SPSS17.0在生物统计学中的应用-实验八-非参数检验-.doc

《SPSS17.0在生物统计学中的应用-实验八-非参数检验-.doc》由会员分享，可在线阅读，更多相关《SPSS17.0在生物统计学中的应用-实验八-非参数检验-.doc（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、SPSS在生物统计学中的应用实验指导手册SPSS在生物统计学中的应用实验指导手册实验八：非参数检验一、两个相关样本的差异显著性检验配对设计资料的非参数检验配对设计资料的非参数检验在SPSS主菜单Analyze / Nonparametric Tests / 2 Related Samples 中得到。【课本例14-1】 用甲乙两种方法检测20个奶样的脂肪含量（%），其数据如下，问两种方法的检测结果有无显著差异？（序 号1234567891011121314151617181920甲方法4.343.783.803.933.943.834.564.404.423.993.863.744.634.0

2、43.623.563.914.493.533.67乙方法4.393.823.794.043.963.984.444.424.384.123.763.744.584.273.843.633.954.483.563.87差值符号-+-+-+-+0+-+-将表格中数据在excel表格中编制成spss数据文件格式后保存为“两个相关样本的差异显著性检验配对设计资料的非参数检验”,再用spss程序打开。按照SPSS主菜单Analyze / Nonparametric Tests / 2 Related Samples 路径，点击打开“两个关联样本检验”对话框，按照下列图示中红框中的内容进行选择，其它设置保

3、持默认，点击【确定】按钮，在输出窗口看结果。Wilcoxon 带符号秩检验秩N秩均值秩和乙方法 - 甲方法负秩6a7.5845.50正秩13b11.12144.50结1c总数20a. 乙方法 甲方法c. 乙方法 = 甲方法检验统计量b乙方法 - 甲方法Z-1.993a渐近显著性(双侧).046a. 基于负秩。b. Wilcoxon 带符号秩检验符号检验频率N乙方法 - 甲方法负差分a6正差分b13结c1总数20a. 乙方法 甲方法c. 乙方法 = 甲方法检验统计量b乙方法 - 甲方法精确显著性（双侧）.167aa. 已使用的二项式分布。b. 符号检验本节中的检验比较两个相关变量的分布。要使用的

4、适当检验取决于数据类型。l 如果数据是连续的，可使用符号检验或 Wilcoxon 符号秩检验。符号检验计算所有个案的两个变量之间的差，并将差分类为正、负或平。如果两个变量分布相似，则正差和负差的数目不会有很大的差别。Wilcoxon 符号秩检验考虑关于各对之间的差的符号和差的幅度的信息。由于 Wilcoxon 符号秩检验纳入了有关数据的更多信息，因此它比符号检验更为强大。l 如果数据为二值数据，则使用 McNemar 检验。此检验通常用于重复度量情况，在此情况中，每个主体的反应将被引出两次，一次在指定事件发生之前，一次在之后。McNemar 检验确定初始响应率（事件前）是否等于最终响应率（事件

5、后）。此检验对于在前后对比设计中检测由实验干预引起的响应变化很有用。如果数据为分类数据，则使用边际齐性检验。此检验是 McNemar 检验从二值响应到多项式响应的扩展。它检验响应中的变化（使用卡方分布），对于在前后对比设计中检测因实验干预所导致的响应变化很有用。只有安装了 Exact Tests 后，才可用边际齐性检验。二、两个独立样本的差异显著性检验成组设计资料的非参数检验成组设计资料的非参数检验在SPSS主菜单Analyze / Nonparametric Tests / 2 Independent Samples中得到。【课本例14-2 】 现有两组饲料喂猪的料重比数据如下，试用非参数检

6、验法检验这两种饲料的料重比有无显著差异。饲料A3.082.733.032.952.213.032.863.132.592.89饲料B3.433.043.373.292.463.373.192.893.49选择菜单“ 【分析】【非参数检验】【2个独立样本（2）】”，弹出“两个独立样本检验”对话框，将变量“饲料”、“料重比”按图中所示分别放入分组变量栏和检验变量栏中，点击【定义组（D）】按钮，在弹出的对话框中定义饲料变量的分组名称“1”、“2” ，点击【继续】继续返回“两个独立样本检验”对话框，其余设置保持默认，点击【确定】后，在输出窗口查看统计分析结果。检验类型有四种检验可用于检验两个独立样本（

7、组）是否来自同一个总体。Mann-Whitney U 检验（曼惠特尼U检验 ; 秩和检验）是最常用的两个独立样本检验。它等同于对两个组进行的Wilcoxon 秩和检验和 Kruskal-Wallis 检验。Mann-Whitney 检验被抽样的两个总体处于等同的位置。对来自两个组的观察值进行组合和排秩，在同数的情况下分配平均秩。同数的数目相对于观察值总数要小一些。如果两个总体的位置相同，则在两个样本之间随机混合秩。该检验计算组 1 分数领先于组 2 分数的次数，以及组 2 分数领先于组 1 分数的次数。Mann-Whitney U 统计量是这两个数字中较小的一个。同时显示的 Wilcoxon

8、秩和 W 统计量是两个秩和中较小的那个。如果两个样本的观察值数相同，则 W 为“两个独立样本: 定义组”对话框中首先命名的组的秩和。Kolmogorov-Smirnov Z 检验和 Wald-Wolfowitz 游程检验是检测分布对于位置和形状的差异所更为通用的检验。Kolmogorov-Smirnov 检验是以两个样本的观察累积分布函数之间的最大绝对差为基础的。当这个差很大时，就将这两个分布视为不同的分布。Wald-Wolfowitz 游程检验对来自两个组的观察值进行组合和排秩。如果两个样本来自同一总体，则两个组应随机散布在整个秩次中。Moses 极端反应检验假定实验变量在一个方向影响某些主

9、体，而在相反方向影响其他主体。它检验与控制组相比的极端响应。当与控制组结合时，此检验主要检查控制组的跨度，是对实验组中的极值对该跨度的影响程度的测量。控制组由“两个独立样本: 定义组”对话框中的组 1 值定义。来自两个组的观察值都进行了组合和排秩。控制组的跨度通过控制组的最大值和最小值的秩差加上 1 来计算。因为意外的离群值可能轻易使跨度范围变形，所以将自动从各端修剪 5% 的控制个案。其中，Mann-Whitney检验允许两组样本的个数不一致，它既适用于大样本情形，也适用于小样本情形(n30)，只需要根据不同情形选取不同的统计量和概率。因此，本文采用Mann。需注意的是：样本量太小的话效度会

10、很低。比如，如果总的数据只有7个或者更少的话，p值总是大于5%的。Mann-Whitney 检验结果.秩饲料N秩均值秩和料重比饲料A107.1571.50饲料B913.17118.50总数19检验统计量b料重比Mann-Whitney U16.500Wilcoxon W71.500Z-2.330渐近显著性(双侧).020精确显著性2*（单侧显著性）.017aa. 没有对结进行修正。b. 分组变量: 饲料似乎Wilcoxon W71.500即是我们课本中所学的非配对试验资料的秩和检验的统计量了，但按照选择原则，应该选择较小样本容量的秩和作为统计量取值，即应该选择118.50，产生了矛盾，暂时无语

11、。查课本附表13“非配对资料秩和检验表”可知0.05显著性水平的接受域为“69-111”， 71.5应该在接受域内，抽样概率应该大于0.05；118.50才在否定域，才与课本一致。与t检验结果进行比较：组统计量饲料N均值标准差均值的标准误料重比饲料A102.8500.27877.08815饲料B93.1700.32867.10956独立样本检验方差方程的 Levene 检验均值方程的 t 检验FSig.tdfSig.(双侧)均值差值标准误差值料重比假设方差相等.275.607-2.29617.035-.32000.13935假设方差不相等-2.27615.818.037-.32000.1406

12、2曼惠特尼U-秩和检验原理介绍什么是曼-惠特尼U检验 曼-惠特尼U检验又称“曼-惠特尼秩和检验”，是由H.B.Mann和D.R.Whitney于1947年提出的。它假设两个样本分别来自除了总体均值以外完全相同的两个总体，目的是检验这两个总体的均值是否有显著的差别。 曼-惠特尼秩和检验可以看作是对两均值之差的参数检验方式的T检验或相应的大样本正态检验的代用品。由于曼-惠特尼秩和检验明确地考虑了每一个样本中各测定值所排的秩，它比符号检验法使用了更多的信息。 该方法的具体步骤如下： 第一步：将两组数据混合，并按照大小顺序编排等级。最小的数据等级为1，第二小的数据等级为2，以此类推（若有数据相等的情形

13、，则取这几个数据排序的平均值作为其等级）。 第二步：分别求出两个样本的等级和W1、W2。 第三步：计算曼-惠特尼U检验统计量，n1为第一个样本的量，n2为第二个样本的量： 选择U1和U2中最小者与临界值U比较，当U 中值4220= 中值1335检验统计量b脱水效果N20中值1.600卡方6.667adf3渐近显著性.083a. 8 个单元 (100.0%) 具有小于 5 的期望频率。单元最小期望频率为 2.0。b. 分组变量: 检测方法与方差分析进行比较ANOVA脱水效果平方和df均方F显著性组间1.1703.3903.120.055组内2.00016.125总数3.17019脱水效果Stud

14、ent-Newman-Keulsa检测方法Nalpha = 0.05 的子集1方法四51.26方法三51.64方法一51.82方法二51.88显著性0.059将显示同类子集中的组均值。a. 将使用调和均值样本大小 = 5.000。三、多个相关样本的差异显著性非参数检验随机区组设计资料的非参数检验多个相关样本的差异显著性非参数检验在SPSS主菜单Analyze / Nonparametric Tests / K-related Samples中得到。【增例】 受试者6人，每人穿4种不同的防护服时的脉搏数如表，问4种防护服对脉搏的影响有无显著差别？ 穿4种防护服时的脉搏数（次/分）编号防护服A防护

15、服B防护服C防护服D脉搏秩号脉搏秩号脉搏秩号脉搏秩号1144.441433133.41142.822116.22119.241183110.813105.81114.83113.22115.84498112031042132.845103.82110.64109.83100.616121.44107.31115.62119.23秩和14181315将表格中数据在excel表格中编制成spss数据文件格式后保存为“多个相关样本的差异显著性非参数检验随机区组设计资料的非参数检验数据”,再用spss程序打开。按照SPSS主菜单Analyze / Nonparametric Tests / K-rel

16、ated Samples路径，点击打开“多个关联样本检验”对话框，按照下列图示中红框中的内容进行选择，其它设置保持默认，点击【确定】按钮，在输出窗口看结果。Friedman 检验秩秩均值防护服A2.33防护服B3.00防护服C2.17防护服D2.50检验统计量aN6卡方1.400df3渐近显著性.706a. Friedman 检验与方差分析进行比较ANOVA脉搏平方和df均方F显著性组间124.185341.395.214.885组内3866.63520193.332总数3990.82023脉搏Student-Newman-Keulsa防护服Nalpha = 0.05 的子集1防护服A6114

17、.933防护服C6115.667防护服B6119.150防护服D6120.333显著性.906将显示同类子集中的组均值。a. 将使用调和均值样本大小 = 6.000。五、两样本等级资料的差异显著性非参数检验 在SPSS主菜单Analyze / Nonparametric Tests / 2-Independent Samples，即利用2个独立样本的检验，但因为本例中是分类数据，操作上有所不同。【增例】 某防疫站为了解不同季节居民体内核黄素营养状况，于某年夏、冬季分别对成年居民口服5mg核黄素后收集4小时的负荷尿，测定核黄素含量，试比较两个季度间有无差别？ 某地居民体内核黄素营养状况调查结果核

18、黄素*营养状况（1）人数秩次范围(5)平均秩次(6)秩和夏季(2)冬季(3)合计(4)夏季(7)=(2)(6)冬季(8)=(3)(6)缺乏 51116 1-16 8.5 42.5 93.5不足 7 91617-3224.5171.5220.5适宜 8 21033-4237.5300.0 75.0合计202242514.0389.0将表格中数据在excel表格中编制成spss数据文件格式后保存为“两样本等级资料的差异显著性非参数检验数据”,再用spss程序打开。按照SPSS主菜单Analyze / Nonparametric Tests / K-related Samples路径，点击打开“多个

19、关联样本检验”对话框，点击SPSS主菜单“数据/加权个案”命令，打开“加权个案”对话框， 按照图示中红框中的内容进行选择，其它设置保持默认，点击【确定】按钮，选择菜单“ 【分析】【非参数检验】【2个独立样本（2）】”，弹出“两个独立样本检验”对话框，将变量“季节”、“营养状况”按图中所示分别放入分组变量栏和检验变量栏中，点击【定义组（D）】按钮，定义分组变量后，点击【继续】按钮，其它设置保持默认，点击【确定】按钮，在输出窗口看结果。Mann-Whitney 检验秩季节N秩均值秩和营养状况12025.70514.0022217.68389.00总数42检验统计量a营养状况Mann-Whitney U136.000Wilcoxon W389.000Z-2.260渐近显著性(双侧).024a. 分组变量: 季节太原师范学院生物系生物技术专业内部使用参考资料