SPSS的非参数检验教案.pptx

《SPSS的非参数检验教案.pptx》由会员分享，可在线阅读，更多相关《SPSS的非参数检验教案.pptx（113页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、会计学1SPSS的非参数检验的非参数检验 SPSS 中进行非参数检验由【Analyze(分析)】菜单中的【Nonparametric Tests(非参数检验)】菜单项导出。其中包括以下命令。Chi-square test：卡方检验。Binomial test：二项分布检验。Runs test：游程检验。1-Simple K-S test：单样本K-S检验。2 Independent Sample test：两个独立样本非参数检验。K Independent Samples test：多个独立样本非参数检验。2 Related Sample test：两个相关样本非参数检验。K Related

2、Sample test：多个相关样本非参数检验。第1页/共113页6.1 非参数检验概述非参数检验概述n n非参数检验的提出 非参数检验是不依赖总体分布的统计推断方法。它是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数而得名。这类方法的假定前提比参数假设检验方法少得多，也容易满足，适用于计量信息较弱的资料且计算方法也简便易行，所以在实际中有广泛的应用。第2页/共113页非参数检验的特点非参数检验的特点 和参数方法相比，非参数检验方法的优势如下：（1）稳健性。因为对总体分布的约束条件大大放宽，不至于因为对统计中的假设过

3、分理想化而无法切合实际情况，从而对个别偏离较大的数据不至于太敏感。（2）对数据的测量尺度无约束，对数据的要求也不严格，什么数据类型都可以做。（3）适用于小样本、无分布样本、数据污染样本、混杂样本等。第3页/共113页表表表表6-1 6-1 参数检验和非参数检验的效率比较参数检验和非参数检验的效率比较参数检验和非参数检验的效率比较参数检验和非参数检验的效率比较应 用参数检验非参数检验对正态总体的非参数检验的效率评价配对样本数据两个独立样本多个独立样本相关随机性t检验或者z检验t检验或者z检验方差分析(F检验)线性相关无可用的参数检验符号检验Wilcoxon检验Wilcoxon检验K-W检验秩相关

4、检验游程检验0.630.950.950.950.91没有可比较的基础第4页/共113页6.2 SPSS在卡方检验中的应在卡方检验中的应用用1.1.使用目的使用目的 卡方检验（卡方检验（Chi-Squar TestChi-Squar Test）也称为卡方拟合优度检验，是）也称为卡方拟合优度检验，是K.PearsonK.Pearson给出的一种最常用的非参数检验方法。它用于检验观测数据是否与给出的一种最常用的非参数检验方法。它用于检验观测数据是否与某种概率分布的理论数值相符合，进而推断观测数据是否是来自于某种概率分布的理论数值相符合，进而推断观测数据是否是来自于该分布的样本的问题。该分布的样本的问

5、题。2.2.基本原理基本原理 进行卡方检验时，首先提出零假进行卡方检验时，首先提出零假设设 ：样本样本X X来自的总体分布服从期来自的总体分布服从期望分布或某一理论分布。接着，利用实际观测值的频数与理论的期望分布或某一理论分布。接着，利用实际观测值的频数与理论的期望频数之间的差异来构造检验统计量，它描述了观察值和理论值之望频数之间的差异来构造检验统计量，它描述了观察值和理论值之间的偏离程度。间的偏离程度。3.3.软件使用方法软件使用方法 SPSSSPSS会自动计算出会自动计算出 2 2统计量及对应的相伴概率统计量及对应的相伴概率P P值。值。第5页/共113页卡方检验的卡方检验的SPSS操作详

6、解操作详解Step01：打开主菜单 选择菜单栏中的【Analyze(分析)】【Nonparametric Tests(非参数检验)】【Legacy Dialogs(旧对话框)】【Chi-Square(卡方)】命令，弹出【Chi-Square Test(卡方检验)】对话框。第6页/共113页n nStep02：选择检验变量 在【Chi-Square Test(卡方检验)】对话框左侧的候选变量列表框中选择一个或几个变量，将其添加至【Test Variable List(检验变量列表)】列表框中，表示需要进行进行卡方检验的变量。n nStep03：确定检验范围 在【Expected Range(期望

7、全距)】选项组中可以确定检验值的范围，对应有两个单选项。n nStep04：选择期望值 在【Expected Values(期望值)】选项组中可以指定期望值，对应有两个单选项。第7页/共113页n nStep05：选择计算精确概率 单击【Exact】按钮，弹出【Exact Tests(精确检验)】对话框，该对话框用于选择计算概率P值的方法。第8页/共113页Step06：其他选项选择 单击【Options】按钮，弹出【Options(选项)】对话框，该对话框用于指定输出内容和关于缺失值的处理方法.Step07单击【OK】按钮，结束操作，SPSS软件自动输出结果。第9页/共113页实例图文分析：

8、人员结构的调动实例图文分析：人员结构的调动实例图文分析：人员结构的调动实例图文分析：人员结构的调动n n1.1.实例内容实例内容 某公司经营多年，形成了一套成熟的企业文化和管理体系，某公司经营多年，形成了一套成熟的企业文化和管理体系，例如根据多年的运营经验，经理层、监察员、办事员三种职例如根据多年的运营经验，经理层、监察员、办事员三种职务类别人员比例大约在务类别人员比例大约在1515：5 5：8080为宜，这样运行效率最高。为宜，这样运行效率最高。目前公司进行人事调整，公司人员结构发生变动，有员工担目前公司进行人事调整，公司人员结构发生变动，有员工担心是否人事调整已经导致职务类型比例的失调。请

9、利用数据心是否人事调整已经导致职务类型比例的失调。请利用数据文件文件6-1.sav6-1.sav来解决该问题。来解决该问题。三种职务的期望构成比为三种职务的期望构成比为1515、5 5和和8080。而目前样本中而目前样本中观察到的三种职务的人数比为观察到的三种职务的人数比为8484：2727：363363，构成比分别是，构成比分别是17.717.7、5.75.7和和76.676.6，和理论值有差异。那么这种差异是和理论值有差异。那么这种差异是由随机误差造成的，还是真的构成比和以前有所变化？该问由随机误差造成的，还是真的构成比和以前有所变化？该问题就可以用题就可以用22检验来实现。相应的假设检验

10、如下。检验来实现。相应的假设检验如下。H H0 0：目前三个职业的总体构成比仍然是目前三个职业的总体构成比仍然是1515、5 5和和8080。H H1 1：目前三个职业的总体构成比不再是目前三个职业的总体构成比不再是1515、5 5和和8080 。第10页/共113页2.实例操作实例操作n nStep01：打开对话框 打开数据文件6-1.sav，选择菜单栏中的【Analyze(分析)】【Nonparametric Tests(非参数检验)】【Legacy Dialogs(旧对话框)】【Chi-Square(卡方)】命令，弹出【Chi-Square Test(卡方检验)】对话框。其中，“jobc

11、at”变量表示职业类型，“1”表示办事员，“2”表示监察员，“3”表示经理。n nStep02：选择检验变量 在左侧的候选变量列表框中选择“jobcat”变量作为检验变量，将其添加至【Test Variable List(检验变量列表)】列表框中。第11页/共113页n nStep03：选择期望值 在【Expected Values(期望值)】选项组中点选【Values】单选钮，以指定期望概率值。接着在Values的文本框中分别输入0.8、0.05和0.15这三个数值，并且单击【Add】按钮加以确定。n nStep04：完成操作 最后，单击【OK(确定)】按钮，操作完成。第12页/共113页3

12、 实例结果及分析实例结果及分析 SPSSSPSS的结果报告中列出了期望频数和实际频数。的结果报告中列出了期望频数和实际频数。显然残差值越小，说明实际频数与期望频数越接近。显然残差值越小，说明实际频数与期望频数越接近。Observed NExpected NResidualClerical363379.2-16.2Custodial2723.73.3Manager8471.112.9Total474（1）频数表第13页/共113页（2 2）卡方检验表）卡方检验表 具体包括具体包括 统计量（统计量（Chi-SquareChi-Square）、自由度（）、自由度（dfdf）和近似概率）和近似概率P

13、P值值（Asymp.Sig.Asymp.Sig.）。可见，）。可见，统计量等于统计量等于3.4923.492，自由度等于，自由度等于2 2，对应，对应的概率的概率P P值值0.1740.174大于显著性水平大于显著性水平0.050.05。因此接受零假设，认为目前。因此接受零假设，认为目前三个职业的总体构成比仍然是三个职业的总体构成比仍然是1515、5 5和和8080，人数的调动只是人数的调动只是随机误差造成的，公司人员结构没有显著性改变。随机误差造成的，公司人员结构没有显著性改变。Employment CategoryChi-Square3.492adf2Asymp.Sig.174第14页/共

14、113页6.3 SPSS6.3 SPSS在二项分布检验中的应用在二项分布检验中的应用在二项分布检验中的应用在二项分布检验中的应用二项分布检验的基本原理1.方法概述事件要服从二项分布，则应该具备下列基本的条件。（1）各观察单位只能具有相互对立的一种结果。（2）已知发生某一结果（阳性）的概率为，其对立结果的概率为1-。（3）n次试验在相同条件下进行，且各个观察单位的观察结果相互独立，即每个观察单位的观察结果不会影响到其他观察单位的结果。第15页/共113页2.2.软件使用方法软件使用方法 SPSSSPSS二项分布检验过程是推断总体的分布是否等于指定的某个二二项分布检验过程是推断总体的分布是否等于指

15、定的某个二项分布。其假设检验过程如下。项分布。其假设检验过程如下。H H0 0：样本来自的总体与某个指定的二项分布无显著性差异。样本来自的总体与某个指定的二项分布无显著性差异。H H1 1：样本来自的总体与某个指定的二项分布有显著性差异。样本来自的总体与某个指定的二项分布有显著性差异。SPSSSPSS会自动计算出二项分布检验相应的检验统计量及对应的概率会自动计算出二项分布检验相应的检验统计量及对应的概率P P值。如果概率值。如果概率P P值小于或等于用户设定的显著性水平，则拒绝零值小于或等于用户设定的显著性水平，则拒绝零假设，认为总体与某个指定的二项分布有显著性差异；相反的，假设，认为总体与某

16、个指定的二项分布有显著性差异；相反的，如果概率如果概率P P值大于显著性水平，则接受零假设。值大于显著性水平，则接受零假设。需要注意的是，二项分布检验过程要求变量必须是数值型的二元需要注意的是，二项分布检验过程要求变量必须是数值型的二元变量（只取两个可能值的变量）。假如变量是字符型的，可以使变量（只取两个可能值的变量）。假如变量是字符型的，可以使用重编码功能将其转化为数值型变量；假如变量不是二元变量，用重编码功能将其转化为数值型变量；假如变量不是二元变量，需要设置断点将数据分为两个部分，将大于断点值的归为一组，需要设置断点将数据分为两个部分，将大于断点值的归为一组，其余归为另一组。其余归为另一

17、组。第16页/共113页二项分布检验的二项分布检验的二项分布检验的二项分布检验的SPSSSPSS操作详解操作详解操作详解操作详解n n Step01Step01：打开主菜单打开主菜单 选择菜单栏中的选择菜单栏中的【AnalyzeAnalyze(分析分析)】【Nonparametric TestsNonparametric Tests(非参数非参数检验检验)】【Legacy DialogsLegacy Dialogs(旧对话框旧对话框)】【BinomialBinomial(二项式二项式)】命命令令 ，弹出弹出【Binomial TestBinomial Test(二项式检验二项式检验)】对话框对

18、话框。第17页/共113页n nStep02：选择检验变量 在【Binomial Test(二项式检验)】对话框左侧的候选变量列表框中选择一个或几个变量，将其添加至【Test Variable List(检验变量列表)】列表框中，表示需要进行进行二项分布检验的变量。n nStep03：定义二元变量 在【Define Dichotomy(定义二分法)】选项组中可以定义二元变量。n nStep04：指定检验概率值 在【Test Proportion(检验比例)】选项组中可以指定二项分布的检验概率值。系统默认的检验概率值是0.5，这意味着要检验的二项是服从均匀分布的。如果所要检验的二项分布不是同概率

19、分布，参数框中要键入第一组变量所对应的检验概率值。第18页/共113页n nStep05：选择计算精确概率 【Exact】按钮用于选择计算概率P值的方法。n nStep06：其他选项选择 【Options】按钮用于指定输出内容和关于缺失值的处理方法。n nStep07：单击【OK】按钮，结束操作，SPSS软件自动输出结果。第19页/共113页实例图文分析：灯泡是否合格实例图文分析：灯泡是否合格实例图文分析：灯泡是否合格实例图文分析：灯泡是否合格n n1.1.实例内容实例内容实例内容实例内容 某灯泡厂生产的一种特制灯泡按照工艺技术标准的要求，其合某灯泡厂生产的一种特制灯泡按照工艺技术标准的要求，

20、其合格灯泡的寿命必须大于格灯泡的寿命必须大于960960小时。通常在生产稳定的时候，该厂小时。通常在生产稳定的时候，该厂的这种产品合格品率为的这种产品合格品率为9595，为检验产品质量，今从新生产的，为检验产品质量，今从新生产的一大批产品中随机抽查了一大批产品中随机抽查了3030只灯泡，测得它们的寿命的数据资只灯泡，测得它们的寿命的数据资料，试根据这些样品数据检验该批产品的合格率是否等于料，试根据这些样品数据检验该批产品的合格率是否等于9595。1070 1073 958 958 975 969 1079 964 968 947962 970 1054 987 967 969 967 1001

21、 994 9931084 1012 985 994 964 952 951 987 963 957第20页/共113页2.实例操作实例操作n nStep01Step01：打开对话框打开对话框 打开数据文件打开数据文件6-2.sav6-2.sav，选择菜单栏中的，选择菜单栏中的【AnalyzeAnalyze(分析分析)】【Nonparametric TestsNonparametric Tests(非参数检验非参数检验)】【Legacy Dialogs(Legacy Dialogs(旧对旧对话框话框)】【BinomialBinomial(二项式二项式)】命令，弹出命令，弹出【Binomial T

22、estBinomial Test(二项式检验二项式检验)】对话框。对话框。第21页/共113页n nStep02：选择检验变量 在左侧的候选变量列表框中选择“time”变量作为检验变量，将其添加至【Test Variable List(检验变量列表)】列表框中。第22页/共113页n nStep03：定义二元变量 在【Define Dichotomy(定义二分法)】选项组中点选 【Cut point(割点)】，以指定断点。接着在其文本框中输入“960”，表示以它作为分界点将原始样本分为两组。n nStep04：指定检验概率值 在【Test Proportion(检验比例)】文本框中输入指定概率

23、值“0.05”。第23页/共113页n nStep05：描述性统计量输出 单击【Options】按钮，弹出【Options(选项)】对话框。在【Statistics(统计量)】选项组中勾选【Descriptive(描述性)】和【Quartiles(四分位数)】复选框，表示输出基本统计量。再单击【Continue】按钮，返回【Binomial Test(二项式检验)】对话框。第24页/共113页n nStep06：完成操作 最后，单击【OK(确定)】按钮，操作完成。第25页/共113页3.实例结果及分析实例结果及分析（1 1）基本统计量）基本统计量 SPSSSPSS首先输出了样本的描述性统计量表

24、。这里共选择了首先输出了样本的描述性统计量表。这里共选择了3030个个灯泡寿命样本作二项分布检验，灯泡的平均寿命等于灯泡寿命样本作二项分布检验，灯泡的平均寿命等于989.13989.13小小时，标准差等于时，标准差等于40.96840.968小时，灯泡寿命最小值等于小时，灯泡寿命最小值等于947947小时，寿小时，寿命最大值等于命最大值等于10841084小时。同时其小时。同时其2525、5050和和7575分位点等于分位点等于 962.75962.75、969.50969.50和和996.75996.75小时。小时。NMeanStd.DeviationMinimumMaximumPercen

25、tiles25th50th(Median)75th灯泡寿命30989.1340.9689471084962.75969.50995.75第26页/共113页（2 2）二项分布检验表二项分布检验表 首先根据断点首先根据断点“960”960”将原始数据划分为两部分将原始数据划分为两部分：“Group 1”Group 1”和和“Group 2”Group 2”，它们各自的样本容量等于，它们各自的样本容量等于6 6和和2424，所占总体的比例为，所占总体的比例为2020和和8080。由于这里要检验合格率是否等于由于这里要检验合格率是否等于9595，也就是要检验也就是要检验“Group 1”Group

26、1”组所占比例是否等于组所占比例是否等于0.050.05。但根据单尾概率。但根据单尾概率P P值（值（0.0030.003）小于显著性水平小于显著性水平 （0.050.05），可以判断这批样本的合格率不等于），可以判断这批样本的合格率不等于9595，即这批产品没有合格。即这批产品没有合格。CategoryNObserved Prop.Test Prop.Asymp.Sig.(1-tailed)灯泡寿命Group 1 96024.80Total301.00第27页/共113页6.4 SPSS在游程检验中的应用在游程检验中的应用游程检验的基本原理1.方法概述 游程检验是一种利用游程数所作的单样本随

27、机性的检验方法，它可以用来判断观察值的顺序是否为随机。许多统计模型的假设中都要求观察值都是独立的，也就是说，收集到的数据样本的顺序是不相关的。如果样本顺序影响到统计结果，那么样本就可能不是随机的，这将使研究者不能得出关于抽样总体的准确结论。因此，研究者可以使用游程检验来检验数据的随机性。第28页/共113页2.基本原理 游程检验可用来检验任何序列的随机性，而不管这个序列是怎样产生的；此外还可用来判断两个总体的分布是否相同，从而检验出它们的位置中心有无显著差异。3.软件使用方法 SPSS中利用游程数构造Z统计量，利用Z统计量的分布来检验序列是否具有随机性。软件将自动计算出Z统计量的取值及对应的概

28、率P值。如果概率P值小于或等于用户设定的显著性水平，则拒绝零假设，认为变量不具有随机性；相反的，如果概率P值大于显著性水平，则认为变量出现是随机的。第29页/共113页游程检验的游程检验的SPSS操作详解操作详解n nStep01：打开对话框 选择菜单栏中的【Analyze(分析)】【Nonparametric Tests(非参数检验)】【Legacy Dialogs(旧对话框)】【Runs(游程)】命令，弹出【Runs Test(游程检验)】对话框。第30页/共113页n nStep02：选择检验变量 在【Runs Test(游程检验)】对话框左侧的候选变量列表框中选择一个或几个变量，将其添

29、加至【Test Variable List(检验变量列表)】列表框中，表示需要进行游程检验的变量。n n Step03：确定断点 在【Cut point(割点)】选项组中指定计算游程数的分界值。小于分界值的观察值归为一组，其余的归为另一组，然后计算游程数。第31页/共113页n nStep04：选择计算精确概率 【Exact】按钮用于选择计算概率P值的方法，它的功能和卡方检验中的相应按钮相同的。n nStep05：其他选项选择 【Options】按钮用于指定输出内容和关于缺失值的处理方法。n nStep06：单击【OK】按钮，结束操作，SPSS软件自动输出结果。第32页/共113页实例图文分析

30、：企业盈亏预测实例图文分析：企业盈亏预测实例图文分析：企业盈亏预测实例图文分析：企业盈亏预测n n1.实例内容实例内容 已知某企业在过去20年的盈亏情况为“0 0 0 0 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 1”。其中“0”表示亏损，“1”表示盈利。现根据财务统计预测今年该企业盈利，请问这个结果对企业明年的经营状况有无影响？n n2.实例操作实例操作 根据过去20年的经营情况看到该企业的盈亏情况经常逐年发生变化。已知今年企业盈利，要判断明年企业的盈亏状态，其实就是要分析今年企业的盈利是否会对明年它的盈亏带来一定的影响。也就是说，要判断不同年份之间的盈亏情况有无影响性，即

31、盈亏情况是否是随机的。这样就可以通过游程检验来分析历史数据。如果历史数据是随机的，说明今年的盈利不会对明年企业的生产产生影响；反之，表明今年的盈利会对明年生产有影响。所以采用SPSS具体操作步骤如下。第33页/共113页Step01：打开对话框：打开对话框 打开数据文件6-3.sav，选择菜单栏中的【Analyze(分析)】【Nonparametric Tests(非参数检验)】【Legacy Dialogs(旧对话框)】【Runs Test(游程检验)】命令，弹出【Runs Test(游程检验)】对话框。其中“x”变量表示企业盈亏状态，“0”表示亏损，“1”表示盈利。第34页/共113页n

32、nStep02：选择检验变量 在候选变量列表框中选择“x”变量作为检验变量，将其添加至【Test Variable List(检验变量列表)】列表框中。n nStep03：确定断点 在【Cut point(割点)】选项组中取消勾选【Median(中位数)】复选框，勾选【Mean(均值)】复选框。第35页/共113页Step04：完成操作：完成操作最后，单击【OK(确定)】按钮，操作完成。第36页/共113页3.实例结果及分析实例结果及分析 首先首先“Test ValueTest Value0.65”0.65”表示游程检验以表示游程检验以0.650.65作为断点将原始数据分作为断点将原始数据分为

33、两组。在过去为两组。在过去2020年中，企业亏损的年份数共有年中，企业亏损的年份数共有7 7年，而在剩下的年，而在剩下的1313年年里该企业都是盈利的。整个历史数据的游程数等于里该企业都是盈利的。整个历史数据的游程数等于4 4。接着计算游程检。接着计算游程检验的验的Z Z统计量等于统计量等于-2.8432.843，相伴概率，相伴概率P P值值0.0040.004显然小于显著性水平显然小于显著性水平0.050.05。所以，认为企业盈亏历史数据并不是随机的，其中有一定的规律性。所以，认为企业盈亏历史数据并不是随机的，其中有一定的规律性。因此，今年企业的盈利会对明年企业的经营状况产生显著影响。因此，

34、今年企业的盈利会对明年企业的经营状况产生显著影响。盈亏Test Valuea.65Cases=Test Value13Total Cases20Number of Runs4Z-2.843Asymp.Sig.(2-tailed).004第37页/共113页实例进阶分析：工业和商业企业的负债水平实例进阶分析：工业和商业企业的负债水平实例进阶分析：工业和商业企业的负债水平实例进阶分析：工业和商业企业的负债水平1.1.实例内容实例内容实例内容实例内容 在我国的工业和商业企业中随机抽取在我国的工业和商业企业中随机抽取2222家企业进行资产负债率家企业进行资产负债率行业差异分析，其行业差异分析，其199

35、91999年底的资产负债率（）如下，请问两年底的资产负债率（）如下，请问两个行业的负债水平是否有显著性差异？个行业的负债水平是否有显著性差异？工业企业647655825982707561647383商业企业77808065939184918486第38页/共113页2.实例操作实例操作 要检验工业和商业企业的负债水平是否有差异，可以将两组数据混合起来，同时用“1”表示数据来自工业企业，“2”表示数据来自商业企业。接着将这些序列按照升序或降序重新排列。这样可以得到由1和2构成的数列，如1221122。如果两个行业的负债水平没有差异，它们的资产负债率按大小应该是随机混合排列的，则构成的这组数列应该

36、是随机的；否则说明工业和商业企业的负债水平有一定的规律性，即两个行业有一定的差异性。第39页/共113页SPSS具体操作步骤具体操作步骤 n n Step01Step01：打开数据文件打开数据文件6-4.sav6-4.sav，其中，其中“fzl”fzl”变量表示企业的资产变量表示企业的资产负债率；负债率；“indicate”indicate”变量表示企业类型变量表示企业类型，“1”1”表示工业企业表示工业企业，“2”2”表示商业企业。表示商业企业。n nStep02Step02：选择菜单栏中的选择菜单栏中的【DataData(数据数据)】【Sort CasesSort Cases(排序个案排序

37、个案)】命令，弹出命令，弹出【Sort CasesSort Cases(排序个案排序个案)】对话框。在候选变量列表框对话框。在候选变量列表框中选择变量中选择变量“fzlfzl”，添加至，添加至【Sort bySort by(排序依据排序依据)】列表框中。这列表框中。这步的目的就是要按照企业负债率的高低对步的目的就是要按照企业负债率的高低对“indicate”indicate”变量重新变量重新排序。排序。第40页/共113页n nStep03Step03：接着利用游程检验分析接着利用游程检验分析“indicate”indicate”变量的随机性。变量的随机性。选择菜单栏中的选择菜单栏中的【Ana

38、lyzeAnalyze(分析分析)】【NonparametricNonparametric TestsTests(非参数检验非参数检验)】【Legacy DialogsLegacy Dialogs(旧对话框旧对话框)】【Runs Runs TestTest(游程检验游程检验)】命令，弹出命令，弹出【Runs TestRuns Test(游程检验游程检验)】对话框。对话框。在候选变量列表框中选择在候选变量列表框中选择“indicateindicate”变量作为检验变量，变量作为检验变量，将其添加至将其添加至【Test Variable ListTest Variable List(检验变量列表检

39、验变量列表)】列表框中。列表框中。n nStep04Step04：在在【Cut pointCut point(割点割点)】选项组中取消勾选系统默认的选项组中取消勾选系统默认的【MedianMedian(中位数中位数)】复选框，勾选复选框，勾选【MeanMean(均值均值)】复选框。复选框。n nStep05Step05：单击单击【Runs TestRuns Test(游程检验游程检验)】对话框中的对话框中的【OKOK】按按钮，完成操作。钮，完成操作。第41页/共113页3.实例结果及分析实例结果及分析 根据第二步操作，数据文件6-5.sav的“indicate”变量进行了重新排列，形成了序列：

40、1 1 1 1 1 2 1 1 1 1 2 2 2 1 1 1 2 2 2 2 2 2 这个序列是按照资产负债率的高低将企业类型“indicate”进行重新排列得到的。下面表6-9是这组序列的游程检验结果。游程检验的Z统计量值等于-2.384，概率P值0.017小于显著性水平0.05，说明这组数据不是随机序列，数据的排序呈现一定的规律性。因此，工业企业和商业企业的负债水平有显著性差异。第42页/共113页indicateTest Valuea1.45Cases=Test Value10Total Cases22Number of Runs6Z-2.384Asymp.Sig.(2-tailed)

41、.017第43页/共113页6.5 SPSS6.5 SPSS在单样本在单样本在单样本在单样本K-SK-S检验中的应用检验中的应用检验中的应用检验中的应用单样本K-S检验的基本原理1.方法概述 K-S检验是以两位前苏联数学家柯尔莫哥（Kolmogorov）和斯米诺夫（Smirnov）命名的，是一种拟和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，一般来说它是比卡方检验更精确的非参数检验法。第44页/共113页2.2.基本原理基本原理基本原理基本原理 K-SK-S检验的理论分布可以为正态分布、均匀分布、指数分布和泊检验的理论分布可以为正态分布、均匀分布、指数分布

42、和泊松分布等。其零假设是：样本来自的总体与指定的理论分布无显松分布等。其零假设是：样本来自的总体与指定的理论分布无显著差异。它的基本思想是：根据样本数据和用户的指定构造出理著差异。它的基本思想是：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论分布，查分布表得到相应的理论累计概率分布函数F0(xF0(x)；利用；利用样本数据计算各样本数据点的累计概率，得到经验累计概率分布样本数据计算各样本数据点的累计概率，得到经验累计概率分布函数函数S0(xS0(x)；计算；计算S0(xS0(x）和）和F0(xF0(x)在相同变量值点在相同变量值点x x上的差上的差D(xD(x

43、)，得，得到差值序列到差值序列D D。单样本。单样本K-SK-S检验主要对差值检验主要对差值D D序列进行研究。序列进行研究。3.3.软件使用方法软件使用方法软件使用方法软件使用方法 SPSSSPSS将自动计算将自动计算K-SK-S检验中的检验中的Z Z统计量，依据统计量，依据K-SK-S分布表（小样分布表（小样本）或正态分布表（大样本）给出相应的相伴概率本）或正态分布表（大样本）给出相应的相伴概率P P值。如果值。如果P P值值小于或等于用户指定的显著性水平小于或等于用户指定的显著性水平，则拒绝原假设，则拒绝原假设H H0 0；反之，；反之，不能拒绝不能拒绝H H0 0，可以认为样本来自的总

44、体与指定的分布无显著差异。，可以认为样本来自的总体与指定的分布无显著差异。第45页/共113页单样本单样本单样本单样本K-SK-S检验的检验的检验的检验的SPSSSPSS操作详解操作详解操作详解操作详解n nStep01：打开对话框 选择菜单栏中的【Analyze(分析)】【Nonparametric Tests(非参数检验)】【Legacy Dialogs(旧对话框)】【1-samples K-S(1样本K-S(1)】命令，弹出【One-Sample K-S Test(单样本K-S检验)】对话框，这是K-S检验的主操作窗口。第46页/共113页n nStep02：选择检验变量 在【One-S

45、ample Kolmogorov-Smirnov Test(单样本K-S检验)】对话框左侧的候选变量列表框中选择一个或几个变量，将其添加至【Test Variable List(检验变量列表)】列表框中，表示需要进行K-S检验的变量。n nStep03：选择待检验理论分布 在【Test Distribution(检验分布)】选项组中，用户需要选择待检验的理论分布。系统提供了四种统计中常见的分布。第47页/共113页n nStep04：选择计算精确概率 【Exact】按钮用于选择计算概率P值的方法，它的功能和卡方检验中相关按钮是相同的。n nStep05：其他选项选择 【Options】按钮用于

46、指定输出内容和关于缺失值的处理方法。n nStep06：单击【OK】按钮，结束操作，SPSS软件自动输出结果。第48页/共113页实例分析：商品销售收益的分布实例分析：商品销售收益的分布实例分析：商品销售收益的分布实例分析：商品销售收益的分布n n1.实例内容实例内容 零售商希望了解某商品销零售商希望了解某商品销售收益（售收益（Revenue）的大致）的大致分布情况。依据其他销售商分布情况。依据其他销售商已有的资料，他认为其销售已有的资料，他认为其销售收益可能服从正态分布。为收益可能服从正态分布。为了检验其假设，考虑是否与了检验其假设，考虑是否与其他零售商一样，销售收益其他零售商一样，销售收益

47、服从正态分布，收集到相关服从正态分布，收集到相关的销售收益数据，请使用的销售收益数据，请使用SPSS软件分析样本数据是否软件分析样本数据是否服从正态分布。服从正态分布。第49页/共113页2.实例操作实例操作 本案例的目的就是要检验文件6-5.sav中的“revenue”变量是否服从正态部分，因此可以采用非参数K-S检验来判断。首先，通过描述性统计功能绘制了“revenue”变量的直方图及其拟合的正态曲线，具体见图6-19。从图形特征看到，“revenue”变量的分布非常接近正态分布，但需要采用K-S检验来诊断。第50页/共113页Step01：打开对话框：打开对话框 打开数据文件6-4.sa

48、v，选择菜单栏中的【Analyze(分析)】【Nonparametric Tests(非参数检验)】【Legacy Dialogs(旧对话框)】【1-samples K-S(1样本K-S(1)】命令，弹出如下图所示的对话框。第51页/共113页Step02：选择检验变量：选择检验变量 在候选变量列表框中选择“revenue”变量作为检验变量，将其添加至【Test Variable List(检验变量列表)】列表框中。提示：可以在【Test Distribution(检验分布)】选项组中选择检验分布类型；系统默认为正态分布。第52页/共113页Step03：确定断点：确定断点单击【Options

49、】按钮，在弹出的对话框的【Statistics(统计量)】选项组中勾选【Descriptive(描述性)】和【Quartiles(四分位数)】复选框，表示输出基本统计量。单击【Continue】按钮返回主对话框。第53页/共113页Step04：完成操作：完成操作 最后，单击【OK(确定)】按钮，操作完成。第54页/共113页3.实例结果及分析实例结果及分析（1 1）描述性统计量输出）描述性统计量输出 SPSSSPSS首先给出了首先给出了“revenue”revenue”变量的基本统计量。样本总数变量的基本统计量。样本总数N N等等于于14881488，收益均值等于，收益均值等于$2,516.

50、58$2,516.58，收益标准差等于，收益标准差等于$994.586$994.586，收，收益最小值和最大值分别是益最小值和最大值分别是$13$13和和$6,213$6,213，收益，收益2525、5050和和7575的分位数是的分位数是$1,830.96$1,830.96、$2,490.68$2,490.68和和$3,183.54$3,183.54。NMeanStd.DeviationMinimumMaximumPercentiles25th50th(Median)75thRevenue1488$2,516.58$994.586$13$6,213$1,830.96$2,490.68$3,1