下载文档原格式
SPSS应⽤之⾮参数检验统计学的假设检验可以分为参数检验和⾮参数检验，参数检验是根据⼀些假设条件推算⽽来，当这些假设条件⽆法满⾜的时候，参数检验的效能会⼤打折扣，甚⾄出现错误的结果，⽽⾮参数检验通常是没有假设条件的，因此应⽤范围⽐参数检验要⼴。
⾮参数检验在不做任何假设的情况下，最⼤限度的使⽤样本信息，利⽤统计学、数学的⽅法和技巧构造统计量并加以检验，在某些情况下，⾮参数检验⽐参数检验拥有更⾼的效能，尽管如此，我们也不能⼀味的使⽤⾮参数检验，毕竟参数检验更加严谨，通常都是在数据不符合参数检验的条件是，才使⽤⾮参数检验，因此，对于数据的前期观察是⾮常重要的。
⾮参数检验⽅法⾮常多，但是绝⼤部分⾮参数检验⽅法都是基于秩和结来构造统计量的，中⾮参数检验是⼀个独⽴的过程，也保留了旧对话框，新对话框按照样本情况分类，根据样本情况来选择⽅法，并且更倾向于⾃动化分析，旧对话框的分类则不是很明确，分我们按照新对话框来进⾏介绍分析—⾮参数检验—单样本⼀、单样本1.⼆项式检验⼆项式检验也称为⼆项分布检验，⽤来检验样本是否来⾃⼆项分布，也就是检查样本的观测值的频数与某⼀特定⼆项分布下的期望频数是否⼀致。
不仅可以针对于⼆分类变量，对于连续变量也可以当做⼆分类变量来处理，例如成绩的及格与否，产品的合格与否等。
本例中是想检验三门学科的及格率是否都在95%以上2.卡⽅检验卡⽅检验是最常⽤的多分类⾮参数检验，卡⽅统计量也⼴泛被其他检验所引⽤，卡⽅检验依据卡⽅分布，主要包括适应性检验和独⽴性检验，适应性检验⽤于检验实际观察频数与期望频数是否⼀致，独⽴性检验⽤于检验两组或多组计数资料是否相互独⽴。
3.K-S检验全称为Kolmogorov-Smirnow检验，在探索性中，也曾出现过⽤它来检验是否服从正态分布。
该检验属于⾮参数检验，⽤来检验某⼀单样本是否服从某⼀理论分布。
4.Wilcoxon符号秩检验该检验将符号和秩相结合，效能⽐单纯的符号检验和秩和检验都⾼，因此⽐较常⽤5.游程检验我们知道样本的随机性很重要，⽽游程检验就是⽤来检验样本数据是否是随机抽取的。
非参数检验-SPSS什么是非参数检验？非参数检验是一种统计假设检验方法，它不依赖于总体的任何假设条件，如总体分布的正态性、方差的同一性等。
与参数检验相比，非参数检验更加灵活，能够适应更多的数据情况。
为什么需要非参数检验？当我们的数据不满足正态分布等假设条件时，就需要使用非参数检验。
此外，非参数检验还有以下优点：1.不需要知道总体分布的具体形态，从而更加适用于实际情况2.对于离群值和极端值并不敏感3.数据缺失并不会影响检验结果SPSS中的非参数检验现在我们来介绍SPSS中的非参数检验。
1. Wilcoxon符号秩检验Wilcoxon符号秩检验旨在检验两组配对样本的中位数差异是否为零。
它的原假设是两组样本中位数相同。
首先，我们需要打开SPSS，导入数据集，然后点击菜单栏中的“数据”-“配对样本T检验”-“Wilcoxon符号秩检验”。
接下来，我们需要在弹出的对话框中选择配对变量，然后点击“OK”即可得到检验结果。
2. Mann-Whitney U检验Mann-Whitney U检验是一种非参数检验方法，用于检验两组独立样本的中位数是否相同。
它的原假设是两组样本中位数相同。
要进行Mann-Whitney U检验，我们需要打开SPSS，导入数据集，然后点击菜单栏中的“分析”-“非参数检验”-“2独立样本”。
接着，在弹出的对话框中选择两组样本的变量，并设置分析的方法为“Mann-Whitney U检验”。
最后点击“OK”即可得到检验结果。
3. Kruskal-Wallis检验Kruskal-Wallis检验是一种非参数检验方法，用于检验多个独立样本的中位数是否相同。
它的原假设是多组样本中位数相同。
要进行Kruskal-Wallis检验，我们需要打开SPSS，导入数据集，然后点击菜单栏中的“分析”-“非参数检验”-“Kruskal-Wallis检验”。
接着，在弹出的对话框中选择多组样本的变量，并点击“OK”即可得到检验结果。
使用SPSS软件进行非参数检验非参数检验是数理统计学中对样本数据进行检验的一种重要检验方法，文章具体讲述了SPSS统计软件对3个班级中21个学生的成绩样本进行非参数检验分析，得出总体成绩存在显著性差异，说明了SPSS统计软件应用于概率论与数理统计教学的可行性。
标签：SPSS软件；非参数检验；显著性差异；可行性非参数检验是数理统计学的一个分支，它与参数检验相对应。
参数检验是一种适应于在特定环境下的检验，对总体分布参数的均值或方差等进行推断的方法。
非参数检验是假定总体分布的具体形式未知，从样本的数据获得需要的信息，对总体分布的类型和位置进行检验。
1 非参数检验方法的特点和分类非参数检验适用性很广，不要求有精确的观测值，SPSS软件是一种易学易操作的软件，软件中包括8种非参数检验的分析方法，这8种方法被分为了两大类：分布类型检验方法和分布位置检验方法，在第二大类中包括以下4中检验：两个独立样本显著性差异、多个独立性样本显著性差异、两个相关样本差异的显著性检验和多个相关样本差异的显著性检验。
文章主要研究多个独立性样本的显著性差异。
2 应用实例随机抽取3个班级的学生，得到21个学生的成绩样本，成绩如表1所示，问总体成绩是否存在显著差异？（1）假设H0：總体成绩没有显著差异（2）操作步骤：a.在SPSS软件的数据编辑窗口中输入数据，两个变量（banji，chengji），21个样本，即输入2列21行；b.单击分析→非参数检验→K个独立样本命令，打开多个独立样本对话框；c.将变量chengji移入到检验变量列表，将banji移入分组变量列表，在分组变量定义框内定义分组变量的范围，最小值为1，最大值为3，选择检验类型中的前两个，第三种方法不适合本题目；如图1所示。
d.单击OK按钮，即在输出窗口显示Kruskal-Wallis检验和中值检验的计算结果。
3 结果分析在输出窗口中显示了Kruskal-Wallis检验和中值检验的计算结果，见表2、表3。
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。
