spss实用教程非参数检验.pptx

总体分布的卡方（Chi-square）检验10.1二项分布检验10.2SPSS单样本变量值随机性检验10.3 SPSS单样本K-S检验10.4两独立样本非参数检验10.5多独立样本非参数检验10.6两配对样本非参数检验10.7多配对样本非参数检验10.8第1页/共151页 前面已经讨论的许多统计分析方法对总体有特殊的要求，如T检验要求总体符合正态分布，F检验要求误差呈正态分布且各组方差整齐，等等。这些方法常用来估计或检验总体参数，统称为参数检验。第2页/共151页 但许多调查或实验所得的科研数据，其总体分布未知或无法确定。因为有的数据不是来自所假定分布的总体，或者数据根本不是来自一个总体，还有可能数据因为某种原因被严重污染，这样在假定分布的情况下进行推断的做法就有可能产生错误的结论。此时人们希望检验对一个总体分布形状不必作限制。第3页/共151页 这种不是针对总体参数，而是针对总体的某些一般性假设（如总体分布）的统计分析方法称非参数检验（Nonparametric Tests）。非参数检验根据样本数目以及样本之间的关系可以分为单样本非参数检验、两独立样本非参数检验、多独立样本非参数检验、两配对样本非参数检验和多配对样本非参数检验几种。第4页/共151页 本章将介绍总体分布的卡方（Chi-square）检验、二项分布（Binomial）检验、单样本K-S（Kolmogorov-Smirnov）检验、单样本变量值随机性检验（Runs Test）、两独立样本非参数检验、多独立样本非参数检验、两配对样本非参数检验、多配对样本非参数检验等8类常用的非参数检验方法。其中前4种属于单样本非参数检验。第5页/共151页10.1 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2检验）就是一种比较好的方法。第6页/共151页 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。第7页/共151页第8页/共151页第9页/共151页第10页/共151页第11页/共151页 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。第12页/共151页 研究问题 某地一周内各日患忧郁症的人数分布如表10-1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。第13页/共151页表表10-110-1学生的数学成绩学生的数学成绩周周 日日患患 者者 数数131238370480529624731第14页/共151页 实现步骤图图10-1 10-1 在菜单中选择在菜单中选择“Weight Cases”Weight Cases”命令命令第15页/共151页图图10-2 “Weight Cases”10-2 “Weight Cases”对话框对话框第16页/共151页图图10-3 10-3 在菜单中选择在菜单中选择“Chi-Square”Chi-Square”命令命令第17页/共151页图图10-4 “Chi-Square Test”10-4 “Chi-Square Test”对话框对话框第18页/共151页图图10-5 “Chi-Square Test10-5 “Chi-Square Test：Options”Options”对话框对话框第19页/共151页 （1）本例输出结果中有两个表格，其中第一个表格如下。第20页/共151页（2）输出的结果文件中第二个表格如下。第21页/共151页10.2 二项分布检验统计学上的定义和计算公式 现实生活中有很多数据的取值只有两类，如医学中的生与死、患病的有与无、性别中的男性和女性、产品的合格与不合格等。从这种二分类总体中抽取的所有可能结果，要么是对立分类中的这一类，要么是另一类，其频数分布称为二项分布。调用SPSS中的二项分布检验（Binomial）可对样本资料进行二项分布分析。第22页/共151页 SPSS二项分布检验就是根据收集到的样本数据，推断总体分布是否服从某个指定的二项分布。其零假设是H0：样本来自的总体与所指定的某个二项分布不存在显著的差异。第23页/共151页 SPSS中的二项分布检验，在样本小于或等于30时，按照计算二项分布概率的公式进行计算；样本数大于30时，计算的是Z统计量，认为在零假设下，Z统计量服从正态分布。Z统计量的计算公式如下第24页/共151页 SPSS将自动计算Z统计量，并给出相应的相伴概率值。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指定的二项分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为样本来自的总体分布形态与指定的二项分布不存在显著差异。第25页/共151页SPSS二项分布检验的数据是实际收集到的样本数据，而非频数数据。第26页/共151页 研究问题某地某一时期内出生35名婴儿，其中女性19名（定Sex=0），男性16名（定Sex=1）。问这个地方出生婴儿的性别比例与通常的男女性比例（总体概率约为0.5）是否不同？数据如表10-2所示。第27页/共151页表表10-210-23535名婴儿的性别名婴儿的性别婴婴 儿儿Sex婴婴 儿儿Sex婴婴 儿儿Sex111312512014126131151270411612805117029061180300701903118020032090210330100220340111231350121241第28页/共151页 实现步骤图图10-6 10-6 在菜单中选择在菜单中选择“Binomial Test”Binomial Test”命令命令第29页/共151页图图10-7 “Binomial Test”10-7 “Binomial Test”对话框对话框第30页/共151页图图10-8 “Binomial Test10-8 “Binomial Test：Options”Options”对话框对话框第31页/共151页第32页/共151页10.3 SPSS单样本变量值随机性检验统计学上的定义和计算公式 定义：单样本变量值的随机性检验是对某变量的取值出现是否随机进行检验，也称为游程检验（Run过程）。第33页/共151页 单样本变量值的随机性检验是由Wald提出的，它的零假设为H0：总体某变量的变量值出现是随机的。单样本变量值的随机性检验通过游程（Run）数来实现。所谓游程是样本序列中连续出现的变量值的次数。第34页/共151页 在SPSS单样本变量值的随机性检验中，SPSS将利用游程构造Z统计量，并依据正态分布表给出对应的相伴概率值。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，认为样本值的出现不是随机的；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为变量值的出现是随机的。第35页/共151页 研究问题 某村发生一种地方病，其住户沿一条河排列，调查时对发病的住户标记为“1”，对非发病的住户标记为“0”，共35户，其取值如表10-3所示。第36页/共151页表表10-310-33535名住户发病情况名住户发病情况住住 户户发发 病病 情情 况况住住 户户发发 病病 情情 况况住住 户户发发 病病 情情 况况111312512014126131151270411612815117029061180300701913118020132090210330100220340111231350121241第37页/共151页 实现步骤图图10-9 10-9 在菜单中选择在菜单中选择“Runs”Runs”命令命令第38页/共151页图图10-10 “Runs Test”10-10 “Runs Test”对话框对话框第39页/共151页图图10-11 “Runs Test10-11 “Runs Test：Options”Options”对话框对话框第40页/共151页第41页/共151页统计学上的定义和计算公式10.4 SPSS单样本K-S检验 定义：单样本K-S检验是以两位前苏联数学家Kolmogorov和Smirnov命名的，也是一种拟合优度的非参数检验方法。单样本K-S检验是利用样本数据推断总体是否服从某一理论分布的方法，适用于探索连续型随机变量的分布形态。第42页/共151页 单样本K-S检验可以将一个变量的实际频数分布与正态分布（Normal）、均匀分布（Uniform）、泊松分布（Poisson）、指数（Exponential）分布进行比较。其零假设H0为样本来自的总体与指定的理论分布无显著差异。第43页/共151页SPSS实现K-S检验的过程如下：（1）根据样本数据和用户的指定构造出理论分布，查分布表得到相应的理论累计概率分布函数；第44页/共151页第45页/共151页 SPSS在统计中将计算K-S的Z统计量，并依据K-S分布表（小样本）或正态分布表（大样本）给出对应的相伴概率值。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与指定的分布有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为样本来自的总体与指定的分布无显著差异。第46页/共151页 研究问题 某地144个周岁儿童身高数据如表10-4所示，问该地区周岁儿童身高频数是否呈正态分布？第47页/共151页表表10-410-4儿童身高数据儿童身高数据身身 高高 区区 间间人人 数数642684697701671207225732474227616782796831第48页/共151页 实现步骤图图10-12 10-12 在菜单中选择在菜单中选择“1-Sample K-S”1-Sample K-S”命令命令第49页/共151页图图10-13 “One-Sample Kolmogorov-Smirnov Test”10-13 “One-Sample Kolmogorov-Smirnov Test”对话框对话框第50页/共151页图图10-14 “One-Sample K-S10-14 “One-Sample K-S：Options”Options”对话框对话框第51页/共151页（1）本例输出结果如下表所示。第52页/共151页10.5 两独立样本非参数检验 定义：两独立样本的非参数检验是在对总体分布不很了解的情况下，通过分析样本数据，推断样本来自的两个独立总体分布是否存在显著差异。一般用来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。第53页/共151页两个样本是否独立，主要看在一个总体中抽取样本对另外一个总体中抽取样本有无影响。如果没有影响，则可以认为两个总体是独立的。SPSS提供了4种两独立样本的非参数检验方法。第54页/共151页1两独立样本的Mann-Whitney U检验两独立样本的Mann-Whitney U检验的零假设H0为样本来自的两独立总体均值没有显著差异。第55页/共151页两独立样本的Mann-Whitney U检验主要通过对平均秩的研究来实现推断。秩简单地说就是名次。如果将数据按照升序进行排序，这时每一个具体数据都会有一个在整个数据中的位置或名次，这就是该数据的秩，数据有多少个，秩便有多少个。第56页/共151页2两独立样本的K-S检验两独立样本的K-S检验能够对两独立样本的总体分布情况进行比较。其零假设是H0为样本来自的两独立总体分布没有显著差异。第57页/共151页两独立样本的K-S检验实现方法是：首先将两组样本数据（X1，X2，Xm）和（Y1，Y2，Yn）混合并按升序排列（m和n是两组样本的样本容量），分别计算两组样本秩的累计频率和每个点上的累计频率；最后将两个累计频率相减，得到差值序列数据。第58页/共151页两独立样本的K-S检验将关注差值序列。SPSS将自动计算K-S Z统计量，并依据正态分布表给出对应的相伴概率值。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，认为两个样本来自的总体分布有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为两个样本来自的总体分布无显著差异。第59页/共151页3两独立样本的游程检验（Wald-Wolfwitz Runs）两独立样本的游程检验用来检验样本来自的两独立总体的分布是否存在显著差异。其零假设是H0为样本来自的两独立总体分布没有显著差异。第60页/共151页 样本的游程检验中，计算游程的方法与观察值的秩有关。首先，将两组样本混合并按照升序排列。在数据排序时，两组样本的每个观察值对应的样本组标志值序列也随之重新排列，然后对标志值序列按照前面10.3节的方法求游程。第61页/共151页 如果计算出的游程数相对比较小，则说明样本来自的两总体的分布形态存在较大差距；如果得到的游程数相对比较大，则说明样本来自的两总体的分布形态不存在显著差距。第62页/共151页 SPSS将自动计算游程数得到Z统计量，并依据正态分布表给出对应的相伴概率值。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，认为两个样本来自的总体分布有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为两个样本来自的总体分布无显著差异。第63页/共151页4两独立样本的极端反应检验（Moses Extreme Reactions）两独立样本的极端反应检验用来检验样本来自的两独立总体的分布是否存在显著差异。其零假设H0为样本来自的两独立总体分布没有显著差异。第64页/共151页 两独立样本的极端反应检验将一个样本作为控制样本，另外一个样本作为实验样本。以控制样本作对照，检验实验样本是否存在极端反应。首先将两组样本混合并按升序排列；然后找出控制样本最低秩和最高秩之间所包含的观察值个数，即跨度（Span）。为控制极端值对分析结果的影响，也可以先去掉样本两个最极端的观察值后再求跨度，这个跨度称为截头跨度。第65页/共151页 两独立样本的极端检验计算跨度和截头跨度。如果跨度或截头跨度很小，则表明两个样本数据无法充分混合，可以认为实验样本存在极端反应。第66页/共151页 SPSS自动计算跨度和截头跨度，依据分布表给出对应的相伴概率值。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，认为两个样本来自的总体分布有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，认为两个样本来自的总体分布无显著差异。第67页/共151页 研究问题 研究两个不同厂家生产的灯泡使用寿命是否存在显著差异。随机抽取两个厂家生成的灯泡若干，实验得到使用寿命，数据如表10-5所示。第68页/共151页表表10-510-5两个厂家生产的灯泡使用寿命数据两个厂家生产的灯泡使用寿命数据灯泡寿命（灯泡寿命（h）厂厂 家家 编编 号号67516821691167016501693165016492680263026502646265126202第69页/共151页 实现步骤图图10-15 10-15 在菜单中选择在菜单中选择“2 Independent Samples”2 Independent Samples”命令命令第70页/共151页图图10-16 “Two-Independent-Samples-Test”10-16 “Two-Independent-Samples-Test”对话框对话框第71页/共151页 图图10-17 “Two Independent Samples10-17 “Two Independent Samples：Define Groups”Define Groups”对话框对话框 第72页/共151页图图10-18 “Two-Independent-Samples10-18 “Two-Independent-Samples：Options”Options”对话框对话框第73页/共151页 （1）两独立样本Mann-Whitney U检验结果如下面两表所示。第74页/共151页第75页/共151页 （2）两独立样本K-S检验输出结果如下两表所示。第76页/共151页 （3）两独立样本极端反应检验输出结果如下两表所示。第77页/共151页 （4）两独立样本游程检验输出结果如下两表所示。第78页/共151页10.6 多独立样本非参数检验 定义：多独立样本非参数检验分析样本数据是推断样本来自的多个独立总体分布是否存在显著差异。SPSS多独立样本非参数检验一般推断多个独立总体的均值或中位数是否存在显著差异。第79页/共151页 多个样本之间是否独立，需要看在一个总体中抽取样本对其他总体中抽取样本是否有影响。如果没有影响，则认为这些总体之间是独立的。第80页/共151页 例如，随机抽取3个班级之间学生的学生成绩，分析3个班级总体的成绩是否存在显著的差异。由于对各个班级都是随机抽取样本，抽样没有相互影响，可以认为这三个班级学生成绩是独立的。SPSS中有3种多独立样本非参数检验方法。第81页/共151页1多独立样本的中位数检验（Median）多独立样本的中位数检验通过对多组数据的分析推断多个独立总体分布是否存在显著差异。多独立样本的中位数检验的零假设H0为：样本来自的多个独立总体的中位数无显著差异。第82页/共151页2多独立样本的K-W检验 多独立样本的K-W检验是Kruskal-Waillis检验的缩写，是一种推广的平均秩检验。其零假设为：样本来自的多个独立总体的分布无显著差异。第83页/共151页 多独立样本的K-W检验的基本方法是：首先将多组样本数混合按升序排列，并求出每个观察值的秩，然后对多组样本的秩分别求平均值。第84页/共151页 如果各组样本的平均秩大致相等，则可以认为多个独立总体的分布没有显著差异。如果各样本的平均秩相差很大，则不能认为多个独立总体的分布无显著差异。第85页/共151页3多独立样本的Jonkheere-Terpstra检验 多独立样本的Jonkheere-Terpstra检验用于分析样本来自的多个独立总体分布是否存在显著差异。其零假设是：样本来自的多个独立总体的分布无显著差异。第86页/共151页 多独立样本的Jonkheere-Terpstra检验的基本方法和两独立样本的Mann-Whitney U检验比较类似，也是计算一组样本的观察值小于其他组样本观察值的个数。第87页/共151页 研究问题 随机抽取3个班级的学生，得到21个学生成绩样本，如表10-7所示，问3个班级学生总体成绩是否存在显著差异？第88页/共151页表表10-710-73 3个班级学生成绩个班级学生成绩学学 生生 成成 绩绩所所 属属 班班 级级学学 生生 成成 绩绩所所 属属 班班 级级60.00190.00270.00196.00271.00170.00280.00185.00375.00192.00365.00197.00390.00196.00380.00288.00385.00289.00381.00280.00383.002第89页/共151页 实现步骤图图10-19 10-19 在菜单中选择在菜单中选择“K Independent Samples”K Independent Samples”命令命令 第90页/共151页图图10-20 “Tests for Several Independent Samples”10-20 “Tests for Several Independent Samples”对话框对话框第91页/共151页图图10-21 “Several Independent Samples10-21 “Several Independent Samples：Define Range”Define Range”对话框对话框第92页/共151页 图图10-22 “Two-Independent-Samples10-22 “Two-Independent-Samples：Options”Options”对话框对话框第93页/共151页（1）多独立样本K-W检验结果如下两表所示。第94页/共151页 （2）多独立样本中位数检验结果如下两表所示。第95页/共151页10.7 两配对样本非参数检验 定义：两配对样本（2 Related Samples）非参数检验是在对总体分布不很清楚的情况下，对样本来自的两相关配对总体分别进行检验。第96页/共151页 两配对样本非参数检验一般用于同一研究对象（或两配对对象）分别给予两种不同处理的效果比较，以及同一研究对象（或两配对对象）处理前后的效果比较。前者推断两种效果有无差别，后者推断某种处理是否有效。第97页/共151页 两配对样本非参数检验的前提要求两个样本应是配对的。在应用领域中，主要的配对资料包括：具有年龄、性别、体重、病况等非处理因素相同或相似者。首先两个样本的观察数目相同，其次两样本的观察值顺序不能随意改变。第98页/共151页 SPSS中有以下3种两配对样本非参数检验方法。第99页/共151页1两配对样本的McNemar变化显著性检验 McNemar变化显著性检验以研究对象自身为对照，检验其两组样本变化是否显著。其零假设为：样本来自的两配对总体分布无显著差异。McNemar变化显著性检验要求待检验的两组样本的观察值是二值数据，在实际分析中有一定的局限性。第100页/共151页 McNemar变化显著性检验基本方法采用二项分布检验。它通过对两组样本前后变化的频率，计算二项分布的概率值。第101页/共151页2两配对样本的符号（Sign）检验 当两配对样本的观察值不是二值数据时，无法利用前面一种检验方法，这时可以采用两配对样本的符号（Sign）检验方法。其零假设为：样本来自的两配对样本总体的分布无显著差异。第102页/共151页 两配对样本的符号检验利用正、负符号的个数多少来进行检验。首先，将第二组样本的各个观察值减去第一组样本对应的观察值，如果得到差值是一个正数，则记为正号；差值为负数，则记为负号。然后计算正号的个数和负号的个数。第103页/共151页 通过比较正号的个数和负号的个数，可以判断两组样本的分布。例如，正号的个数和负号的个数大致相当，则可以认为两配对样本数据分布差距较小；正号的个数和负号的个数相差较多，可以分为两配对样本数据分布差距较大。第104页/共151页 SPSS将自动对差值正负符合序列作单样本二项分布检验，计算出实际的概率值。如果得到的概率值小于或等于用户的显著性水平，则应拒绝零假设H0，认为两配对样本来自的总体分布有显著差异；如果概率值大于显著性水平，则不能拒绝零假设H0，认为两配对样本来自的总体分布无显著差异。第105页/共151页3两配对样本的Wilcoxon符号平均秩检验 两配对样本的符号检验考虑了总体数据变化的性质，但没有考虑两组样本变化的程度。两配对样本的Wilcoxon符号平均秩检验考虑了这方面的因素。其零假设为：样本来自的两配对样本总体的分布无显著差异。第106页/共151页 两配对样本的Wilcoxon符号平均秩检验首先按照符号检验的方法，将第二组样本的各个观察值减去第一组样本对应的观察值，如果得到差值是一个正数，则记为正号；差值为负数，则记为负号。同时保存差值的绝对值数据。然后将绝对差值数据按升序排序，并求出相应的秩，最后分别计算正号秩总合W+、负号秩总合W以及正号平均秩和负号平均秩。第107页/共151页 如果正号平均秩和负号平均秩大致相当，则可以认为两配对样本数据正负变化程度基本相当，分布差距较小。第108页/共151页 两配对样本的Wilcoxon符号平均秩检验按照下面的公式计算Z统计量，它近似服从正态分布第109页/共151页 研究问题 分析10个学生接受某种方法进行训练的效果，收集到这些学生在训练前、后的成绩，如表10-9所示。表格的每一行表示一个学生的4个成绩。其中第一列表示，训练前的成绩是否合格，0表示不合格，1表示合格；第二列表示训练后的成绩是否合格，0表示不合格，1表示合格；第三列表示训练前学生的具体成绩；第四列表示训练后学生的具体成绩。问训练前后学生的成绩是否存在显著差异？第110页/共151页表表10-910-9训练前后的成绩训练前后的成绩训练前训练前训练后训练后训练前成绩训练前成绩训练后成绩训练后成绩0158.0070.001170.0071.000145.0065.000156.0068.000045.0050.000050.0055.001161.0075.001170.0070.000155.0065.001160.0070.00第111页/共151页 实现步骤图图10-23 10-23 在菜单中选择在菜单中选择“2 Related Samples”2 Related Samples”命令命令第112页/共151页图图10-24 “Two-Related-Samples Tests”10-24 “Two-Related-Samples Tests”对话框对话框第113页/共151页图图10-25 10-25 选择两个变量配对选择两个变量配对第114页/共151页图图10-26 “Two-Related-Samples10-26 “Two-Related-Samples：Options”Options”对话框对话框第115页/共151页图图10-27 10-27 选择两个变量配对选择两个变量配对第116页/共151页（1）描述性统计部分结果如下表所示。第117页/共151页（2）Wilcoxon检验结果如下两表所示。第118页/共151页（3）符号检验结果如下两表所示。第119页/共151页（4）McNemar检验结果如下两表所示。第120页/共151页10.8 多配对样本非参数检验 定义：多配对样本非参数检验是对多个匹配样本的总体分布是否存在显著性差异进行统计分析。SPSS中有以下3种多配对样本非参数检验方法。第121页/共151页1多配对样本的Friendman检验 多配对样本的Friendman检验是利用秩实现多个配对总体分布检验的一种方法，多配对样本的Friendman检验要求数据是定距的。其零假设为：样本来自的多个配对总体的分布无显著差异。第122页/共151页 多配对样本的Friendman检验的实现原理是：首先以样本为单位，将各个样本数据按照升序排列，求得各个样本数据在各自行中的秩，然后计算各样本的秩总和及平均秩。第123页/共151页 如果多个配对样本的分布存在显著的差异，那么数值普遍偏大的组秩和必然偏大，数值普遍偏小的组，秩和也必然偏小，各组的秩之间就会存在显著差异。如果各样本的平均秩大致相当，那么可以认为各组的总体分布 没有显著差异。第124页/共151页2多配对样本的Kendall协同系数检验 多配对样本的Kendall协同系数检验和Friedman检验非常类似，也是一种多配对样本的非参数检验，但分析的角度不同。多配对样本的Kendall协同系数检验主要用在分析评判者的判别标准是否一致公平方面。它将每个评判对象的分数都看作是来自多个配对总体的样本。一个评判对象对不同被判定对象的分数构成一个样本，其零假设为：样本来自的多个配对总体的分布无显著差异，即评判者的评判标准不一致。第125页/共151页 Kendall协同系数检验中会计算Friedman检验方法，得到friedman统计量和相伴概率。如果相伴概率小于显著性水平，可以认为这10个节目之间没有显著差异，那么可以认为这5个评委判定标准不一致，也就是判定结果不一致。第126页/共151页3多配对样本的Cochran Q检验 多配对样本的Cochran Q检验也是对多个互相匹配样本总体分布是否存在显著性差异的统计检验。不同的是多配对样本的Cochran Q检验所能处理的数据是二值的（0和1）。其零假设是：样本来自的多配对总体分布无显著差异。第127页/共151页 研究问题1 为了试验某种减肥药的性能，测量10个人在服用该药前以及服用该药一个月后、两个月后、3个月后的体重。问在这4个时期，10个人的体重有无发生显著的变化。数据如表10-10所示。第128页/共151页表表10-1010-104 4个时期的体重（个时期的体重（kgkg）pre_1post_1post_2post_380.0080.0070.0069.0079.0075.0071.0070.0085.0080.0075.0075.0080.0075.0068.0070.0075.0075.0074.0070.0074.0074.0070.0069.0065.0065.0063.0061.0070.0070.0070.0070.0080.0070.0065.0065.0075.0072.0070.0060.0080.0080.0070.0069.00第129页/共151页 实现步骤图图10-28 10-28 在菜单中选择在菜单中选择“K Related Samples”K Related Samples”命令命令第130页/共151页图图10-29 “Tests for Serveral Related Samples”10-29 “Tests for Serveral Related Samples”对话框（一）对话框（一）第131页/共151页图图10-30 “Several Related Samples10-30 “Several Related Samples：Statistics”Statistics”对话框（一）对话框（一）第132页/共151页 研究问题2 某文艺晚会中有5个节目，共有5个评委参与打分。问这5个评委的判断标准是否一致。数据如表10-11所示。第133页/共151页表表10-1110-115 5个评委的打分表个评委的打分表节 目 1节 目 2节 目 3节 目 4节 目 5评委18.758.258.809.008.50评委210.009.509.508.909.50评委39.609.109.108.509.60评委49.208.508.909.109.40评委59.659.209.109.108.90第134页/共151页 实现步骤图图10-31 “Tests for Serveral Related Samples”10-31 “Tests for Serveral Related Samples”对话框（二）对话框（二）第135页/共151页图图10-32 “Several Related Samples10-32 “Several Related Samples：Statistics”Statistics”对话框（二）对话框（二）第136页/共151页 研究问题3 消费者协会调查了顾客对3种品牌的电视机的满意程度，共有10个顾客参与了满意度调查。数据如表10-12所示。第137页/共151页表表10-1210-12顾客的满意度表格顾客的满意度表格品品 牌牌 1品品 牌牌 2品品 牌牌 3顾客顾客1满意满意不满意不满意不满意不满意顾客顾客2满意满意满意满意满意满意顾客顾客3不满意不满意不满意不满意不满意不满意顾客顾客4满意满意满意满意满意满意顾客顾客5满意满意满意满意不满意不满意顾客顾客6满意满意满意满意不满意不满意顾客顾客7满意满意不满意不满意满意满意顾客顾客8满意满意满意满意满意满意顾客顾客9满意满意满意满意不满意不满意顾客顾客10满意满意不满意不满意满意满意第138页/共151页 实现步骤图图10-33 “Tests for Serveral Related Samples”10-33 “Tests for Serveral Related Samples”对话框（三）对话框（三）第139页/共151页（1）多配对样本的Friendman检验第140页/共151页第141页/共151页第142页/共151页 （2）多配对样本的Kendall协同系数检验，描述性统计部分结果表格如下。第143页/共151页第144页/共151页第145页/共151页 （3）多配对样本的Cochran Q检验结果如下两表所示。第146页/共151页第147页/共151页小 结 非参数检验主要用于那些总体分布不能用有限个实参数来刻画，或者不考虑被研究的对象为何种分布以及是否已知的情况。这种方法进行的并不是参数间的比较，而是分布位置、分布形状之间的比较，研究目标总体与理论总体分布是否相同，或者各样本所在总体的分布位置是否相同等。第148页/共151页小 结 非参数检验根据样本数目以及样本之间的关系可以分为：单样本非参数检验、两独立样本非参数检验、多独立样本非参数检验、两配对样本非参数检验、多配对样本非参数检验等。第149页/共151页小 结 SPSS中“Analyze”/“Nonparametric Tests”菜单主要用于非参数检验。其中，单样本非参数检验由“1Sample K-S”子菜单来执行；两独立样本非参数检验由“2 Independent Samples”子菜单执行；多独立样本非参数检验由“K Independent Samples”子菜单执行；两配对样本非参数检验由“2 Related Samples”子菜单执行；多配对样本非参数检验由“K Related Samples”子菜单执行。第150页/共151页感谢您的观看。第151页/共151页