-Q图：如果数据与理论分布无显著差异，点应分布在0横线附近。（没找到啊？） 2 Test type： Mann-Whitney: 秩：变量值排序的名次或位置 K-S检验： 游程检验Wald-wolfwitz Runs 极端反应检验Moses Extreme Reactions：踢出极端值前后P值变化情况，是否踢出。注：不同分析方法对同批数据的分析，结论可能不相同，要反复进行探索性分析，还要注意方法本身侧重点上的差异性。 4 中位数检验强调位置，Kruskal-Wallis检验侧重分析平均秩，Jonckheere比较同相对数。 ~~~~不懂~ 5 mean rank 平均秩 P值说明平均秩是否存在显著差异 Kendall检验中，W协同系数接近于1时，说明是一致的。
spss单样本t检验Analyze----compare Means----one sample T test 输入方式 实验数据 12 12 1 2 1 2 3 4 5 6 4 9 5 直接输入数据
Sig=0.000 差异显著
独立样本t检验（两组数据） Analyze-----compare Means----Independent-samples T test 输入方式 试验分组实验数据 1 12 1 13 1 12 1 12 1 1 1 1 2 2 2 2 2 2 2 2 2 两组数据个数可以不同
成组数据t检验 Analyze----compare Means-----paired-samples T test
单因素方差分析 Analyze---compare means----one-way ANOV A(analyze of variance)
Factor （因素）1 1 1 1 1 2 2 2 2 2 2 3 3 3 3(分组) Dependent List 试验数据 polynomial lines contrast---polynomial---Degree---linear post Hoc Multiple comparisons-----LSD(Duncan 邓肯检验) 先选方差齐性在结果中判断Sig 值？＜0.05（差异显著）若不齐则进行数据转化。 数据输入 分组试验数据 1 12 1 13 1 13 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 4 4 4 4 双因素方差分析 Analyze-----General linear Model-----univariate Dependent Variable(因变因素)因别的数字变化而变化 Fixed Factor （固定因素） Random Factors(随机因素) Model-----custom-----Build Term---Interaction(交互作用)----Main effects（主因素） Contrast--- simple---first----change Plot Hoc----LSD (Duncan)
S P S S的参数检验和非 参数检验 公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]
实验报告 SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下： 方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：
请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至 周六各天三种品牌牛奶的日销售额数据，如下表所示： 请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。 实验报告附页 三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。
用SPSS19进行单样本T检验(One -Sample T Test) 作者：邀月来源：博客园发布时间：2010-10-14 00:13 阅读：305 次原文链接[收藏] 在《0-1总体分布下的参数假设检验示例一(SPSS实现）》中，我们简要介绍了用SPSS 检验二项分布的参数。今天我们继续看看如何用SPSS进行单样本T检验(One -Sample T Test)。看例子： 例1：已知去年某市小学五年级学生400米的平均成绩是100秒，今年该市抽样测得60个五年级学生的400米成绩（数据见后面文件“CH6参检1小学生400米v提高.sav”），试检验该市五年级学生的400米平均成绩是否应为100秒（有无提高或下降）？ 分析：此检验的假设是： H0:该市五年级学生的400米平均成绩是仍为100秒。 H1:该市五年级学生的400米平均成绩是不为100秒。 打开SPSS,读入数据
从结果中可以判断： 1、p＝0.287>0.05，在5%的显著性水平上，不能拒绝假设H0。 2、95%的置信区间端点一正一负，必然覆盖总体均值。应该接受零假设(假设H0)。 这个结论出乎很多人的意料，因为样本均值明显下降了，105.38500000000003。实际上，那是因为有一个样本值为400秒，从而造成错觉的缘故。 再看一个更有趣的例子。 例1：已知去年某市小学五年级学生400米的平均成绩是100秒，今年该市抽样测得60个五年级学生的400米成绩（数据见后面文件“CH6参检1小学生400米v提高B.sav”），试检验该市五年级学生的400米平均成绩是否应为100秒（有无提高或下降）？ 同上，打开SPSS,读入数据，结果：
例题：对某地区的山地和平原土壤中的磷含量的背景值各取了10个样品，数据如下所示: (单位：10-6)，问山地与平原土壤中磷含量是否有显著性差异。( 25分) 1、本题中自变量个数等于2,且不是来自于同一组样本，故采用独立样本T检验 2、打开spss，在变量视图内定义变量，由题目可知，磷含量为“计量资料”，归类为“度量变量”，地形为计数资料，归类为“名义变量”，并对地形进行赋值，如图输入： 3、在数据视图内如下图输入数据： 4、独立样本T检验进行的假设： (1)数据必须为连续性数据； 2 2 ⑵方差齐性(可偏不齐，即(T 1 / (T 2 <3)； (3)每组数据均服从正态分布 5、进行验证： (1)由题目可以看出，数据为连续型数据，满足； (2)此检验可于结果中查看； (3)首先，新建spss视图，重新输入变量进行探索队列，如下图所示:
将“山地”“平原”选入因变量列表，并于“绘图(T) ”中勾选“带检验的正态图”，操作步骤如下图所示： 根据正态性检验表的“ K-S检验”结果，由于样本内数据数量＜30,故看Shapiro-Wilk 结果, 由于两者的sig均大于，故满足正态分布 *. a. Lilliefors 显著性校正 6、进行独立样本T检验: (1)依次点击“分析”-“比较平均值”-“独立样本T检验”，调出独立样本T检验对话框: ⑵将“磷含量”选入检验变量(T)，将“地形”选入分组变量，然后定义组，于主页面中点 击“确定”，输出结果： 7、结果分析:
根据独立样本检验表的方差方程的Levene检验，F统计量的sig值＜,否认方差相等的假设，认为方差不齐性，故参考第二行的t检验结果； 第二行t检验的双侧sig=＞，即可认为在的显著性水平上，山地与平原土壤中磷含量
SPSS-比较均值-独立样本T检验案例解析 2011-08-26 14:55 在使用SPSS进行单样本T检验时，很多人都会问，如果数据不符合正太分布，那还能够进行T检验吗？而大样本，我们一般会认为它是符合正太分布的，在鈡型图看来，正太分布，基本左右是对称的，一般具备两个参数，数学期望和标准方差，即：N(p, Q) 如果你的样本数非常少，一般需要进行正太分布检验，检验的方法网上很多，我就不说了 下面以“雄性老鼠和雌性老鼠分别注射了某种毒素，经过观察分析，进行随机取样，查看最终老鼠是否活着。 问题：很多人认为，雄性老鼠和雌性老鼠分别注射毒液后，雌性老鼠存活下来的数量会比雄性老鼠多？ 我们将通过进行统计分析来认证这个假设是否成立。 下面进行参数设置：a 代表：雄性老鼠 b代表：雌性老鼠 tim 代表：生存时间，即指经过多长时间后，去查看结果 0 代表：结果死亡 1 代表：结果活着 随机抽取的样本，如下所示：
打开SPSS- 分析---检验均值---独立样本T检验，如下图所示：
将你要分析的变量，移入右边的框内，再将你要进行分组的变量移入“分组变量”框内，“组别group（）里面的两个参数，不能够随意设置，必须要跟样本里面的数字一致 点击确定后，分析结果，如下所示： 从组统计量可以看出，雄性老鼠的存活下来的均值为0.73，但是雌性老鼠存活下来的均值为1.00，很明显，雌性老是存活下来的个数明显比雄性老鼠多，但是一般我们不看这个结果，为什么？因为样本不够大，如果将样本升至10000个？也许这个均值将会发生变化，不具备统计学意义， 我们一般只看独立样本检验的结果。 独立样本检验，提供了两种方法：levene检验和均值T检验两种方法 Levene检验主要用来检验原假设条件是否成立，（即：假设方差相等和方差不相等两种情况）如果SIG>0.05，证明假设成立，不能够拒绝原假设，如果 SIG<0.05，证明假设不成立，拒绝原假设。 进行levene检验结果判断是第一步，从上图，可以看出 sig<0.05 方差相等的假设不成立，所以看第二行，方差不相等的情况 sig=0.082>0.05 即说明 P 值大于显著性水平，不应该拒绝原假设：即指：雌性老鼠和雄性老鼠在注射毒液后，存活下来的个数没有显著的差异
第八节非参数检验的SPSS操作 前面一章介绍的二项分布的比率检验、配合度检验——卡方检验和1-Sample K-S检验等都属于非参数检验。这一节我们主要结合前面参数假设检验一章讲过的t检验以及方差分析一章讲过的方差分析，来进一步分析，当参数检验的前提条件不满足时，两个样本和多个样本平均数差异的SPSS 操作方法。 一、两个独立样本的差异显著性检验 两独立样本的的差异显著性检验只有在满足如下条件时才能进行T检验：变量为正态分布的连续测量数据。若数据不满足这样的条件，强行进行T检验容易造成错误的结论。在数据不能满足这种参数检验的条件下，我们可以选择非参数检验方法进行。与两独立样本差异显著性检验相对应的方法可以在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples…中得到。 1．数据 采用本章第一节中例2的数据（数据文件“9-4-1.sav”），具体介绍操作过程。 2．理论分析 对于数据文件9-4-1.sav中的数据，目的是检验男女生之间注意稳定性是否存在显著差异，注意稳定性测量的结果虽然是测量数据但是从总体上来看不满足正态分布的前提假设，另外不同性别的学生可以看成是两组独立的样本，因此对上述资料的检验可以用非参数的独立样本的检验方法。 2．操作过程 （1）在SPSS主菜单中选择Analyze / Nonparametric Tests / 2 Independent Samples…得到两个独立样本非参数检验的主对话框（图9-1），把因变量atten选入到检验变量表列（Test Independent-Sample Tests）中去，把gender选到分组变量（Grouping Variable）中，并单击Define Groups…,在随后打开的对话框中分别键入1与2，单击Continue回到主对话框如图9-1所示。在Test Type中有四个可选项，其中最常用的是第一种方法Mann-Whitney U（又称秩和检验法）。
实验报告 ——（非参数检验） 实验目的： 1、学会使用SPSS软件进行非参数检验。 2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。 实验内容： 1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调 查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建) SPSS计算结果如下： 此题为总体分布的卡方检验。 零假设：样本来自总体分布形态和期望分布没有显著差异。即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。 观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。从下表中可以看出相伴概
率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。 2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用 河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav） -+++*++++-+++-+++++----++----+---- 毒源 问：中毒与饮水是否有关？ SPSS计算结果如下： 此题为单样本变量值随机检验 零假设：总体某变量的变量值是随机出现的。即中毒的家庭沿河分布的情况随机分布，与饮水无关。 相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。 3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。 试验组：24 26 27 30 32 34 36 40 60 天以上 对照组：4 6 7 9 10 10 12 13 16 16 SPSS计算结果如下： 此题为两独立样本非参数检验。 （1）两独立样本Mann-Whitney U检验：
SPSS 中非参数检验之一：总体分布的卡方（Chi-square ）检验 在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为χ2检验）就是一种比较好的方法。 一、定义 总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显着差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显着差异。 总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时，就近似服从X 的总体分布。 因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q () 2 1 k i i i i O E Q E =-=∑ 其中，Oi 表示观察频数；Ei 表示期望频数或理论频数。可见Q 值越大，表示观察频数和理论频数越不接近；Q 值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X
平方分布，因此SPSS将根据X平方分布表给出Q统计量所对应的相伴概率值。 如果相伴概率小于或等于用户的显着性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显着差异；如果相伴概率值大于显着性水平，则不能拒绝零假设HO，认为样本来自的总体分布形态与期望分布或理论分布不存在显着差异。 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。 二、实例 某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧郁数是否满足1:1:2:2:1:1:1。 实施步骤： 1、打开SPSS ，导入数据。
两独立样本T检验-SPSS操作详解 为了解某一新药降血压的效果，将28名高血压患者随机分为实验组和对照组，实验组采用新药，对照组采用常规药，测得治疗前后的血压变化，问新药是否优于常规药？ 编号 1 2 3 4 5 6 7 8 9 10 11 新药前102 100 92 98 118 100 100 92 126 117 109 后90 90 85 90 114 95 86 88 102 92 98 编号 1 2 3 4 5 6 7 8 9 10 11 常规 前98 110 109 94 110 92 95 90 108 90 110 药 后100 103 105 98 109 95 94 88 104 85 110 变量1设置：name-group , decimals-0 , label-分组, value-(1=新药，2=常规药) 变量2设置：name-value , decimals-0 , label-血压下降值 2 输入数据---血压差=用药前血压-用药后血压 3 单击菜单栏analyze/compare means/independent-samples t test 4 将血压下降值调入test variables下矩形框 5 将分组（group）调入grouping variable 下矩形框 6单击define groups…定义分组group1为1 定义group2为2 单击continue 7 options选项默认 8 bootstrap选项默认 9 单击OK 输出结果 10 结果界面 11 结果解释 表1表示两独立样本t检验基本统计量-group statistics 表2表示两独立样本t检验结果，方差方程的levene检验（Levene’s Test for
非参数检验的SPSS操作 前面一章介绍的二项分布的比率检验、配合度检验——卡方检验和1-Sample K-S检验等都属于非参数检验。这一节我们主要结合前面参数假设检验一章讲过的t检验以及方差分析一章讲过的方差分析，来进一步分析，当参数检验的前提条件不满足时，两个样本和多个样本平均数差异的SPSS操作方法。 一、两个独立样本的差异显著性检验 两独立样本的的差异显著性检验只有在满足如下条件时才能进行T检验：变量为正态分布的连续测量数据。若数据不满足这样的条件，强行进行T检验容易造成错误的结论。在数据不能满足这种参数检验的条件下，我们可以选择非参数检验方法进行。与两独立样本差异显著性检验相对应的方法可以在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples…中得到。 1．数据 采用本章第一节中例2的数据（数据文件“9-4-1.sav”），具体介绍操作过程。 2．理论分析 对于数据文件9-4-1.sav中的数据，目的是检验男女生之间注意稳定性是否存在显著差异，注意稳定性测量的结果虽然是测量数据但是从总体上来看不满足正态分布的前提假设，另外不同性别的学生可以看成是两组独立的样本，因此对上述资料的检验可以用非参数的独立样本的检验方法。 2．操作过程 （1）在SPSS主菜单中选择Analyze / Nonparametric Tests / 2 Independent Samples…得到两个独立样本非参数检验的主对话框（图9-1），把因变量atten选入到检验变量表列（Test Independent-Sample
实验二 SPSS的参数检验和非参数检验 （验证性实验 4学时） 1、目的要求：熟练掌握t检验及其结果分析。熟练掌握单样本、两独立 样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给 出准确分析。 2、实验内容：使用指定的数据按实验教材完成相关的操作。 3、主要仪器设备：计算机。 练习： 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 鼠体内钙的留存量有显著不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至周六各天 并说明分析结论。 1 参数检验概述 假设检验的基本思想 .事先对总体参数或分布形式作出某种假设，然后利用样本信息来判断原假设是否成立； .采用逻辑上的反证法，依据统计上的小概率原理。
2 单样本的T检验 2.1检验目的： ?检验单个变量的均值是否与给定的常数(总体均值)之间是否存在显著差异。如：分析学生的IQ平均分是否为100分；大学生考研率是否为5%。 ?要求样本来自的总体服从或近似服从正态分布。 2.2 单样本T检验的实现思路 ?提出原假设： ?计算检验统计量和概率P值 ●给定显著性水平与p值做比较：如果p值小于显著性水平，小概率事件在 一次实验中发生，则我们应该拒绝原假设，反之就不能拒绝原假设。 2.3 单样本t检验的基本操作步骤 1、选择选项Analyze－Compare means－One-Samples T test，出现窗口： 2、在Test Value框中输入检验值。 3、单击Option按钮定义其他选项。Option选项用来指定缺失值的处理方法。其中，Exclude cases analysis by analysis表示计算时涉及的变量上有缺失值，则剔除在该变量上为缺失值的个案；Exclude cases listwise表示剔除所有在任意变量上含有缺失值的个案后再进行分析。可见，较第二种方式，第一种处理方式较充分地利用了样本数据。在后面的分析方法中，SPSS对缺失值的处理方法与此相同，不再赘述。另外，还可以输出默认95％的置信区间。 至此，SPSS将自动计算t统计量和对应的概率p值。 3 两独立样本的T检验 3.1 两独立样本T检验的目的 ?利用来自两个总体的独立样本，推断两个总体的均值是否存在显著性差异； ?两独立样本的样本容量可以相等，也可以不相等； ?样本来自的总体服从或近似服从正态分布。 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使用的计算t 值的公式不同，所以首先进行方差F检验。用户需要根据F检验的结果自己判断选择t检验输出中的哪个结果，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。 3.2 两独立样本T检验的实现思路 ?提出原假设：两总体均值不存在显著差异： ●计算统计量和P值：首先利用F检验确定两个总体的方差是否相等；然后 再选择合适的T统计量计算观测值和概率P值； ●根据显著性水平和概率P值进行统计决策。 3.3 两独立样本t检验的基本操作步骤 进行两独立样本t检验之前，正确地组织数据是一个非常关键的任务。SPSS 要求将两组样本数据存放在一个SPSS变量中，同时，为区分哪些样本来自哪个
用SPSS进行单样本T检验(One -Sample T Test) 在《0-1总体分布下的参数假设检验示例一(SPSS实现）》中，我们简要介绍了用SPSS 检验二项分布的参数。今天我们继续看看如何用SPSS进行单样本T检验(One -Sample T Test)。看例子： 例1：已知去年某市小学五年级学生400米的平均成绩是100秒，今年该市抽样测得60个五年级学生的400米成绩（数据见后面文件“CH6参检1小学生400米v提高.sav”），试检验该市五年级学生的400米平均成绩是否应为100秒（有无提高或下降）？ 分析：此检验的假设是： H0:该市五年级学生的400米平均成绩是仍为100秒。 H1:该市五年级学生的400米平均成绩是不为100秒。 打开SPSS,读入数据
从结果中可以判断： 1、p＝0.287>0.05，在5%的显著性水平上，不能拒绝假设H0。 2、95%的置信区间端点一正一负，必然覆盖总体均值。应该接受零假设(假设H0)。 这个结论出乎很多人的意料，因为样本均值明显下降了，105.38500000000003。实际上，那是因为有一个样本值为400秒，从而造成错觉的缘故。 再看一个更有趣的例子。 例1：已知去年某市小学五年级学生400米的平均成绩是100秒，今年该市抽样测得60个五年级学生的400米成绩（数据见后面文件“CH6参检1小学生400米v提高B.sav”），试检验该市五年级学生的400米平均成绩是否应为100秒（有无提高或下降）？ 同上，打开SPSS,读入数据，结果： 从结果中判断： t统计值的显著性概率为0.005小于1%，在1%犯错误的水平上拒绝零假设。可以认为，今年该市五年级学生的400米平均成绩明显下降了。
SPSS独立单样本t检验方法（independent-samples t Test）又叫两样本t检验， 要将两组独立的数据进行差异性比较，这属于两样本t检验，这是实验中常用的一种检验方法，下面是基本操作方法。 以低浓度组与对照组比较为例进行说明： 操作步骤： 1.输入独立样本数据（变量1和变量2都可以做数据项）
2.选用程序 从菜单选择Analysize——Compare Mean——Independent-samples t Test,打开对话框，分别将数据变量组和组别变量组对应的var转入右边对应的空白框中，数据变量组转到Test Variable(s),组别变量组转到Grouping Variable
转入后，在定义组别， 点击Difine Groups…按钮，出现如下对话框，然后输入对应的组别号，在这个例子中，group1是用1来表示的，group2使用2表示的。因此，分别输入1和2，再点击Continue按钮。
点击continue按钮后出现如下对话框，再点击OK，这样独立样本T检验程序定义完成。 3.结果分析 在第二步最后点击OK后，软件的分析结果就会出现，如下图，红框里就是要的数据。 经Levene’s方差齐性检验，F=4.655，而P=0.045<0.5,认为两组总体方差是齐的，就看两样本t检验的第一横列的值（也就是跟F同列的值）：t=1.353，P=0.193，按P=0.05水准，P>0.05,则两样本物显著性差异，P<0.05,有显著性差异，P<0.01时，两样本有极大差异。 如果F的P>0.5，则认为两样本总体方差不齐，则看第二横列的值，t检验的P值分析同上。