清華時(shí)立文詳解

清華時(shí)立文詳解演示文稿現(xiàn)在是1頁\一共有40頁\編輯于星期日優(yōu)選清華時(shí)立文現(xiàn)在是2頁\一共有40頁\編輯于星期日8.1非參數(shù)檢驗(yàn)概述非參數(shù)檢驗(yàn)處理問題大致分為兩類：一類是兩個(gè)母體的分布未知，用兩組樣本來檢驗(yàn)它們是否相同；另一類是假設(shè)一組樣本的母體分布，然后用另一組樣本來檢驗(yàn)它是否正確。3現(xiàn)在是3頁\一共有40頁\編輯于星期日8.1.1非參數(shù)統(tǒng)計(jì)與參數(shù)統(tǒng)計(jì)參數(shù)統(tǒng)計(jì)是這樣一種檢驗(yàn)：它的模型對(duì)抽出研究樣本的總體的參數(shù)規(guī)定了某些條件。由于這些條件通常未受檢驗(yàn)，因此假設(shè)它們成立。參數(shù)檢驗(yàn)結(jié)果的意義取決于這些假設(shè)的合理性。參數(shù)檢驗(yàn)也要求所分析的數(shù)據(jù)要至少是從間隔量表水平的測(cè)量中獲取的。非參數(shù)檢驗(yàn)是這樣一種檢驗(yàn)：其模型對(duì)于被抽樣總體的參數(shù)不規(guī)定條件。大多數(shù)非參數(shù)檢驗(yàn)都包含一定的假設(shè)，即觀測(cè)是獨(dú)立的，所研究的變量具有基礎(chǔ)的連續(xù)性。不過這些假設(shè)比起參數(shù)檢驗(yàn)的假設(shè)來要少，并且弱得多。而且，非參數(shù)檢驗(yàn)并不要求像參數(shù)檢驗(yàn)所要求的那么高的測(cè)量，大多數(shù)非參數(shù)檢驗(yàn)用于順序量表的數(shù)據(jù)，也有一些用于名稱量表的數(shù)據(jù)。在現(xiàn)實(shí)生活中，往往不知道客觀現(xiàn)象的總體分布情況如何，因此應(yīng)用參數(shù)檢驗(yàn)的方法就會(huì)產(chǎn)生困難。例如，要檢驗(yàn)兩個(gè)總體的均值是否相同，利用T分布進(jìn)行檢驗(yàn)，就需要假定兩個(gè)總體的分布都是服從正態(tài)分布的。但若不知道總體分布的情況或總體不滿足正態(tài)分布的假設(shè)，應(yīng)用T檢驗(yàn)就會(huì)存在困難。在不知道客觀現(xiàn)象服從何種分布的情況下，需要根據(jù)樣本信息來推斷總體是否屬于某種理論分布。在數(shù)理統(tǒng)計(jì)中，對(duì)不考慮原來的總體分布進(jìn)行估計(jì)和檢驗(yàn)的方法統(tǒng)稱為非參數(shù)統(tǒng)計(jì)方法。4現(xiàn)在是4頁\一共有40頁\編輯于星期日8.1.2參數(shù)檢驗(yàn)的優(yōu)點(diǎn)在本章中所講的非參數(shù)檢驗(yàn)都是最簡單、最基本的非參數(shù)檢驗(yàn)方法，非參數(shù)檢驗(yàn)方法近年來發(fā)展極為迅速，已成為21世紀(jì)統(tǒng)計(jì)學(xué)發(fā)展的焦點(diǎn)之一。這是因?yàn)?，與參數(shù)檢驗(yàn)相比，非參數(shù)檢驗(yàn)具有很多優(yōu)勢(shì)。(1) 大多數(shù)非參數(shù)檢驗(yàn)所得出的概率描述是精確的概率(大樣本情況除外，那里有極好的近似可用)，與其抽樣的總體分布形式如何無關(guān)。(2) 如果所使用的樣本容量小到N=6，那么除非確切知道總體分布的性質(zhì)，否則我們只能用非參數(shù)統(tǒng)計(jì)檢驗(yàn)，而沒有別的選擇余地。(3) 對(duì)于處理來自幾個(gè)不同總體的觀測(cè)量所組成的樣本，有一些合適的非參數(shù)統(tǒng)計(jì)檢驗(yàn)。(4) 非參數(shù)統(tǒng)計(jì)檢驗(yàn)可用來處理確實(shí)只是分等的數(shù)據(jù)，以及表面上是數(shù)字結(jié)果但實(shí)質(zhì)為分等水平的數(shù)據(jù)。(5) 非參數(shù)估計(jì)對(duì)檢驗(yàn)的限制少，具有較好的穩(wěn)健性。(6) 非參數(shù)檢驗(yàn)方法不僅適用于定比數(shù)據(jù)和定距數(shù)據(jù)的檢驗(yàn)，還適用于定類和定序數(shù)據(jù)的檢驗(yàn)，即以名稱量表測(cè)量的數(shù)據(jù)，可以彌補(bǔ)參數(shù)檢驗(yàn)中碰到的無法運(yùn)用的定性資料的檢驗(yàn)問題。5現(xiàn)在是5頁\一共有40頁\編輯于星期日8.1.3參數(shù)檢驗(yàn)的缺點(diǎn)非參數(shù)檢驗(yàn)雖然適用范圍較廣且穩(wěn)健性良好，尤其是高級(jí)非參數(shù)檢驗(yàn)已經(jīng)顯示出參數(shù)檢驗(yàn)所無法比擬的優(yōu)勢(shì)，但這些方法都要求用戶有非常深厚的數(shù)理統(tǒng)計(jì)功底，并且大都需要編寫程序才能完成。與參數(shù)檢驗(yàn)相比，非參數(shù)檢驗(yàn)有以下缺點(diǎn)。(1) 如果參數(shù)統(tǒng)計(jì)模型的所有假設(shè)在數(shù)據(jù)中事實(shí)上都能滿足，而且測(cè)量達(dá)到了所要求的水平，那么用非參數(shù)檢驗(yàn)就浪費(fèi)了數(shù)據(jù)。(2) 非參數(shù)檢驗(yàn)通常利用的不是原始數(shù)據(jù)，而是原始數(shù)據(jù)的秩或等級(jí)，這就可能損失了原始數(shù)據(jù)中所包含的信息。(3) 如果大部分?jǐn)?shù)據(jù)分布比較集中，但存在少數(shù)非常大或非常小的極端值，此時(shí)采用無參數(shù)檢驗(yàn)就不能完全覆蓋信息。(4) 進(jìn)行分組比較后，若母體存在差異，那就應(yīng)該進(jìn)行兩兩比較，但還沒有一種非參數(shù)統(tǒng)計(jì)方法能用來檢驗(yàn)方差分析模型中的交互作用，除非對(duì)其特征作特殊假設(shè)。6現(xiàn)在是6頁\一共有40頁\編輯于星期日8.2卡方檢驗(yàn)卡方檢驗(yàn)是一種極為典型的對(duì)總體分布進(jìn)行檢驗(yàn)的非參數(shù)檢驗(yàn)方法，也稱為卡方擬合優(yōu)度檢驗(yàn)，用于檢驗(yàn)數(shù)據(jù)是否與某種概率分布的理論數(shù)字相吻合，進(jìn)而推斷樣本數(shù)據(jù)是否來自該分布的問題。7現(xiàn)在是7頁\一共有40頁\編輯于星期日8.2.1卡方檢驗(yàn)的原理1．卡方檢驗(yàn)基本介紹2．卡方檢驗(yàn)的基本思想8現(xiàn)在是8頁\一共有40頁\編輯于星期日8.2.2卡方檢驗(yàn)的SPSS操作建立或打開數(shù)據(jù)文件后，即可進(jìn)行卡方檢驗(yàn)，卡方檢驗(yàn)通過“卡方”命令來實(shí)現(xiàn)。SPSS的卡方檢驗(yàn)的數(shù)據(jù)存放有兩種方式：一種是定義一個(gè)變量存放所有的樣本值，并將重復(fù)的樣本值作為不同的個(gè)案保存；另一種是定義兩個(gè)變量，一個(gè)存放不同的樣本值，另一個(gè)存放該樣本值的相應(yīng)頻率，但這時(shí)應(yīng)將頻率變量定義為加權(quán)變量。在數(shù)據(jù)編輯窗口中，執(zhí)行菜單欄中的“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“卡方”命令，打開圖8-1所示的“卡方檢驗(yàn)”對(duì)話框。9現(xiàn)在是9頁\一共有40頁\編輯于星期日8.2.2卡方檢驗(yàn)的SPSS操作在主對(duì)話框中，單擊“選項(xiàng)”按鈕，打開圖8-2所示的“卡方檢驗(yàn)：選項(xiàng)”對(duì)話框。在主對(duì)話框中單擊“精確”按鈕，打開圖8-3所示的“精確檢驗(yàn)”對(duì)話框。10現(xiàn)在是10頁\一共有40頁\編輯于星期日8.2.3卡方檢驗(yàn)實(shí)例下面以一個(gè)實(shí)例來簡單說明卡方檢驗(yàn)的運(yùn)用，以及對(duì)其結(jié)果的解讀。在一個(gè)正20面體的各面上分別標(biāo)上0～9十個(gè)數(shù)字，每個(gè)數(shù)字在兩個(gè)面上標(biāo)出。為了檢驗(yàn)其均勻性，現(xiàn)將它投擲805次，得出各數(shù)字朝上的次數(shù)。依據(jù)此數(shù)據(jù)，建立數(shù)據(jù)文件frequency.sav，數(shù)據(jù)如圖8-4所示。11現(xiàn)在是11頁\一共有40頁\編輯于星期日8.2.3卡方檢驗(yàn)實(shí)例1.操作步驟按如下順序進(jìn)行操作。(1) 打開數(shù)據(jù)文件frequency.sav，如圖8-4所示。(2) 首先對(duì)數(shù)據(jù)進(jìn)行加權(quán)，從菜單欄選擇“數(shù)據(jù)”→“加權(quán)個(gè)案”命令，打開“加權(quán)個(gè)案”對(duì)話框。在該對(duì)話框中，以frequency為加權(quán)變量，選擇對(duì)其數(shù)據(jù)進(jìn)行加權(quán)。關(guān)于該操作，在第2章已經(jīng)詳細(xì)講解過，此處不再贅述。(3) 執(zhí)行菜單欄中的“分析”→“非參數(shù)檢驗(yàn)””→“舊對(duì)話框”→“卡方”命令，打開圖8-1所示的“卡方檢驗(yàn)”對(duì)話框。(4) 將變量Number作為檢驗(yàn)變量選入“檢驗(yàn)變量列表”框中。(5) 單擊“選項(xiàng)”按鈕，打開圖8-2所示的“卡方檢驗(yàn)：選項(xiàng)”對(duì)話框。選擇“描述性”復(fù)選框，要求輸出描述性統(tǒng)計(jì)量。選擇“四分位數(shù)”復(fù)選框，要求輸出4分位數(shù)。單擊“繼續(xù)”按鈕確認(rèn)并返回主對(duì)話框。(6) 單擊“確定”按鈕，執(zhí)行上述操作。12現(xiàn)在是12頁\一共有40頁\編輯于星期日8.2.3卡方檢驗(yàn)實(shí)例2.結(jié)果解讀執(zhí)行上述操作后，即可在輸出窗口中得到分析結(jié)果。表8-1為描述性統(tǒng)計(jì)量表，給出了觀測(cè)量個(gè)數(shù)(N)、均值(Mean)、最小值(Minimum)、最大值(Maxmium)、標(biāo)準(zhǔn)差(Std.Deviation)以及4分位數(shù)(25th、50th和75th)。表8-2為期望頻率和觀測(cè)頻率表。表8-3為卡方檢驗(yàn)表。參見教材P21213現(xiàn)在是13頁\一共有40頁\編輯于星期日8.3二項(xiàng)檢驗(yàn)實(shí)際情況是，很多數(shù)據(jù)的取值是二值的，一般采用0和1來表示兩個(gè)取值。通常將這種二值情況構(gòu)造為二項(xiàng)分布，SPSS中的二項(xiàng)分布檢驗(yàn)過程(BinomialTestsProcedure)正是通過樣本數(shù)據(jù)檢驗(yàn)樣本來自總體是否服從指定概率為p的二項(xiàng)分布。14現(xiàn)在是14頁\一共有40頁\編輯于星期日8.3.1二項(xiàng)分布檢驗(yàn)的原理1．二項(xiàng)分布檢驗(yàn)的簡單介紹2．二項(xiàng)分布檢驗(yàn)的方法15現(xiàn)在是15頁\一共有40頁\編輯于星期日8.3.2二項(xiàng)檢驗(yàn)的SPSS操作創(chuàng)建或打開數(shù)據(jù)文件后，即可進(jìn)行二項(xiàng)分布檢驗(yàn)。二項(xiàng)分布檢驗(yàn)在SPSS中通過“二項(xiàng)式”命令來實(shí)現(xiàn)。在數(shù)據(jù)編輯窗口中，從菜單欄中選擇“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“二項(xiàng)式”命令，打開圖8-5所示的“二項(xiàng)式檢驗(yàn)”對(duì)話框。16現(xiàn)在是16頁\一共有40頁\編輯于星期日8.3.2二項(xiàng)檢驗(yàn)的SPSS操作在主對(duì)話框中單擊“選項(xiàng)”按鈕，打開圖8-6所示的“二項(xiàng)式檢驗(yàn)：選項(xiàng)”對(duì)話框。在主對(duì)話框中單擊“精確”按鈕，打開圖8-7所示的“精確檢驗(yàn)”對(duì)話框。17現(xiàn)在是17頁\一共有40頁\編輯于星期日8.3.3二項(xiàng)分布檢驗(yàn)實(shí)例1．操作步驟建立數(shù)據(jù)文件后，在數(shù)據(jù)編輯器中打開數(shù)據(jù)文件“硬幣結(jié)果.saw”。(1) 從菜單欄中選擇“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“二項(xiàng)式”命令，打開圖8-5所示的“二項(xiàng)式檢驗(yàn)”對(duì)話框。(2) 將變量result作為檢驗(yàn)變量從左側(cè)的源變量列表框中選入“檢驗(yàn)變量列表”框中。(3) 在主對(duì)話框中單擊“選項(xiàng)”按鈕，打開圖8-6所示的“二項(xiàng)式檢驗(yàn)：選項(xiàng)”對(duì)話框。選擇“描述”復(fù)選框，要求輸出描述性統(tǒng)計(jì)量，然后單擊“繼續(xù)”按鈕確認(rèn)，返回主對(duì)話框。(4) 單擊“確定”按鈕，執(zhí)行上述操作。18現(xiàn)在是18頁\一共有40頁\編輯于星期日8.3.3二項(xiàng)分布檢驗(yàn)實(shí)例2．結(jié)果解讀二項(xiàng)分布檢驗(yàn)的結(jié)果比較簡單。執(zhí)行上述操作后，SPSS會(huì)在結(jié)果輸出窗口中給出描述性統(tǒng)計(jì)量表和二項(xiàng)分布檢驗(yàn)表。表8-4為描述性統(tǒng)計(jì)量表，給出了觀測(cè)量個(gè)數(shù)(N)、均值(Mean)、標(biāo)準(zhǔn)差(Std.Deviation)、最小值(Minimum)和最大值(Maximum)。表8-5為二項(xiàng)分布檢驗(yàn)表。參見教材P21719現(xiàn)在是19頁\一共有40頁\編輯于星期日8.4游程檢驗(yàn)在多數(shù)研究中，樣本都是從母體中隨機(jī)抽取的，若樣本不是隨機(jī)抽樣而得，則所做的任何推斷都是無意義的。因此，研究者除了研究分布的位置或形狀外，還需要研究樣本的隨機(jī)性。游程檢驗(yàn)(RunsTest)的目的就是檢驗(yàn)取值為二分類，并且按時(shí)間或某種順序排列的數(shù)列數(shù)據(jù)是否為真正隨機(jī)出現(xiàn)，即各觀察對(duì)象是否來自同一母體，并且取值各自獨(dú)立。20現(xiàn)在是20頁\一共有40頁\編輯于星期日8.4.1游程檢驗(yàn)的原理游程檢驗(yàn)是一種利用游程的總數(shù)獲得統(tǒng)計(jì)推斷結(jié)論的方法，其目的就是檢驗(yàn)取值為二分類，并且按時(shí)間或某種順序排列的數(shù)列數(shù)據(jù)是否為真正隨機(jī)出現(xiàn)，即各觀察對(duì)象是否來自同一母體，并且取值各自獨(dú)立。游程檢驗(yàn)方法是基于樣本所顯示的游程數(shù)。在任一給定容量的樣本中，游程的總數(shù)標(biāo)志著樣本是否是隨機(jī)的。如果游程的數(shù)目很少，就意味著樣本由于缺乏獨(dú)立性而形成了一致的趨勢(shì)或成束結(jié)構(gòu)；若有極大量的游程，則看來有系統(tǒng)的短周期波動(dòng)影響著觀察結(jié)果。在SPSS中，通過非參數(shù)檢驗(yàn)中的“游程”命令來實(shí)現(xiàn)游程檢驗(yàn)。游程檢驗(yàn)的原假設(shè)為序列具有隨機(jī)性。在SPSS的游程檢驗(yàn)中，利用游程構(gòu)造檢驗(yàn)統(tǒng)計(jì)量，判斷樣本數(shù)據(jù)的隨機(jī)性。在大樣本條件下，游程的抽樣分布近似服從正態(tài)分布，SPSS將自動(dòng)計(jì)算統(tǒng)計(jì)量，并根據(jù)正態(tài)分布的分布函數(shù)求出相應(yīng)的概率p值，并將p值與顯著性水平相比較。利用游程檢驗(yàn)方法既可以對(duì)次序統(tǒng)計(jì)量進(jìn)行隨機(jī)性檢驗(yàn)，還可以對(duì)不同的兩個(gè)總體進(jìn)行顯著性檢驗(yàn)。單樣本游程檢驗(yàn)用來檢驗(yàn)變量值的出現(xiàn)是否具有隨機(jī)性，而兩個(gè)獨(dú)立變量的游程檢驗(yàn)則用來檢驗(yàn)兩組獨(dú)立樣本來自的兩個(gè)總體的分布是否存在顯著性差異。其原假設(shè)是：兩組獨(dú)立樣本來自的兩個(gè)總體分布無顯著性差異。兩組獨(dú)立樣本的游程檢驗(yàn)與單樣本游程檢驗(yàn)的思想基本相同，不同的是計(jì)算游程數(shù)的方法。在兩組獨(dú)立樣本的游程檢驗(yàn)中，游程數(shù)依賴于變量的秩。游程檢驗(yàn)是一種檢驗(yàn)效能非常低的方法，它只利用了游程的數(shù)目，失去了絕大部分的信息，得出的隱性結(jié)論只能供參考，因此如果有其他方法可供選擇，請(qǐng)讀者盡量不要使用此方法。21現(xiàn)在是21頁\一共有40頁\編輯于星期日8.4.2游程檢驗(yàn)的SPSS操作建立或打開數(shù)據(jù)文件后，即可進(jìn)行游程檢驗(yàn)。從菜單欄中執(zhí)行“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“游程”命令，打開“游程檢驗(yàn)”對(duì)話框，如圖8-8所示。單擊“選項(xiàng)”按鈕，打開“游程檢驗(yàn)：選項(xiàng)”對(duì)話框。單擊“精確”按鈕，打開“精確檢驗(yàn)”對(duì)話框。這兩個(gè)對(duì)話框的功能和設(shè)置方法與上一節(jié)相應(yīng)的對(duì)話框完全相同，此處不再贅述，讀者可參照第8.2.2節(jié)進(jìn)行學(xué)習(xí)。單擊“確定”按鈕，開始進(jìn)行游程檢驗(yàn)分析過程。22現(xiàn)在是22頁\一共有40頁\編輯于星期日8.4.3游程檢驗(yàn)實(shí)例下面以一個(gè)實(shí)際案例來說明游程檢驗(yàn)的運(yùn)用并對(duì)其結(jié)果作解讀。1.操作步驟(1) 打開數(shù)據(jù)文件。從“轉(zhuǎn)換”菜單下選擇“重新編碼為不同變量”命令，按平均壽命將20個(gè)觀測(cè)個(gè)案分為兩組。壽命值比平均壽命值小的記為1，比平均壽命值大的記為2。用新變量after來表示分組結(jié)果。(2) 從菜單欄中選擇“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“游程”命令，打開圖8-8所示的“游程檢驗(yàn)”對(duì)話框。(3) 將變量after作為檢驗(yàn)變量選入“檢驗(yàn)變量列表”框。(4) 從“割點(diǎn)”欄選擇“均值”，以平均數(shù)作為分界點(diǎn)。(5) 其他采用默認(rèn)設(shè)置。單擊“確定”按鈕執(zhí)行游程檢驗(yàn)。23現(xiàn)在是23頁\一共有40頁\編輯于星期日8.4.3游程檢驗(yàn)實(shí)例2．結(jié)果解讀在結(jié)果輸出窗口中輸出描述性統(tǒng)計(jì)量表和游程檢驗(yàn)表。表8-6為描述性統(tǒng)計(jì)量表。表8-7為游程檢驗(yàn)表。參見教材P22024現(xiàn)在是24頁\一共有40頁\編輯于星期日8.5單樣本K-S檢驗(yàn)前面所講述的幾種分析方法實(shí)際上都是對(duì)分類數(shù)據(jù)進(jìn)行研究。實(shí)際上，很多時(shí)候收集到的都是連續(xù)性數(shù)據(jù)。本節(jié)要講解的Kolmogorov-Smirnov檢驗(yàn)則可以對(duì)連續(xù)性數(shù)據(jù)進(jìn)行分析。Kolmogorov-Smirnov檢驗(yàn)是以俄羅斯數(shù)學(xué)家柯爾莫哥洛夫和斯密爾洛夫的名字命名的一種非參數(shù)檢驗(yàn)，該檢驗(yàn)是一種擬合優(yōu)度檢驗(yàn)，可以利用樣本數(shù)據(jù)推斷樣本來自的總體是否服從某一理論分布。25現(xiàn)在是25頁\一共有40頁\編輯于星期日8.5.1單樣本K-S檢驗(yàn)的原理1．K-S檢驗(yàn)的簡單介紹2．單樣本K-S檢驗(yàn)的基本方法26現(xiàn)在是26頁\一共有40頁\編輯于星期日8.5.2單樣本K-S檢驗(yàn)的SPSS操作建立或打開數(shù)據(jù)文件后，即可進(jìn)行單樣本K-S檢驗(yàn)。在數(shù)據(jù)編輯器窗口中，從菜單欄中選擇“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“1-樣本K-S”命令，打開圖8-9所示的“單樣本Kolmogorov-Smirnov檢驗(yàn)”對(duì)話框。該對(duì)話框下方的“檢驗(yàn)分布”欄用于指定檢驗(yàn)的分布類型，包括以下4個(gè)復(fù)選框。常規(guī)，選擇此項(xiàng)，則檢驗(yàn)變量是否服從正態(tài)分布，這是系統(tǒng)默認(rèn)選項(xiàng)。相等，選擇此項(xiàng)，則檢驗(yàn)變量是否服從均勻分布。泊松，選擇此項(xiàng)，則檢驗(yàn)變量是否服從泊松分布。指數(shù)分布，選擇此項(xiàng)，則檢驗(yàn)變量是否服從指數(shù)分布。27現(xiàn)在是27頁\一共有40頁\編輯于星期日8.5.3單樣本K-S檢驗(yàn)實(shí)例下面以一個(gè)實(shí)際案例來簡單說明單樣本K-S檢驗(yàn)的應(yīng)用并對(duì)其結(jié)果進(jìn)行解讀。1．操作步驟(1) 根據(jù)數(shù)據(jù)建立數(shù)據(jù)文件“電子元件使用壽命.sav”。(2) 在數(shù)據(jù)編輯窗口中，從菜單欄中選擇“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“1-樣本K-S”命令，打開圖8-9所示的“單樣本Kolmogorov-Smirnov檢驗(yàn)”對(duì)話框。(3) 將變量使用壽命作為檢驗(yàn)變量選入“檢驗(yàn)變量列表”框中。(4) 在主對(duì)話框下方的“檢驗(yàn)分布”欄中，選擇“指數(shù)分布”復(fù)選框，檢驗(yàn)變量是否服從指數(shù)分布。(5) 從選項(xiàng)對(duì)話框中選擇“描述性”復(fù)選框，要求輸出描述性統(tǒng)計(jì)量。(6) 單擊“確定”按鈕，執(zhí)行單樣本K-S檢驗(yàn)。28現(xiàn)在是28頁\一共有40頁\編輯于星期日8.5.3單樣本K-S檢驗(yàn)實(shí)例2．結(jié)果解讀執(zhí)行上述操作后，在結(jié)果輸出窗口中輸出描述性統(tǒng)計(jì)量表和單樣本K-S檢驗(yàn)表。表8-8為描述性統(tǒng)計(jì)量表，表中輸出了觀測(cè)量個(gè)數(shù)、均值、最小值、最大值和標(biāo)準(zhǔn)差。表8-9為單樣本K-S檢驗(yàn)表。參見教材P22429現(xiàn)在是29頁\一共有40頁\編輯于星期日8.6兩組獨(dú)立樣本檢驗(yàn)兩組獨(dú)立樣本的非參數(shù)檢驗(yàn)是在對(duì)總體分布不甚了解的情況下，通過對(duì)兩組獨(dú)立樣本進(jìn)行分析，推斷來自兩個(gè)總體的分布是否存在顯著性差異的方法。獨(dú)立樣本是指在一個(gè)總體中隨機(jī)抽樣與在另一個(gè)總體中隨機(jī)抽樣沒有影響的情況下獲得的樣本。SPSS提供了多種兩組獨(dú)立樣本的非參數(shù)檢驗(yàn)方法，主要包括Mann-Whitney檢驗(yàn)、K-S檢驗(yàn)、W-W游程檢驗(yàn)、極端反應(yīng)檢驗(yàn)等。30現(xiàn)在是30頁\一共有40頁\編輯于星期日8.6.1兩組獨(dú)立樣本檢驗(yàn)的原理1．兩組獨(dú)立樣本檢驗(yàn)的簡單介紹2.兩組獨(dú)立樣本檢驗(yàn)的方法(1) Mann-WhitneyU檢驗(yàn)(2) Moses極端反應(yīng)檢驗(yàn)(3) Kolmogorov-SmirnovZ檢驗(yàn)(4) Wald-Wolfowitz游程檢驗(yàn)31現(xiàn)在是31頁\一共有40頁\編輯于星期日8.6.2兩組獨(dú)立樣本檢驗(yàn)的SPSS操作建立或打開數(shù)據(jù)文件后，即可開始進(jìn)行兩組獨(dú)立樣本檢驗(yàn)。在數(shù)據(jù)編輯窗口中，從菜單欄中選擇“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“兩個(gè)獨(dú)立樣本”命令，打開圖8-10所示的“兩個(gè)獨(dú)立樣本檢驗(yàn)”對(duì)話框?！胺纸M變量”文本框用于指定分組變量。和兩樣本T檢驗(yàn)相同，該分組變量也必須是“定義組”詳細(xì)定義進(jìn)行比較的兩個(gè)組的變量取值。選入分組變量后，“定義組”按鈕被激活，單擊該按鈕，打開“兩獨(dú)立樣本：定義組”對(duì)話框，如圖8-11所示。32現(xiàn)在是32頁\一共有40頁\編輯于星期日8.6.2兩組獨(dú)立樣本檢驗(yàn)的SPSS操作主對(duì)話框下方的“檢驗(yàn)類型”欄用于選擇所采用的檢驗(yàn)方法：Mann-WhitneyU復(fù)選框，選擇此項(xiàng)，則使用Mann-WhitneyU方法來進(jìn)行檢驗(yàn)；Moses極限反應(yīng)復(fù)選框，選擇此項(xiàng)，則使用Moses極端反應(yīng)檢驗(yàn)來進(jìn)行檢驗(yàn)；Kolmogorov-SmirnovZ復(fù)選框，選擇此項(xiàng)，則使用Kolmogorov-Smirnov雙樣本檢驗(yàn)來進(jìn)行檢驗(yàn)；Wald-Wolfowitz游程復(fù)選框，選擇此項(xiàng)，則使用Wald-Wolfowitz游程檢驗(yàn)來進(jìn)行檢驗(yàn)。在主對(duì)話框中單擊“選項(xiàng)”按鈕，將打開“兩獨(dú)立樣本：選項(xiàng)”對(duì)話框，在其中可以選擇要輸出的統(tǒng)計(jì)量以及缺失值的處理方式。單擊“精確”按鈕將打開“精確檢驗(yàn)”對(duì)話框。所有設(shè)置結(jié)束后，單擊“確定”按鈕，執(zhí)行兩組獨(dú)立樣本檢驗(yàn)。33現(xiàn)在是33頁\一共有40頁\編輯于星期日8.6.3兩組獨(dú)立樣本檢驗(yàn)實(shí)例在利用SPSS進(jìn)行兩組獨(dú)立樣本的非參數(shù)檢驗(yàn)之前，應(yīng)按規(guī)定的格式組織好數(shù)據(jù)。這里設(shè)置兩個(gè)變量：一個(gè)變量存放樣本值，另一個(gè)變量存放組標(biāo)記值。下面以一個(gè)實(shí)際案例來講解兩組獨(dú)立樣本檢驗(yàn)的應(yīng)用及其結(jié)果的解讀。1．操作步驟(1) 打開數(shù)據(jù)文件“工藝產(chǎn)品.sav”。(2) 從菜單欄中選擇“分析”→“非參數(shù)檢驗(yàn)”→“舊對(duì)話框”→“兩個(gè)獨(dú)立樣本”命令，打開圖8-10所示的對(duì)話框。(3) 將變量sysm作為檢驗(yàn)變量選入“檢驗(yàn)變量列表”框。(4) 將變量gy作分組變量選入“分組變量”文本框，然后單擊“定義組”按鈕，打開“兩獨(dú)立樣本：定義組”對(duì)話框，給出兩組的組標(biāo)記值。(5) 在“檢驗(yàn)類型”欄中選中所有的檢驗(yàn)方法。(6) 單擊“選項(xiàng)”按鈕，打開“兩獨(dú)立樣本：選項(xiàng)”對(duì)話框。選擇“描述性”復(fù)選框，要求輸出描述性統(tǒng)計(jì)量。(7) 單擊“確定”按鈕，執(zhí)行上述操作。34現(xiàn)在是34頁\一共有40頁\編輯于星期日8.6.3兩組獨(dú)立樣本檢驗(yàn)實(shí)例2．結(jié)果解讀執(zhí)行上述操作后，按照每種檢驗(yàn)方法分別給出檢驗(yàn)結(jié)果。表8-10為描述性統(tǒng)計(jì)量表，分別給出兩個(gè)變量的觀測(cè)量數(shù)、均值、最小值、最大值和標(biāo)準(zhǔn)差。表8-11為采用Mann-WhitneyU檢驗(yàn)方法得出的結(jié)果。表8-12為采用K-S檢驗(yàn)方法的結(jié)果。表8-13為Moses極端反應(yīng)檢驗(yàn)的結(jié)果。表8-14為Wald-Wolfowitz游程檢驗(yàn)得到的結(jié)果。參見教材P22935現(xiàn)在是35頁\一共有40頁\編輯于星期日8.7多獨(dú)立樣本檢驗(yàn)多獨(dú)立樣本檢驗(yàn)是通過分析多組獨(dú)立樣本的數(shù)據(jù)，推斷樣本來自的多個(gè)總體的中位數(shù)或分布是否存在顯著性差異。多組獨(dú)立樣本是指按獨(dú)立抽樣方式獲得的多組樣本。SPSS提供的多獨(dú)立樣本檢驗(yàn)的方法包括中位數(shù)檢驗(yàn)、Kruskal-Wallis檢驗(yàn)和Jonckheere-Terpstra檢驗(yàn)。36現(xiàn)在是36頁\一共有40頁\編輯于星期日8.7.1多獨(dú)立樣本檢驗(yàn)的原理1．Kruskal-Wallis單向評(píng)秩方差分析2．推廣的中位數(shù)檢驗(yàn)3．Jonckheere-Terpstra檢驗(yàn)37現(xiàn)在是37頁\一共有40頁\編輯于星期日8.7.2多獨(dú)立樣本檢驗(yàn)的SPSS操作建立或打開數(shù)據(jù)文件后，即可開始進(jìn)行多獨(dú)立樣本的非參數(shù)