当前位置：文档之家 › 非参数检验(卡方检验)实验报告

非参数检验(卡方检验)实验报告

  • 格式：doc
  • 大小：241.00 KB
  • 文档页数：11

大理大学实验报告
课程名称生物医学统计分析
实验名称非参数检验（卡方检验）专业班级
姓名
学号
实验日期
实验地点
2015—2016学年度第 2 学期
一、实验目的
对分类资料进行卡方检验。

二、实验环境
1、硬件配置：处理器：Intel（R）Core(TM) i5-4210U CPU @1.7GHz 1.7GHz 安装内存
（RAM）：4.00GB 系统类型：64位操作系统
2、软件环境：IBM SPSS Statistics 19.0软件
三、实验内容
(包括本实验要完成的实验问题及需要的相关知识简单概述)
（1）课本第六章的例6.1-6.5运行一遍，注意理解结果；
（2）然后将实验指导书的例1-4运行一遍，注意理解结果。

四、实验结果与分析
（包括实验原理、数据的准备、运行过程分析、源程序（代码）、图形图象界面等）
例6.1
表1 灭螨A和灭螨B杀灭大蜂螨效果的交叉制表
效果
杀灭未杀灭
合计组别灭螨A 32 12 44
灭螨B 14 22 36 合计46 34 80
分析：表1是灭螨A和灭螨B杀灭大蜂螨效果的样本分类的频数分析表，即交叉列联表。

表2 卡方检验
X2值df 渐进Sig. (双侧) 精确Sig.(双侧) 精确Sig.(单侧) Pearson 卡方9.277a 1 .002
连续校正b7.944 1 .005
似然比9.419 1 .002
Fisher 的精确检验.003 .002
有效案例中的N 80
a. 0 单元格(.0%) 的期望计数少于5。

最小期望计数为15.30。

b. 仅对2x2 表计算
分析：表2是卡方检验的结果。

因为两组各自的结果互不影响，即相互独立。

对于这种频数表
格式资料，在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量，才能进行卡方检验。

Pearson 卡方：皮尔逊卡方检验计算的卡方值（用于样本数n≥40且所有理论数E≥5）；
连续校正b：连续性校正卡方值（df=1，只用于2*2列联表）；
似然比：对数似然比法计算的卡方值（类似皮尔逊卡方检验）；
Fisher 的精确检验:精确概率法计算的卡方值（用于理论数E<5）。

不同的资料应选用不同的卡方计算方法。

例6.1为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。

X2=7.944，P（Sig）=0.005<0.01，表明灭螨剂A组的杀螨率极显著高于灭螨剂B组。

例6.2
表3 治疗方法* 治疗效果交叉制表
计数
治疗效果
1 2 3
合计治疗方法 1 19 16 5 40
2 16 12 8 36
3 15 13 7 35
合计50 41 20 111
分析：表3是治疗方法* 治疗效果资料分析的列联表。

表4 卡方检验
X2值df 渐进Sig. (双侧) Pearson 卡方 1.428a 4 .839
似然比 1.484 4 .830 线性和线性组合.514 1 .474
有效案例中的N 111
a. 0 单元格(.0%) 的期望计数少于5。

最小期望计数为6.31。

分析：表4是卡方检验的结果。

自由度df=4，表格下方的注解表明理论次数小于5的格子数为0，
最小的理论次数为6.13。

各理论次数均大于5，无须进行连续性校正，因此可以采用第
一行（Pearson 卡方）的检验结果，即X2=1.428，P=0.839>0.05,差异不显著，可以认为不同的治疗方法与治疗效果无关，即三种治疗方法对治疗效果的影响差异不显著。

例6.3
表5 灌溉方式* 稻叶情况交叉制表
计数
稻叶情况
合计
1 2 3
灌溉方式 1 146 7 7 160
2 18
3 9 13 205
3 152 1
4 16 182
合计481 30 36 547
分析：表5是灌溉方式* 稻叶情况资料分析的列联表。

表6 卡方检验
X2值df 渐进Sig. (双侧) Pearson 卡方 5.622a 4 .229
似然比 5.535 4 .237 线性和线性组合 4.510 1 .034
有效案例中的N 547
a. 0 单元格(.0%) 的期望计数少于5。

最小期望计数为8.78。

分析：表6是卡方检验的结果。

自由度df=4，样本数n=547。

表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为8.78。

各理论次数均大于5，无须进行连续性校正，因此可以采用第一行（Pearson 卡方）的检验结果，即X2=5.622，P=0.229>0.05,差异不显著，即不同灌溉方式对稻叶情况的影响差异不显著。

例6.5
表9 LPA* FA 交叉制表
FA
1 2
合计LPA 1 17 0 17
2 4 7 11
合计21 7 28
分析：表9是LPA* FA资料分析的列联表。

表10 配对卡方检验
值精确Sig.(双侧) McNemar 检验.125a
有效案例中的N 28
a. 使用的二项式分布。

分析：表10是LPA和FA两种检测方法的配对卡方检验。

由于b+c<40,SPSS选用二项分布的直接计算概率法（相当于进行了精确校正），计算该配对资料的检验的精确双侧概率，并且不能给出卡方值。

本例P=0.125>0.05，差异不显著，即LPA法和FA法对番鸭细小病毒抗原的检出率差异不显著。

表11 对称度量
值渐进标准误差a近似值T b近似值Sig.
一致性度量Kappa .680 .140 3.798 .000 有效案例中的N 28
a. 不假定零假设。

b. 使用渐进标准误差假定零假设。

分析：表11为LPA和FA两种检测结果的的一致性检验。

Kappa值是内部一致性系数，除数据P 值判断一致性有无统计学意义外，根据经验，Kappa≥0.75，表明两者一致性较好
0.7>Kappa≥0.4，表明一致性一般，Kappa<0.4，则表明一致性较差。

本例Kappa值为0.680，P=0.000<0.01，拒绝无效假设，即认为两种检测方法结果存在一致性，Kappa值=0.680，0.7>Kappa≥0.4，表明一致性一般。

例1
表12 周内日频数表
观察数期望数残差
1 11 16.0 -5.0
2 19 16.0 3.0
3 17 16.0 1.0
4 1
5 16.0 -1.0
5 15 16.0 -1.0
6 16 16.0 .0
7 19 16.0 3.0
总数112
分析：表12结果显示一周内各日死亡的理论数（Expected）为16.0，即一周内各日死亡均数；
还算出实际死亡数与理论死亡数的差值（Residual）。

表13 检验统计量
周日
卡方 2.875a
df 6
渐近显著性.824
a. 0 个单元(.0%) 具有小于5 的期望频率。

单元最小期望频率为16.0。

分析：Chi-Square过程，调用此过程可对样本数据的分布进行卡方检验。

卡方检验适用于配合
度检验，主要用于分析实际频数与某理论频数是否相符。

卡方值X2=2.875，自由度数（df）=6，P=0.824>0.05，差异不显著，即可认为一周内各日的死亡危险性是相同的。

例2
表14 二项式检验
类别N 观察比例检验比例精确显著性（双侧）性别组1 0 12 .30 .50 .017 组2 1 28 .70
总数40 1.00
分析：调用Binomial过程可对样本资料进行二项分布分析。

表14的二项分布检验表明，女婴12
名，男婴28名，观察概率为0.70（即男婴占70%），检验概率为0.50，二项分布检验的结果是双侧概率为0.017，可认为男女比例的差异有高度显著性，即与通常0.5的性比例相比，该地男婴比女婴明显为多。

例3
表15 两组工人的血铅值及秩
group N 秩均值秩和血铅值 1 10 5.95 59.50
2 7 13.36 93.50
总数17
分析：Independent Samples过程：调用此过程可对两个独立样本的均数、中位数、离散趋
势、偏度等进行差异比较检验。

有四种检验方法：Mann-Whitney U：主要用于判别两个独立样本所属的总体是否有相同的分布；Kolmogorov-Smirnov Z：推测两个样本是否来自具有相同分布的总体；Moses extreme reactions：检验两个独立样本之观察值的散布范围是否有差异存在，以检验两个样本是否来自具有同一分布的总体；
Wald-Wolfowitz runs：考察两个独立样本是否来自具有相同分布的总体。

表16 检验统计量b
血铅值
Mann-Whitney U 4.500
Wilcoxon W 59.500
Z -2.980
渐近显著性(双侧) .003
. ..页脚.。

合集下载

spss参与非参检验实验报告参考模板

spss参与非参检验实验报告参考模板

第五章 参数检验❶单样本t 检验：（5.2）分析六级考试成绩一般平均得分是否为75；1.录入数据，全部学生的六级考试成绩显而易见服从正态分布，可用Q-Q 图，或非参检验对所抽取的样本进行正态性检验，之后进行单样本t 检验。

2.选择菜单：Analyze---Compare Means---One-Sample T Test ，再出现的窗口中，选择“六级考试成绩”到【Test Variable 】框中，在【Test Vaule 】框中输入检验值75。

单击“OK ”度10，第四列为检验p 值0.668，第五列为样本均值与检验值的差，第六列和第七列为总体均值与原假设值差的95%的置信区间，为（-7.69,5.14）。

若取显著性水平α为0.05，则p 大于α，因此应该接受原假设，认为六级考试成绩一般平均得分为75分。

95%的置信区间告诉我们有95%的把握认为六级考试成绩的均值在67.31~85.14之间。

❷两独立样本t 检验（5.3）分析有促销和无促销情况下商品的日销售额是否存在显著变化；1.录入数据，有促销和无促销情况下的日销售额可以看成两个独立总体，且日销售额可近似认为服从正态分布，可用Q-Q 图或非参检验对其正态性检验。

在以上前提下，进而可对不同情况下的日销售额进行两独立样本t 检验。

2.选择菜单：Analyze---Compare Means---Independent-Samples T Test，再出现的窗口中，选择“日销售额”到【Test Variable 】框中，选择“type ”到【Grouping Variable 】框中，按【Define Groups 】按钮定义两总体的标识值，分别在Group1与Group2中输入1,23.如上表Independent Sample Test 所示，结论分析为两步:第一步，方差齐性检验。

F 统计量的观测值为0.225，对应的p 值为0.638，若取显著性水平α为0.05，则p 大于α，可以认为两总体的方差相等。

非参数统计列联表卡方检验

非参数统计列联表卡方检验

非参数统计期末大作业、Wilcoxon 符号秩检验某个公司为了争夺竞争对手的市场，决定多公司重新定位进行宣传。

在广告创意中，预计广告投放后会产生效果。

一组不看广告组和一组看广告，抽取16位被调查者，让起给产品打分。

现有数据如下1、手算建立假设：H0:广告效应不显著H1:广告效应显著不看广告组记为X，看广告组记为y 检验统计量计算表由表可知：T+=1+4+5+2.5=12.5「=7+2.5+6+8=23.5根据n=8, T+和T-中较大者T-=23.5，查表得，T+的右尾概率为0.230到0.273，在显著性水平二=-二下，P值显然较大，故没有理由拒绝原假设，表明广告效应不显著。

2、Spss在spss中输入八组数据（数据1）：选择非参数检验中的两个相关样本检验File Edit Vie*/ Data TransformH ft 113;不冇广吿右广1 622633 964 996716■3U797Q100g10111213u15161716m Analyze Giaprs UtHftles Add-ons Wndow He*)ReportsTablesCotnpgre MeonsGeneral Linear Mode)Mixed ModelsCorrelateRegr&ssioriLogintarNeural NetworksGlassilyQata ReductionScaleyanparatnetric TestsTime SeriesSurvivalMissing V H I LJE AnaiYsis...Oomp[ex SamplesQuality Controls] ROC curae...var var var* E 1] Binomiel... b 画Runs...区l-SemfoleK-S...> JL 2 lixlepenclent SamplesK Independent Sairipleg...2 Related Samples...对话框中选择Wilcoxon，输出如下结果（输出1）：RanksN Mean Rank Sum of Ranks看广告-不看广告Negative Ranks 4a 3.12 12.50b. 看广告> 不看广告c. 看广告=不看广告由上表，负秩为4,正秩也为4,同分的情况为0,总共&负秩和为12.5,正秩和为23.5，与手算结果一致b. Wilcoxon Signed Ranks Test由上表，z为负，说明是以负秩为基础计算的结果，其相应的双侧渐进显著性结果为0.441，明显大于0.05，因此在口=::二的显著性水平下，没有理由拒绝原假设，即表明广告效应不显著，与手算的结论一致3、R语言（R语言1）输入语句：x=c(62,83,96,99,71,60,97,100) y=c(87,92,90,86,94,95,82,91)wilcox.test(x,y,exact=F,cor=F) 输出结果：Wilcox on rank sum testdata: x and yW = 33, p-value = 0.9164alter native hypothesis: true locati on shift is not equal to 0由输出结果可知，P=0.9164,远大于=0.05，因此没有理由拒绝原假设, 即广告效应并不显著，与以上结果一致、Wald-Wolfowitz 游程检验有低蛋白和高蛋白两种料喂养大白鼠，以比较它们对大白鼠体重的增加是否有显著不同的影响，为此对m=10,n=10只大白鼠分别喂养低蛋白和高蛋白两种饲料，得增重量X，丫（单位：g）的表如下：1、手算建立假设：H0：两种饲料对大白鼠无显著差异H1:两种饲料对大白鼠有显著差异将X,Y的数据按从小到大混合排列，得X,Y的混合样本序列：YYYXYYXXXYYYYYXXXXXX故得游程总数U=6, m=10，n=10,查表得，U=6的概率为0.019，由于是双侧检验，对于显著性水平=0.05,对应的P值为X 0,019 = 0.038 < o.oS,2 因此拒绝原假设，即表明两种饲料对大白鼠有显著差异。

SPSS非参数检验之一卡方检验

SPSS非参数检验之一卡方检验

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著差异。

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著差异。

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()21ki 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著性水平，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著差异；如果相伴概率值大于显著性水平，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著差异. 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实施步骤：1、打开SPSS 20。

非参数检验（卡方检验）,实验报告

非参数检验（卡方检验）,实验报告

非参数检验（卡方检验）,实验报告评分大理大学实验报告课程名称生物医学统计分析实验名称非参数检验(卡方检验)专业班级姓名学号实验日期实验地点2015—2016 学年度第学期一、实验目得对分类资料进行卡方检验。

二、实验环境1、硬件配置:处理器:Intel(R)Core(TM)i5-4210U CPU 1、7GHz 1、7GHz 安装内存(RAM):4、00GB系统类型:64 位操作系统 2、软件环境:IBM SPSS Statistics 19、0 软件三、实验内容(包括本实验要完成得实验问题及需要得相关知识简单概述)（1）课本第六章得例 6、1-6、5 运行一遍,注意理解结果;（2）然后将实验指导书得例 1-4 运行一遍,注意理解结果。

四、实验结果与分析(包括实验原理、数据得准备、运行过程分析、源程序(代码)、图形图象界面等)例例 6、1 表 1 灭螨A A 与灭螨B B 杀灭大蜂螨效果得交叉制表效果合计杀灭未杀灭组别灭螨A 32 12 44 灭螨B 14 22 36 合计 46 34 80 分析: 表1就是灭螨A与灭螨B杀灭大蜂螨效果得样本分类得频数分析表,即交叉列联表。

表 2 卡方检验X2 值df 渐进Sig、(双侧)精确Sig、(双侧)精确Sig、(单侧)Pearson 卡方 9、277a1、002连续校正b7、944 1、005似然比 9、419 1、002Fisher 得精确检验、003、002 有效案例中得 N 80a、0 单元格(、0%)得期望计数少于5。

最小期望计数为15、30。

b、仅对 2x2 表计算分析: 表2就是卡方检验得结果。

因为两组各自得结果互不影响,即相互独立。

对于这种频数表格式资料,在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量,才能进行卡方检验。

Pearson 卡方:皮尔逊卡方检验计算得卡方值(用于样本数n≥40且所有理论数E≥5);连续校正b : 连续性校正卡方值(df=1,只用于2*2列联表);似然比:对数似然比法计算得卡方值(类似皮尔逊卡方检验);Fisher 得精确检验:精确概率法计算得卡方值(用于理论数E<5)。