SPSS的非参数检验

格式：ppt
大小：3.14 MB
文档页数：32

非参数检验的SPSS操作

1 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）。

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。

SPSS操作：多个相关样本的非参数检验（CochransQ检验）

SPSS操作：多个相关样本的⾮参数检验（CochransQ检

验）SPSS操作：多个相关样本的⾮参数检验(Cochran's Q检验)

⼀、问题与数据

某康复科医⽣拟评价康复训练对卒中后患者体能恢复的效果。患者分别在开始康复、康复3个⽉和康复6个⽉时进⾏体能

测试。为了保证⼀致性，三次体能测试内容是⼀样的，体能测试的结果为“通过”和“不通过”。该医⽣想知道卒中后患者体能测

试的结果为“通过”的⽐例是否⼀直上升。

该研究随机选取了63例进⾏康复训练的卒中后患者，并收集了所有研究对象的开始康复时的体能测试结果(initial_fitness_test)，康复3个⽉时的体能测试结果 (month3_fitness_test)和康复6个⽉时的体能测试结果 (final_fitness_test)。

结果均为“通过(Passed)”和“不通过(Failed)”的形式（分别赋值为1和2）。部分数据如下图。

其中，Individual scores for each paticipant列出了每⼀个研究对象的情况，⽽Total count data (frequencies)则是对相同

情况研究对象的数据进⾏了汇总。

⼆、对问题的分析

要检验三组或多组相关样本中，分类变量是否存在差异，可以使⽤Cochran's Q 检验，但需要考虑以下4个假设。

假设1：结局变量为⼆分类，且两类之间互斥。互斥是指⼀个研究对象只能在⼀个分组中，不可能同时出现在两个组中。

例如 “安全”和“不安全”，“及格”和“不及格”等。

假设2：分组变量包含3个及以上分类，且各组之间相关。（当分组变量只有2个分类时，可使⽤McNemar’s检验）

假设3：样本是来⾃于研究⼈群的随机样本。然⽽实际中，样本并⾮都是随机样本。

假设4：样本量⾜够。当样本量n≥4且nk≥24（k为分组变量数）时，可以采⽤Cochran's Q检验；否则采⽤“精确”Cochran's Q检验。

本研究中，结局变量有两个分组且互斥（“通过”和“不通过”），符合假设1；分组变量包含3个分类（开始康复、康复3个⽉