spss16使用教程第10章 非參數(shù)檢驗.ppt

SPSS16實用教程 第10章非參數(shù)檢驗 閱讀提示 非參數(shù)檢驗用于對樣本的概率分布狀態(tài)的檢驗建議先看實例再看理論實例1在15頁 前面已經(jīng)討論的許多統(tǒng)計分析方法對總體有特殊的要求 如T檢驗要求總體符合正態(tài)分布 F檢驗要求誤差呈正態(tài)分布且各組方差整齊 等等 這些方法常用來估計或檢驗總體參數(shù) 統(tǒng)稱為參數(shù)檢驗 但許多調(diào)查或?qū)嶒炈玫目蒲袛?shù)據(jù) 其總體分布未知或無法確定 因為有的數(shù)據(jù)不是來自所假定分布的總體 或者數(shù)據(jù)根本不是來自一個總體 還有可能數(shù)據(jù)因為某種原因被嚴重污染 這樣在假定分布的情況下進行推斷的做法就有可能產(chǎn)生錯誤的結(jié)論 此時人們希望檢驗對一個總體分布形狀不必作限制 這種不是針對總體參數(shù) 而是針對總體的某些一般性假設 如總體分布 的統(tǒng)計分析方法稱非參數(shù)檢驗 NonparametricTests 非參數(shù)檢驗根據(jù)樣本數(shù)目以及樣本之間的關系可以分為單樣本非參數(shù)檢驗 兩獨立樣本非參數(shù)檢驗 多獨立樣本非參數(shù)檢驗 兩配對樣本非參數(shù)檢驗和多配對樣本非參數(shù)檢驗幾種 本章將介紹總體分布的卡方 Chi square 檢驗 二項分布 Binomial 檢驗 單樣本K S Kolmogorov Smirnov 檢驗 單樣本變量值隨機性檢驗 RunsTest 兩獨立樣本非參數(shù)檢驗 多獨立樣本非參數(shù)檢驗 兩配對樣本非參數(shù)檢驗 多配對樣本非參數(shù)檢驗等8類常用的非參數(shù)檢驗方法 其中前4種屬于單樣本非參數(shù)檢驗 10 1總體分布的卡方 Chi square 檢驗 在得到一批樣本數(shù)據(jù)后 人們往往希望從中得到樣本所來自的總體的分布形態(tài)是否和某種特定分布相擬合 這可以通過繪制樣本數(shù)據(jù)直方圖的方法來進行粗略的判斷 如果需要進行比較準確的判斷 則需要使用非參數(shù)檢驗的方法 其中總體分布的卡方檢驗 也記為 2檢驗 就是一種比較好的方法 10 1 1統(tǒng)計學上的定義和計算公式 定義 總體分布的卡方檢驗適用于配合度檢驗 是根據(jù)樣本數(shù)據(jù)的實際頻數(shù)推斷總體分布與期望分布或理論分布是否有顯著差異 它的零假設H0 樣本來自的總體分布形態(tài)和期望分布或某一理論分布沒有顯著差異 因此 總體分布的卡方檢驗是一種吻合性檢驗 比較適用于一個因素的多項分類數(shù)據(jù)分析 總體分布的卡方檢驗的數(shù)據(jù)是實際收集到的樣本數(shù)據(jù) 而非頻數(shù)數(shù)據(jù) 研究問題某地一周內(nèi)各日患憂郁癥的人數(shù)分布如表10 1所示 請檢驗一周內(nèi)各日人們憂郁數(shù)是否滿足1 1 2 2 1 1 1 10 1 2SPSS中實現(xiàn)過程 表10 1學生的數(shù)學成績 實現(xiàn)步驟 圖10 1在菜單中選擇 WeightCases 命令 圖10 2 WeightCases 對話框 圖10 3在菜單中選擇 Chi Square 命令 圖10 4 Chi SquareTest 對話框 圖10 5 Chi SquareTest Options 對話框 1 本例輸出結(jié)果中有兩個表格 其中第一個表格如下 10 1 3結(jié)果和討論 2 輸出的結(jié)果文件中第二個表格如下 10 2二項分布檢驗 10 2 1統(tǒng)計學上的定義和計算公式 現(xiàn)實生活中有很多數(shù)據(jù)的取值只有兩類 如醫(yī)學中的生與死 患病的有與無 性別中的男性和女性 產(chǎn)品的合格與不合格等 從這種二分類總體中抽取的所有可能結(jié)果 要么是對立分類中的這一類 要么是另一類 其頻數(shù)分布稱為二項分布 調(diào)用SPSS中的二項分布檢驗 Binomial 可對樣本資料進行二項分布分析 SPSS二項分布檢驗就是根據(jù)收集到的樣本數(shù)據(jù) 推斷總體分布是否服從某個指定的二項分布 其零假設是H0 樣本來自的總體與所指定的某個二項分布不存在顯著的差異 SPSS中的二項分布檢驗 在樣本小于或等于30時 按照計算二項分布概率的公式進行計算 樣本數(shù)大于30時 計算的是Z統(tǒng)計量 認為在零假設下 Z統(tǒng)計量服從正態(tài)分布 Z統(tǒng)計量的計算公式如下 SPSS將自動計算Z統(tǒng)計量 并給出相應的相伴概率值 如果相伴概率小于或等于用戶的顯著性水平 則應拒絕零假設H0 認為樣本來自的總體分布形態(tài)與指定的二項分布存在顯著差異 如果相伴概率值大于顯著性水平 則不能拒絕零假設H0 認為樣本來自的總體分布形態(tài)與指定的二項分布不存在顯著差異 SPSS二項分布檢驗的數(shù)據(jù)是實際收集到的樣本數(shù)據(jù) 而非頻數(shù)數(shù)據(jù) 研究問題某地某一時期內(nèi)出生35名嬰兒 其中女性19名 定Sex 0 男性16名 定Sex 1 問這個地方出生嬰兒的性別比例與通常的男女性比例 總體概率約為0 5 是否不同 數(shù)據(jù)如表10 2所示 10 2 2SPSS中實現(xiàn)過程 表10 235名嬰兒的性別 實現(xiàn)步驟 圖10 6在菜單中選擇 BinomialTest 命令 圖10 7 BinomialTest 對話框 圖10 8 BinomialTest Options 對話框 10 2 3結(jié)果和討論 10 3SPSS單樣本變量值隨機性檢驗 10 3 1統(tǒng)計學上的定義和計算公式 定義 單樣本變量值的隨機性檢驗是對某變量的取值出現(xiàn)是否隨機進行檢驗 也稱為游程檢驗 Run過程 單樣本變量值的隨機性檢驗是由Wald提出的 它的零假設為H0 總體某變量的變量值出現(xiàn)是隨機的 單樣本變量值的隨機性檢驗通過游程 Run 數(shù)來實現(xiàn) 所謂游程是樣本序列中連續(xù)出現(xiàn)的變量值的次數(shù) 在SPSS單樣本變量值的隨機性檢驗中 SPSS將利用游程構(gòu)造Z統(tǒng)計量 并依據(jù)正態(tài)分布表給出對應的相伴概率值 如果相伴概率小于或等于用戶的顯著性水平 則應拒絕零假設H0 認為樣本值的出現(xiàn)不是隨機的 如果相伴概率值大于顯著性水平 則不能拒絕零假設H0 認為變量值的出現(xiàn)是隨機的 10 3 2SPSS中實現(xiàn)過程 研究問題某村發(fā)生一種地方病 其住戶沿一條河排列 調(diào)查時對發(fā)病的住戶標記為 1 對非發(fā)病的住戶標記為 0 共35戶 其取值如表10 3所示 表10 335名住戶發(fā)病情況 實現(xiàn)步驟 圖10 9在菜單中選擇 Runs 命令 圖10 10 RunsTest 對話框 圖10 11 RunsTest Options 對話框 10 3 3結(jié)果和討論 10 4 1統(tǒng)計學上的定義和計算公式 10 4SPSS單樣本K S檢驗 定義 單樣本K S檢驗是以兩位前蘇聯(lián)數(shù)學家Kolmogorov和Smirnov命名的 也是一種擬合優(yōu)度的非參數(shù)檢驗方法 單樣本K S檢驗是利用樣本數(shù)據(jù)推斷總體是否服從某一理論分布的方法 適用于探索連續(xù)型隨機變量的分布形態(tài) 單樣本K S檢驗可以將一個變量的實際頻數(shù)分布與正態(tài)分布 Normal 均勻分布 Uniform 泊松分布 Poisson 指數(shù) Exponential 分布進行比較 其零假設H0為樣本來自的總體與指定的理論分布無顯著差異 SPSS實現(xiàn)K S檢驗的過程如下 1 根據(jù)樣本數(shù)據(jù)和用戶的指定構(gòu)造出理論分布 查分布表得到相應的理論累計概率分布函數(shù) SPSS在統(tǒng)計中將計算K S的Z統(tǒng)計量 并依據(jù)K S分布表 小樣本 或正態(tài)分布表 大樣本 給出對應的相伴概率值 如果相伴概率小于或等于用戶的顯著性水平 則應拒絕零假設H0 認為樣本來自的總體與指定的分布有顯著差異 如果相伴概率值大于顯著性水平 則不能拒絕零假設H0 認為樣本來自的總體與指定的分布無顯著差異 10 4 2SPSS中實現(xiàn)過程 研究問題某地144個周歲兒童身高數(shù)據(jù)如表10 4所示 問該地區(qū)周歲兒童身高頻數(shù)是否呈正態(tài)分布 表10 4兒童身高數(shù)據(jù) 實現(xiàn)步驟 圖10 12在菜單中選擇 1 SampleK S 命令 圖10 13 One SampleKolmogorov SmirnovTest 對話框 圖10 14 One SampleK S Options 對話框 10 4 3結(jié)果和討論 1 本例輸出結(jié)果如下表所示 10 5 1統(tǒng)計學上的定義和計算公式 10 5兩獨立樣本非參數(shù)檢驗 定義 兩獨立樣本的非參數(shù)檢驗是在對總體分布不很了解的情況下 通過分析樣本數(shù)據(jù) 推斷樣本來自的兩個獨立總體分布是否存在顯著差異 一般用來對兩個獨立樣本的均數(shù) 中位數(shù) 離散趨勢 偏度等進行差異比較檢驗 兩個樣本是否獨立 主要看在一個總體中抽取樣本對另外一個總體中抽取樣本有無影響 如果沒有影響 則可以認為兩個總體是獨立的 SPSS提供了4種兩獨立樣本的非參數(shù)檢驗方法 1 兩獨立樣本的Mann WhitneyU檢驗 兩獨立樣本的Mann WhitneyU檢驗的零假設H0為樣本來自的兩獨立總體均值沒有顯著差異 兩獨立樣本的Mann WhitneyU檢驗主要通過對平均秩的研究來實現(xiàn)推斷 秩簡單地說就是名次 如果將數(shù)據(jù)按照升序進行排序 這時每一個具體數(shù)據(jù)都會有一個在整個數(shù)據(jù)中的位置或名次 這就是該數(shù)據(jù)的秩 數(shù)據(jù)有多少個 秩便有多少個 2 兩獨立樣本的K S檢驗 兩獨立樣本的K S檢驗能夠?qū)瑟毩颖镜目傮w分布情況進行比較 其零假設是H0為樣本來自的兩獨立總體分布沒有顯著差異 兩獨立樣本的K S檢驗實現(xiàn)方法是 首先將兩組樣本數(shù)據(jù) X1 X2 Xm 和 Y1 Y2 Yn 混合并按升序排列 m和n是兩組樣本的樣本容量 分別計算兩組樣本秩的累計頻率和每個點上的累計頻率 最后將兩個累計頻率相減 得到差值序列數(shù)據(jù) 兩獨立樣本的K S檢驗將關注差值序列 SPSS將自動計算K SZ統(tǒng)計量 并依據(jù)正態(tài)分布表給出對應的相伴概率值 如果相伴概率小于或等于用戶的顯著性水平 則應拒絕零假設H0 認為兩個樣本來自的總體分布有顯著差異 如果相伴概率值大于顯著性水平 則不能拒絕零假設H0 認為兩個樣本來自的總體分布無顯著差異 3 兩獨立樣本的游程檢驗 Wald WolfwitzRuns 兩獨立樣本的游程檢驗用來檢驗樣本來自的兩獨立總體的分布是否存在顯著差異 其零假設是H0為樣本來自的兩獨立總體分布沒有顯著差異 樣本的游程檢驗中 計算游程的方法與觀察值的秩有關 首先 將兩組樣本混合并按照升序排列 在數(shù)據(jù)排序時 兩組樣本的每個觀察值對應的樣本組標志值序列也隨之重新排列 然后對標志值序列按照前面10 3節(jié)的方法求游程 如果計算出的游程數(shù)相對比較小 則說明樣本來自的兩總體的分布形態(tài)存在較大差距 如果得到的游程數(shù)相對比較大 則說明樣本來自的兩總體的分布形態(tài)不存在顯著差距 SPSS將自動計算游程數(shù)得到Z統(tǒng)計量 并依據(jù)正態(tài)分布表給出對應的相伴概率值 如果相伴概率小于或等于用戶的顯著性水平 則應拒絕零假設H0 認為兩個樣本來自的總體分布有顯著差異 如果相伴概率值大于顯著性水平 則不能拒絕零假設H0 認為兩個樣本來自的總體分布無顯著差異 4 兩獨立樣本的極端反應檢驗 MosesExtremeReactions 兩獨立樣本的極端反應檢驗用來檢驗樣本來自的兩獨立總體的分布是否存在顯著差異 其零假設H0為樣本來自的兩獨立總體分布沒有顯著差異 兩獨立樣本的極端反應檢驗將一個樣本作為控制樣本 另外一個樣本作為實驗樣本 以控制樣本作對照 檢驗實驗樣本是否存在極端反應 首先將兩組樣本混合并按升序排列 然后找出控制樣本最低秩和最高秩之間所包含的觀察值個數(shù) 即跨度 Span 為控制極端值對分析結(jié)果的影響 也可以先去掉樣本兩個最極端的觀察值后再求跨度 這個跨度稱為截頭跨度 兩獨立樣本的極端檢驗計算跨度和截頭跨度 如果跨度或截頭跨度很小 則表明兩個樣本數(shù)據(jù)無法充分混合 可以認為實驗樣本存在極端反應 SPSS自動計算跨度和截頭跨度 依據(jù)分布表給出對應的相伴概率值 如果相伴概率小于或等于用戶的顯著性水平 則應拒絕零假設H0 認為兩個樣本來自的總體分布有顯著差異 如果相伴概率值大于顯著性水平 則不能拒絕零假設H0 認為兩個樣本來自的總體分布無顯著差異 10 5 2SPSS中實現(xiàn)過程 研究問題研究兩個不同廠家生產(chǎn)的燈泡使用壽命是否存在顯著差異 隨機抽取兩個廠家生成的燈泡若干 實驗得到使用壽命 數(shù)據(jù)如表10 5所示 表10 5兩個廠家生產(chǎn)的燈泡使用壽命數(shù)據(jù) 實現(xiàn)步驟 圖10 15在菜單中選擇 2IndependentSamples 命令 圖10 16 Two Independent Samples Test 對話框 圖10 17 TwoIndependentSamples DefineGroups 對話框 圖10 18 Two Independent Samples Options 對話框 10 5 3結(jié)果和討論 1 兩獨立樣本Mann WhitneyU檢驗結(jié)果如下面兩表所示 2 兩獨立樣本K S檢驗輸出結(jié)果如下兩表所示 3 兩獨立樣本極端反應檢驗輸出結(jié)果如下兩表所示 4 兩獨立樣本游程檢驗輸出結(jié)果如下兩表所示 10 6多獨立樣本非參數(shù)檢驗 10 6 1統(tǒng)計學上的定義和計算公式 定義 多獨立樣本非參數(shù)檢驗分析樣本數(shù)據(jù)是推斷樣本來自的多個獨立總體分布是否存在顯著差異 SPSS多獨立樣本非參數(shù)檢驗一般推斷多個獨立總體的均值或中位數(shù)是否存在顯著差異 多個樣本之間是否獨立 需要看在一個總體中抽取樣本對其他總體中抽取樣本是否有影響 如果沒有影響 則認為這些總體之間是獨立的 例如 隨機抽取3個班級之間學生的學生成績 分析3個班級總體的成績是否存在顯著的差異 由于對各個班級都是隨機抽取樣本 抽樣沒有相互影響 可以認為這三個班級學生成績是獨立的 SPSS中有3種多獨立樣本非參數(shù)檢驗方法 1 多獨立樣本的中位數(shù)檢驗 Median 多獨立樣本的中位數(shù)檢驗通過對多組數(shù)據(jù)的分析推斷多個獨立總體分布是否存在顯著差異 多獨立樣本的中位數(shù)檢驗的零假設H0為 樣本來自的多個獨立總體的中位數(shù)無顯著差異 2 多獨立樣本的K W檢驗 多獨立樣本的K W檢驗是Kruskal Waillis檢驗的縮寫 是一種推廣的平均秩檢驗 其零假設為 樣本來自的多個獨立總體的分布無顯著差異 多獨立樣本的K W檢驗的基本方法是 首先將多組樣本數(shù)混合按升序排列 并求出每個觀察值的秩 然后對多組樣本的秩分別求平均值 如果各組樣本的平均秩大致相等 則可以認為多個獨立總體的分布沒有顯著差異 如果各樣本的平均秩相差很大 則不能認為多個獨立總體的分布無顯著差異 3 多獨立樣本的Jonkheere Terpstra檢驗 多獨立樣本的Jonkheere Terpstra檢驗用于分析樣本來自的多個獨立總體分布是否存在顯著差異 其零假設是 樣本來自的多個獨立總體的分布無顯著差異 多獨立樣本的Jonkheere Terpstra檢驗的基本方法和兩獨立樣本的Mann WhitneyU檢驗比較類似 也是計算一組樣本的觀察值小于其他組樣本觀察值的個數(shù) 研究問題隨機抽取3個班級的學生 得到21個學生成績樣本 如表10 7所示 問3個班級學生總體成績是否存在顯著差異 10 6 2SPSS中實現(xiàn)過程 表10 73個班級學生成績 實現(xiàn)步驟 圖10 19在菜單中選擇 KIndependentSamples 命令 圖10 20 TestsforSeveralIndependentSamples 對話框 圖10 21 SeveralIndependentSamples DefineRange 對話框 圖10 22 Two Independent Samples Options 對話框 10 6 3結(jié)果和討論 1 多獨立樣本K W檢驗結(jié)果如下兩表所示 2 多獨立樣本中位數(shù)檢驗結(jié)果如下兩表所示 10 7兩配對樣本非參數(shù)檢驗 10 7 1統(tǒng)計學上的定義和計算公式 定義 兩配對樣本 2RelatedSamples 非參數(shù)檢驗是在對總體分布不很清楚的情況下 對樣本來自的兩相關配對總體分別進行檢驗 兩配對樣本非參數(shù)檢驗一般用于同一研究對象 或兩配對對象 分別給予兩種不同處理的效果比較 以及同一研究對象 或兩配對對象 處理前后的效果比較 前者推斷兩種效果有無差別 后者推斷某種處理是否有效 兩配對樣本非參數(shù)檢驗的前提要求兩個樣本應是配對的 在應用領域中 主要的配對資料包括 具有年齡 性別 體重 病況等非處理因素相同或相似者 首先兩個樣本的觀察數(shù)目相同 其次兩樣本的觀察值順序不能隨意改變 SPSS中有以下3種兩配對樣本非參數(shù)檢驗方法 1 兩配對樣本的McNemar變化顯著性檢驗 McNemar變化顯著性檢驗以研究對象自身為對照 檢驗其兩組樣本變化是否顯著 其零假設為 樣本來自的兩配對總體分布無顯著差異 McNemar變化顯著性檢驗要求待檢驗的兩組樣本的觀察值是二值數(shù)據(jù) 在實際分析中有一定的局限性 McNemar變化顯著性檢驗基本方法采用二項分布檢驗 它通過對兩組樣本前后變化的頻率 計算二項分布的概率值 2 兩配對樣本的符號 Sign 檢驗 當兩配對樣本的觀察值不是二值數(shù)據(jù)時 無法利用前面一種檢驗方法 這時可以采用兩配對樣本的符號 Sign 檢驗方法 其零假設為 樣本來自的兩配對樣本總體的分布無顯著差異 兩配對樣本的符號檢驗利用正 負符號的個數(shù)多少來進行檢驗 首先 將第二組樣本的各個觀察值減去第一組樣本對應的觀察值 如果得到差值是一個正數(shù) 則記為正號 差值為負數(shù) 則記為負號 然后計算正號的個數(shù)和負號的個數(shù) 通過比較正號的個數(shù)和負號的個數(shù) 可以判斷兩組樣本的分布 例如 正號的個數(shù)和負號的個數(shù)大致相當 則可以認為兩配對樣本數(shù)據(jù)分布差距較小 正號的個數(shù)和負號的個數(shù)相差較多 可以分為兩配對樣本數(shù)據(jù)分布差距較大 SPSS將自動對差值正負符合序列作單樣本二項分布檢驗 計算出實際的概率值 如果得到的概率值小于或等于用戶的顯著性水平 則應拒絕零假設H0 認為兩配對樣本來自的總體分布有顯著差異 如果概率值大于顯著性水平 則不能拒絕零假設H0 認為兩配對樣本來自的總體分布無顯著差異 3 兩配對樣本的Wilcoxon符號平均秩檢驗 兩配對樣本的符號檢驗考慮了總體數(shù)據(jù)變化的性質(zhì) 但沒有考慮兩組樣本變化的程度 兩配對樣本的Wilcoxon符號平均秩檢驗考慮了這方面的因素 其零假設為 樣本來自的兩配對樣本總體的分布無顯著差異 兩配對樣本的Wilcoxon符號平均秩檢驗首先按照符號檢驗的方法 將第二組樣本的各個觀察值減去第一組樣本對應的觀察值 如果得到差值是一個正數(shù) 則記為正號 差值為負數(shù) 則記為負號 同時保存差值的絕對值數(shù)據(jù) 然后將絕對差值數(shù)據(jù)按升序排序 并求出相應的秩 最后分別計算正號秩總合W 負號秩總合W 以及正號平均秩和負號平均秩 如果正號平均秩和負號平均秩大致相當 則可以認為兩配對樣本數(shù)據(jù)正負變化程度基本相當 分布差距較小 兩配對樣本的Wilcoxon符號平均秩檢驗按照下面的公式計算Z統(tǒng)計量 它近似服從正態(tài)分布 研究問題分析10個學生接受某種方法進行訓練的效果 收集到這些學生在訓練前 后的成績 如表10 9所示 表格的每一行表示一個學生的4個成績 其中第一列表示 訓練前的成績是否合格 0表示不合格 1表示合格 第二列表示訓練后的成績是否合格 0表示不合格 1表示合格 第三列表示訓練前學生的具體成績 第四列表示訓練后學生的具體成績 問訓練前后學生的成績是否存在顯著差異 10 7 2SPSS中實現(xiàn)過程 表10 9訓練前后的成績 實現(xiàn)步驟 圖10 23在菜單中選擇 2RelatedSamples 命令 圖10 24 Two Related SamplesTests 對話框 圖10 25選擇兩個變量配對 圖10 26 Two Related Samples Options 對話框 圖10 27選擇兩個變量配對 10 7 3結(jié)果和討論 1 描述性統(tǒng)計部分結(jié)果如下表所示 2 Wilcoxon檢驗結(jié)果如下兩表所示 3 符號檢驗結(jié)果如下兩表所示 4 McNemar檢驗結(jié)果如下兩表所示 10 8多配對樣本非參數(shù)檢驗 10 8 1統(tǒng)計學上的定義和計算公式 定義 多配對樣本非參數(shù)檢驗是對多個匹配樣本的總體分布是否存在顯著性差異進行統(tǒng)計分析 SPSS中有以下3種多配對樣本非參數(shù)檢驗方法 1 多配對樣本的Friendman檢驗 多配對樣本的Friendman檢驗是利用秩實現(xiàn)多個配對總體分布檢驗的一種方法 多配對樣本的Friendman檢驗要求數(shù)據(jù)是定距的 其零假設為 樣本來自的多個配對總體的分布無顯著差異 多配對樣本的Friendman檢驗的實現(xiàn)原理是 首先以樣本為單位 將各個樣本數(shù)據(jù)按照升序排列 求得各個樣本數(shù)據(jù)在各自行中的秩 然后計算各樣本的秩總和及平均秩 如果多個配對樣本的分布存在顯著的差異 那么數(shù)值普遍偏大的組秩和必然偏大 數(shù)值普遍偏小的組 秩和也必然偏小 各組的秩之間就會存在顯著差異 如果各樣本的平均秩大致相當 那么可以認為各組的總體分布沒有顯著差異 2 多配對樣本的Kendall協(xié)同系數(shù)檢驗 多配對樣本的Kendall協(xié)同系數(shù)檢驗和Friedman檢驗非常類似 也是一種多配對樣本的非參數(shù)檢驗 但分析的角度不同 多配對樣本的Kendall協(xié)同系數(shù)檢驗主要用在分析評判者的判別標準是否一致公平方面 它將每個評判對象的分數(shù)都看作是來自多個配對總體的樣本 一個評判對象對不同被判定對象的分數(shù)構(gòu)成一個樣本 其零假設為 樣本來自的多個配對總體的分布無顯著差異 即評判者的評判標準不一致 Kendall協(xié)同系數(shù)檢驗中會計算Friedman檢驗方法 得到friedman統(tǒng)計量和相伴概率 如果相伴概率小于顯著性水平 可以認為這10個節(jié)目之間沒有顯著差異 那么可以認為這5個評委判定標準不一致 也就是判定結(jié)果不一致 3 多配對樣本的CochranQ檢驗 多配對樣本的CochranQ檢驗也是對多個互相匹配樣本總體分布是否存在顯著性差異的統(tǒng)計檢驗 不同的是多配對樣本的CochranQ檢驗所能處理的數(shù)據(jù)是二值的 0和1 其零假設是 樣本來自的多配對總體分布無顯著差異 10 8 2SPSS中實現(xiàn)過程 研究問題1為了試驗某種減肥藥的性能 測量10個人在服用該藥前以及服用該藥一個月后 兩個月后 3個月后的體重 問在這4個時期