下载文档原格式
第五章多组计量资料比较的非参数检验命令与输出结果说明本节STATA? 命令摘要秩和检验 ( Mann，Whitney and Wilcoxon 非参数检验)对于计量资料不满足正态分布要求或方差不齐性，但样本资料之间是独立抽取的，则可以应用秩和检验方法进行比较两组资料的中位数是否有差异。
STATA命令为：ranksum?? 观察变量, by( 分组变量)例：研究不同饲料对雌鼠体重增加的关系。
表中用x表示雌鼠体重增加(克)，用group=1表示高蛋白饲料组以及用group=2 表示低蛋白饲料组。
无效假设 Ho:两组增加体重的中位数相同。
ranksum x,? by(group)①为第二组(低饲料组)的秩的和；② 若效假设成立，则第二组的秩的和期望值为70；③秩和统计检验量z；④对于无效假设Ho对应的p值。
在本例中，虽然第二组的秩和为49.5而期望值估计为70，但p值为0.0832，所以根据该资料和统计结果一般不能认为用高蛋白饲料喂养能明显增加雌鼠的体重。
多组资料中位数比较(完全随机化设计资料的检验)对于完全随机化设计资料的比较，若各组资料不全服从正态分布(即：至少有一组的资料均不服从正态分布)或各组的资料方差不齐性，则可以用Kruskal and Wallis方法进行检验(Ho:各组的中位数相同)。
STATA命令为：kwallis?观察变量,by(分组变量)例：50只小鼠随机分配到5个不同饲料组，每组10只小鼠。
在喂养一定时间后，测定鼠肝中的铁的含量(mg/g)如表所示：试比较各组鼠肝中铁的含量是否有显着性差别。
用x?表示鼠肝中铁的含量以及用group=1，2，3，4，5分别表示对应的5个组。
kwallis? x, by(group)①为各组的秩和值；②为该统计量的c2检验值；③为无效假设检验所对应的p值。
本例结果表明：5组的中位数有显着的差异。
即：5个不同饲料组的小鼠肝脏中铁的含量有显着差异，说明小鼠肝脏中铁的含量与喂养的饲料有关。
非参数检验的检验方法非参数检验是一种假设检验的方法，它不依赖于总体分布的具体形式，而是基于样本数据进行推断。
相比于参数检验，非参数检验更加灵活和普适，可以适用于更广泛的情况。
非参数检验的主要思想是通过对样本数据的排序或者秩次变换，来推断总体的性质。
下面将介绍几种常见的非参数检验方法：1. Mann-Whitney U检验（又称Wilcoxon秩和检验）：Mann-Whitney U检验用于比较两个独立样本的总体中位数是否相等。
它的基本思想是将两组样本的数据合并，按照从小到大的顺序进行排列，并为每个值分配一个秩次。
然后计算两组数据秩次和之差的绝对值，该值即为检验统计量U，根据U的大小可以进行推断。
2. Kruskal-Wallis H检验：Kruskal-Wallis H检验用于比较多个独立样本的总体中位数是否相等。
它的基本思想是将所有样本的数据合并，按照从小到大的顺序进行排列，并为每个值分配一个秩次。
然后计算每个样本的秩次和，以及总体的秩次和。
根据这些秩次和的差异来进行推断。
3. 秩和检验：秩和检验是一类常见的非参数检验方法，包括Wilcoxon符号秩检验和符号秩和检验。
这两种方法都是用来比较两个相关样本的总体中位数是否相等。
基本思想是将两个样本的差的符号进行标记，并用秩次表示绝对值大小的顺序。
然后根据秩次和的大小来进行推断。
4. Friedman检验：Friedman检验用于比较多个相关样本的总体中位数是否相等。
它的基本思想是将所有样本的数据进行秩次变换，并计算每个样本的秩次和。
然后根据秩次和的差异来进行推断。
在进行非参数检验时，需要注意以下几点：1. 样本独立性：非参数检验通常要求样本之间是独立的，即样本之间的观测值不受其他样本观测值的影响。
如果样本之间存在相关性，应考虑使用相关性检验或者非参数检验的相关版本。
2. 样本大小：非参数检验对样本的大小没有严格要求，但样本大小较小时可能会影响检验的统计功效。
非参数检验方法一、什么是非参数检验非参数检验（Nonparameteric Tests）是指检验假设（比如均值、方差、分布类型）不依赖样本参数的方法，也可以称为不参数检验，将数据的描述性统计量和判别量作为假设检验的基本工具，而不主张假设服从某个具体的概率分布。
二、非参数检验的优点1、可以使用描述性统计量作为假设检验的基本工具，而不主张数据服从某个具体的概率分布，使得检验更加简单。
2、非参数检验的统计量倪比较有针对性，无论样本量大小，无论是否假定样本服从某个具体概率分布，它都能比较有效计算统计量的有效性、准确性。
3、非参数检验的抽样复杂度较低，当数据量较小时，可以获得较精确的结果。
4、非参数检验可以应用于连续变量或离散变量检验假设，使得非参数检验成为一种常见的统计检验方法。
三、常见的非参数检验方法1、Wilcoxon符号秩检验：Wilcoxon符号秩检验是用于比较两组数据之间不同水平上的秩和的检验，它的统计量是组间的秩和比，假设多个样本的总体服从同一分布，可以用来检验两组数据间的均值或中位数的差异性，即表明两个样本的分布是否有差异。
2、Kruskal-Wallis H检验：Kruskal-Wallis H检验是一种无序秩检验，它能检验总体中多组数据间的均值或中位数的比较，即用来检验多个样本构成的总体是否服从同一分布，要求多组样本的体积相等。
3、Friedman检验：Friedman检验是一种用于多个样本比较的非参数检验，它的检验统计量是秩求和检验，可以检验多个样本构成的总体是否服从相同的分布，从而比较多个样本之间的均值，中位数或众数相对应的所有统计量。
4、Spearman秩相关系数：Spearman秩相关系数是一种测量两个变量相关性程度的方法，它不要求变量服从某种分布，仅要求变量是分类变量或连续变量。
5、Cochran Q检验：Cochran Q检验是变量若干观测值服从同一分布的依赖性检验，可以检验多组数据的差异性是否具有统计学意义，一般用于比较不同实验组间的得分或响应相对于对照组的得分或响应的差异性。
假设检验（二）——非参数检验假设检验的统计方法，从其统计假设的角度可分为两类：参数检验与非参数检验。
上一节我们所介绍的Z 检验、t 检验，都是参数检验。
它们的共同特点是总体分布正态，并满足某些总体参数的假定条件。
参数检验就是要通过样本统计量去推断或估计总体参数。
然而，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。
非参数检验是通过检验总体分布情况来实现对总体参数的推断。
非参数检验法与参数检验法相比，特点可以归纳如下：（1）非参数检验一般不需要严格的前提假设；（2）非参数检验特别适用于顺序资料；（3）非参数检验很适用于小样本，并且计算简单；（4）非参数检验法最大的不足是没能充分利用数据资料的全部信息；（5 ）非参数检验法目前还不能用于处理因素间的交互作用。
非参数检验的方法很多，分别适用于各种特点的资料。
本节将介绍几种常用的非参数检验方法。
一．2检验2检验主要用于对按属性分类的计数资料的分析，对于数据资料本身的分布形态不作任何假设，所以从一定的意义上来讲，它是一种检验计数数据分布状态的最常用的非参数检验方法。
22检验的方法主要包括适合性检验和独立性检验。
（一）2检验概述2是实得数据与理论数据偏离程度的指标。
其基本公式为：2 （ f0 f e）（公式11—9）fe式中，f0 为实际观察次数，f e 为理论次数。
分析公式可知，把实际观测次数和依据某种假设所期望的次数（或理论次数）的差数平方，除以理论次数，求出比值，再将n 个比值相加，其和就是2。
观察公式可发现，如果实际观察次数与理论次数的差异越小， 2值也就越小。
当 f 0 与 f e 完全相同时，2值为零。
际次数与理论次数之差的大小而变化利用2值去检验实际观察次数与理论次数的差异是否显著的方法称为2检验有两个主要的作第一，可以用来检验各种实际次数与理论次数是否吻合的这类问题统称为适合性检验； 第二， 判断计数的两组或多组资料是否相互关联还是相互独立的问 题，这类问题统称为独立性检验。
非参数检验的场景与方法非参数检验是一种统计方法，用于对数据进行假设检验，而不需要对数据的分布做出任何假设。
相比于参数检验，非参数检验更加灵活，适用于更广泛的场景。
本文将介绍非参数检验的场景和常用的方法。
一、非参数检验的场景非参数检验适用于以下场景：1. 数据不满足正态分布：在一些实际问题中，数据的分布可能不满足正态分布假设，例如长尾分布、偏态分布等。
此时，非参数检验可以更好地适应数据的特点。
2. 样本量较小：参数检验通常要求样本量较大，以保证统计推断的准确性。
而非参数检验对样本量的要求较低，即使样本量较小，也可以进行有效的假设检验。
3. 数据类型不确定：非参数检验可以适用于各种数据类型，包括连续型数据、离散型数据、有序数据等。
而参数检验通常对数据类型有一定的要求。
二、常用的非参数检验方法1. Wilcoxon符号秩检验：适用于两个相关样本的比较。
该方法将两个样本的差异转化为秩次，通过比较秩次的大小来进行假设检验。
2. Mann-Whitney U检验：适用于两个独立样本的比较。
该方法将两个样本的观测值合并后，通过比较秩次的大小来进行假设检验。
3. Kruskal-Wallis检验：适用于多个独立样本的比较。
该方法将多个样本的观测值合并后，通过比较秩次的大小来进行假设检验。
4. Friedman检验：适用于多个相关样本的比较。
该方法将多个样本的观测值转化为秩次，通过比较秩次的大小来进行假设检验。
5. Kolmogorov-Smirnov检验：适用于两个样本的分布比较。
该方法通过比较两个样本的累积分布函数来进行假设检验。
三、非参数检验的优缺点非参数检验相比于参数检验具有以下优点：1. 不需要对数据的分布做出任何假设，更加灵活。
2. 对样本量的要求较低，适用于小样本数据。
3. 适用于各种数据类型，更加通用。
然而，非参数检验也存在一些缺点：1. 相对于参数检验，非参数检验的统计效率较低。
2. 非参数检验通常需要更多的计算资源和时间。
统计学中的非参数检验方法统计学是一门应用广泛的科学领域，它的应用范围涉及到社会、经济、医学、科学等各个领域。
非参数检验方法是统计学中的一种基于数据分布情况的假设检验方法，它不仅可以应用于各个领域的研究中，也是数据分析领域中不可或缺的一部分。
什么是非参数检验非参数检验是一种基于统计数据分布情况做出判断的方法，在对特定类别的数据进行假设检验的时候，不依赖于数据分布的形状，而且它可以处理许多小样本或者没有熟知的总体参数的数据。
非参数检验方法的应用范围广泛，可以用于数据汇总、逻辑推理、实验设计以及其他数据分析中的问题。
非参数检验的优势传统的统计假设检验方法是基于大样本数据的总体参数进行推断的，其可以直接获得总体参数值，但是对于小样本数据而言，则需要使用比较多的假设、术语和统计量、偏差的值来判断出研究问题的可行性，而非参数检验则可以用较少的假设来完成数据分析，避免了数据误判，降低了数据分析的难度。
非参数检验的应用非参数检验方法在实际生活中的应用，主要表现在以下几个方面：1. 样本分布非正态：如果样本数据分布不满足正态分布，这时是可以应用非参数检验方法的。
2. 样本数据较少：如果样本数据较少，传统假设检验方法会有较高的错误率，可以使用非参数检验方法来避免这种情况。
3. 样本数据有异常值：若样本数据存在严重的异常值，应用传统的假设检验方法可能会导致数据误判，此时可以应用非参数检验方法进行数据分析。
常见的非参数检验方法常见的非参数检验方法有：1. Wilcoxon符号秩检验：适合偏差没达到正态分布的样本。
2. Mann-Whitney U检验：主要用于2组样本数据非独立的情况。
3. Kruskal-Wallis检验：用于3组及以上的样本比较，判断样本总体是否有差别。
4. Friedman秩和检验：主要用于分析多组数据的内部联系。
5. Kolmogorov-Smirnov拟合检验：用于检验给定的样本是否符合特定分布。
