参数、非参数检验操作步骤

参数、非参数检验操作步骤参数检验非参数检验对象针对参数做的假设针对总体分布情况做的假设使用范围等距数据和比例数据（度量）定类数据和定序数据（名义和有序）分布正态分布正态、非正态分布内容Means检验单样本T检验独立样本T检验配对样本T检验卡方检验（均匀分布）二项分布检验（两个变量）游程检验（随机分布）K-S检验（正态分布检验）参数检验一Means过程Means过程用于统计分组变量的的基本统计量，这些基本统计量包括：均值（Mean）、标准差(StandardDeviation)、观察量数目(NumberofCases)、方差(Variance)。1数据编辑窗口输入分析的数据2分析→比较均值→均值因变量、自变量的选择可根据实际情况。“选项”3结果分析P＜0.05，拒绝原假设，显著性强。结果报告，分别给出暴雨前和暴雨后卵量的统计量：暴雨前有13个样本，平均数122.3846，标准差15.95065，方差254.423;暴雨后有13个样本，平均数104.4615，标准差15.10858，方差228.269；总体26个样本，平均数113.4231，标准差17.75426，方差315.214。方差分析表，共有六列，第一列说明方差的来源，BetweenGroups是组间的，WithinGroups组内的，Total总的。第二列为平方和，其大小说明了各方差来源作用的大小。第三列为自由度。第四列为均方，即平方和除以自由度。第五列F值是F统计量的值，其计算公式为模型均方除以误差均方，用来检验模型的显著性。第六列是F统计量的显著值，由于这里的显著值0.007小于0.05，所以模型是显著的，降雨对卵量有显著影响。二单一样本的T检验T检验是检验单个变量的均值与指定的检验值之间是否存在显著差异。如：研究人员可能想知道一组学生的IQ平均分与100分的差异。1分析→比较均值→单一样本的T检验检验值中输入用于比较的均值（一般题目中会提供）。2结果分析结果中比较有用的值：Mean和Sig显著性概率值。零假设H0：样本均值Mean=常数（检验值）；Sig=0.032＜0.05，拒绝原假设，存在显著性差异。三两独立样本T检验两个独立没有关联的正态总体的均值是否有显著性差异。独立样本T检验，实质是总体均值是否相等的显著性检验。如分析两个地区居民的人均收入、人均消费等指标是否存在显著性差异。1选择→比较均值→独立样本T检验“产量”作为要进行T检验的变量，将“品种”字段作为分组变量，定义分组变量的两个分组分别为“a”和“b”。2结果分析组统计量品种N均值标准差均值的标准误产量品种A881.2511.8054.174品种B875.7510.0253.544零假设H0：两样本均值相等。Sig=0.332＞0.05，接受原假设，两样本均值相等。三配对样本T检验配对样本T检验用于检验两个相关样本是否来自相同均值的正态总体，即推断两个总体的均值是否存在显著差异。1分析→比较均值→配对样本T检验2结果分析配对样本T检验的基本描述统计量：成对样本统计量均值N标准差均值的标准误对1训练前77.671510.1042.609训练后83.60158.4332.177配对样本相关性检验成对样本相关系数N相关系数Sig.对1训练前&训练后15.407.132H0：两样本没有相关性。表中显示训练前和训练后两样本的相关系数为0.407，相关系数的检验P值为0.1320.05，接受原假设，可以认为训练前后的成绩没有明显的线性关系。配对样本T检验结果H0：两样本没有相关性。概率p值为0.041＜0.05，拒绝零假设，可以认为训练前后对成绩有显著效果。非参数检验非参数检验是指总体分布未知或知之甚少时，利用已知样本数据对整体分布形态等做出推断的分析方法。非参数检验分为两大类：分布类型检验和分布位置检验SPSS的单样本非参数检验方法包括卡方检验、二项分布检验、游程检验、K-S检验及Wilcoxon符号检验五种。一卡方检验也称卡方拟合优度检验，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该分布的样本的问题。1分析：由于考虑的是次品是否服从均匀分布的问题，故用卡方检验。2加权处理（对频率变量进行加权处理）“数据”→“加权个案”3分析→非参数检验→卡方4结果分析检验统计量次品数卡方12.556adf4渐近显著性.014检验统计量次品数卡方12.556adf4渐近显著性.014a.0个单元(.0%)具有小于5的期望频率。单元最小期望频率为18.0。H0：服从原假设分布。Sig.=0.0140.05，说明应拒绝原假设，认为工作日的类别是以不同概率发生的。二二项分布检验1分析→非参数检验→二项式2结果分析二项式检验类别N观察比例检验比例精确显著性（双侧）成绩组1=8915.75.50.041组2895.25总数201.00HO：假设分布服从整体分布Sig.=0.0410.05，应拒绝零假设，即小于90分的学生所占的比例与总体分布存在显著差异，即小于90分的学生所占比例比90%小。这说明优秀学生所占的比重是大于10%的。三游程检验（随机分布）1分析→非参数检验→游程2结果分析描述性统计量N均值标准差极小值极大值成绩2085.306.6347395游程检验成绩检验值a86案例检验值10案例=检验值10案例总数20Runs数5Z-2.527渐近显著性(双侧).012a.中值H0：样本服从随机分布。Sig.=0.0120.05，因此拒绝原假设，认为不是随机分布。