SPSS非參數(shù)檢驗(yàn)：?jiǎn)螛颖?/h5>

2018-01-05

收藏

SPSS非參數(shù)檢驗(yàn)：?jiǎn)螛颖?/span>

一、概念：

單樣本非參數(shù)檢驗(yàn)使用一個(gè)或多個(gè)非參數(shù)檢驗(yàn)識(shí)別單個(gè)字段中的差別。非參數(shù)檢驗(yàn)不假定您的數(shù)據(jù)呈正態(tài)分布。非參數(shù)檢驗(yàn)(Nonparametric tests)是統(tǒng)計(jì)分析方法的重要組成部分，它與參數(shù)檢驗(yàn)共同構(gòu)成統(tǒng)計(jì)推斷的基本內(nèi)容。參數(shù)檢驗(yàn)是在總體分布形式已知的情況下，對(duì)總體分布的參數(shù)如均值、方差等進(jìn)行推斷的方法。但是，在數(shù)據(jù)分析過(guò)程中，由于種種原因，人們往往無(wú)法對(duì)總體分布形態(tài)作簡(jiǎn)單假定，此時(shí)參數(shù)檢驗(yàn)的方法就不再適用了。非參數(shù)檢驗(yàn)正是一類基于這種考慮，在總體方差未知或知道甚少的情況下，利用樣本數(shù)據(jù)對(duì)總體分布形態(tài)等進(jìn)行推斷的方法。由于非參數(shù)檢驗(yàn)方法在推斷過(guò)程中不涉及有關(guān)總體分布的參數(shù)，因而得名為“非參數(shù)”檢驗(yàn)。

二、目標(biāo)（分析-非參數(shù)檢驗(yàn)-單樣本-目標(biāo)）

您的目標(biāo)是什么？目標(biāo)允許您快速指定常用的不同檢驗(yàn)設(shè)置。

2.1、自動(dòng)比較觀察數(shù)據(jù)和假設(shè)數(shù)據(jù)。該目標(biāo)對(duì)僅具有兩個(gè)類別的分類字段應(yīng)用二項(xiàng)式檢驗(yàn)，對(duì)所有其他分類字段應(yīng)用卡方檢驗(yàn)，對(duì)連續(xù)字段應(yīng)用Kolmogorov-Smirnov檢驗(yàn)。

2.2、檢驗(yàn)隨機(jī)序列。該目標(biāo)使用游程檢驗(yàn)來(lái)檢驗(yàn)觀察到的隨機(jī)數(shù)據(jù)值序列。

2.3、自定義分析。當(dāng)您希望手動(dòng)修改“設(shè)置”選項(xiàng)卡上的檢驗(yàn)設(shè)置時(shí)，選中此選項(xiàng)。注意，如果您隨后在“設(shè)置”選項(xiàng)卡上更改了與當(dāng)前選定目標(biāo)不一致的選項(xiàng)，則會(huì)自動(dòng)選擇該設(shè)置。

三、選擇檢驗(yàn)（分析-非參數(shù)統(tǒng)計(jì)-單樣本-設(shè)置-選擇檢驗(yàn)）

1、根據(jù)數(shù)據(jù)自動(dòng)選擇檢驗(yàn)。該設(shè)置對(duì)僅具有兩個(gè)有效（非缺失）類別的分類字段應(yīng)用二項(xiàng)式檢驗(yàn)，對(duì)所有其他分類字段應(yīng)用卡方檢驗(yàn)，對(duì)連續(xù)字段應(yīng)用Kolmogorov-Smirnov檢驗(yàn)。

2、自定義檢驗(yàn)。這些設(shè)置允許您選擇要執(zhí)行的特定檢驗(yàn)。

2.1、比較觀察二分類可能性和假設(shè)二分類可能性（二項(xiàng)式檢驗(yàn)）。二項(xiàng)式檢驗(yàn)可以應(yīng)用到所有字段。這將生成一個(gè)單樣本檢驗(yàn)，可以檢驗(yàn)標(biāo)記字段（只有兩個(gè)類別的分類字段）的觀察分布是否與指定的二項(xiàng)式分布期望相同。此外，您還可以請(qǐng)求置信區(qū)間。

2.2、比較觀察可能性和假設(shè)可能性（卡方檢驗(yàn)）?？ǚ綑z驗(yàn)可以應(yīng)用到名義和有序字段。這將生成一個(gè)單樣本檢驗(yàn)，它可以根據(jù)字段類別的觀察和期望頻率間的差異來(lái)計(jì)算卡方統(tǒng)計(jì)量。

2.3、檢驗(yàn)觀察分布和假設(shè)分布（Kolmogorov-Smirnov檢驗(yàn)）。Kolmogorov-Smirnov檢驗(yàn)可以應(yīng)用到連續(xù)字段。這將生成一個(gè)單樣本檢驗(yàn)，即字段的樣本累積分布函數(shù)是否為齊次的均勻分布、正態(tài)分布、泊松分布或指數(shù)分布。

2.4、比較中位數(shù)和假設(shè)中位數(shù)（Wilcoxon符號(hào)秩檢驗(yàn)）。Wilcoxon符號(hào)秩檢驗(yàn)可以應(yīng)用到連續(xù)字段。這將生成一個(gè)字段中位數(shù)值的單樣本檢驗(yàn)。指定一個(gè)數(shù)字作為假設(shè)中位數(shù)。

2.5、檢驗(yàn)隨機(jī)序列（游程檢驗(yàn)）。游程檢驗(yàn)可以應(yīng)用到所有字段。這將生成一個(gè)單樣本檢驗(yàn)，即對(duì)分字段的值序列是否為隨機(jī)序列。

四、二項(xiàng)式檢驗(yàn)（分析-非參數(shù)統(tǒng)計(jì)-單樣本-設(shè)置-選擇檢驗(yàn)-自定義檢驗(yàn)-二項(xiàng)式檢驗(yàn)）

二項(xiàng)式檢驗(yàn)適用于標(biāo)記字段（只有兩個(gè)類別的分類字段），但可通過(guò)使用定義“成功”的規(guī)則應(yīng)用到所有字段。在生活中有很多數(shù)據(jù)的取值是二值的，例如，人群可以分成男性和女性，產(chǎn)品可以分成合格和不合格，學(xué)生可以分成三好學(xué)生和非三好學(xué)生，投擲硬幣實(shí)驗(yàn)的結(jié)果可以分成出現(xiàn)正面和出現(xiàn)反面等。通常將這樣的二值分別用1或0表示。如果進(jìn)行n次相同的實(shí)驗(yàn)，則出現(xiàn)兩類（1或0）的次數(shù)可以用離散型隨機(jī)變量X來(lái)描述。如果隨機(jī)變量X為1的概率設(shè)為P，則隨機(jī)變量X值為0的概率Q便等于1-P，形成二項(xiàng)分布。SPSS的二項(xiàng)分布檢驗(yàn)正是要通過(guò)樣本數(shù)據(jù)檢驗(yàn)樣本來(lái)自的總體是否服從指定的概率為P的二項(xiàng)分布，其原假設(shè)是：樣本來(lái)自的總體與指定的二項(xiàng)分布無(wú)顯著差異。

1、假設(shè)比例。這指定了定義為“成功”的記錄的期望比例，或p。指定一個(gè)大于0且

小于1的值。默認(rèn)值為0.5。

2、置信區(qū)間。可以使用以下方法計(jì)算二分類數(shù)據(jù)的置信區(qū)間：◎Clopper-Pearson（精確）?；诶鄯e二項(xiàng)式分布的精確區(qū)間?！騄effreys。基于p的后驗(yàn)分布且應(yīng)用Jeffreys先驗(yàn)的Bayesian區(qū)間?！蛩迫槐取；趐的似然函數(shù)的區(qū)間。

3、定義分類字段的成功。這可以指定如何為分類字段定義對(duì)照假設(shè)比例檢驗(yàn)數(shù)據(jù)值的“成功”?！蚴褂迷跀?shù)據(jù)中找到的第一個(gè)類別將使用在樣本中找到的第一個(gè)定義“成功”的值執(zhí)行二項(xiàng)式檢驗(yàn)。此選項(xiàng)僅適用于只有兩個(gè)值的名義或有序字段；如果使用了此選項(xiàng)，則在“字段”選項(xiàng)卡中指定的所有其他分類字段都不會(huì)檢驗(yàn)。這是默認(rèn)值?！蛑付ǔ晒χ祵⑹褂弥付ㄒ远x“成功”的值列表來(lái)執(zhí)行二項(xiàng)式檢驗(yàn)?？梢灾付ㄗ址驍?shù)值列表。列表中的值不需要在樣本中出現(xiàn)。

4、定義連續(xù)字段的成功值。這可以指定如何為連續(xù)字段定義對(duì)照檢驗(yàn)值檢驗(yàn)數(shù)據(jù)值的“成功”。成功被定義為等于或小于割點(diǎn)的值?！驑颖局悬c(diǎn)在最小值和最大值的平均值上設(shè)置割點(diǎn)?！蜃远x割點(diǎn)允許您為割點(diǎn)指定一個(gè)值。

五、卡方檢驗(yàn)（分析-非參數(shù)統(tǒng)計(jì)-單樣本-設(shè)置-選擇檢驗(yàn)-自定義檢驗(yàn)-卡方檢驗(yàn)）

   卡方檢驗(yàn)方法可以根據(jù)樣本數(shù)據(jù)，推斷總體分布與期望分布或某一理論分布是否存在顯著差異，是一種吻合性檢驗(yàn)，通常適于對(duì)有多項(xiàng)分類值的總體分布的分析。它的原假設(shè)是：樣本來(lái)自的總體分布與期望分布或某一理論分布無(wú)差異。

1、所有類別具有相等的概率。這將在樣本中的所有類別間生成均等的頻率。這是默認(rèn)值。

2、自定義期望可能性。這允許您為指定的類別列表指定不相等的頻率。可以指定字符串或數(shù)值列表。列表中的值不需要在樣本中出現(xiàn)。在類別列中，指定類別值。在相對(duì)頻率列中，為每個(gè)類別指定一個(gè)大于0的值。自定義的頻率被視為比率，例如，指定頻率1、2和3等同于指定頻率10、20和30，兩者均指定了期望1/6的記錄屬于第一個(gè)類別，1/3的記錄屬于第二個(gè)類別，1/2的記錄屬于第三個(gè)類別。在指定自定義期望可能性時(shí)，自定義類別值必須包括數(shù)據(jù)中的所有字段值；否則將不對(duì)該字段執(zhí)行檢驗(yàn)。

六、單樣本K-S檢驗(yàn)（分析-非參數(shù)統(tǒng)計(jì)-單樣本-設(shè)置-選擇檢驗(yàn)-自定義檢驗(yàn)-K-S檢驗(yàn)）

   K-S檢驗(yàn)方法能夠利用樣本數(shù)據(jù)推斷樣本來(lái)自的總體是否服從某一理論分布，是一種擬合優(yōu)度的檢驗(yàn)方法，適用于探索連續(xù)型隨機(jī)變量的分布。例如，收集一批周歲兒童身高的數(shù)據(jù)，需利用樣本數(shù)據(jù)推斷周歲兒童總體的身高是否服從正態(tài)分布。再例如，利用收集的住房狀況調(diào)查的樣本數(shù)據(jù)，分析家庭人均住房面積是否服從正態(tài)分布。單樣本K-S檢驗(yàn)的原假設(shè)是：樣本來(lái)自的總體與指定的理論分布無(wú)顯著差異，SPSS的理論分布主要包括正態(tài)分布、均勻分布、指數(shù)分布和泊松分布等。

1、正態(tài)。使用樣本數(shù)據(jù)使用觀察到的均值和標(biāo)準(zhǔn)差；自定義允許您指定值。

2、均勻。使用樣本數(shù)據(jù)使用觀察到的最小值和最大值；自定義允許您指定值。

3、指數(shù)分布。樣本均值使用觀察到的均值；自定義允許您指定值。

4、泊松。樣本均值使用觀察到的均值；自定義允許您指定值。

七、游程檢驗(yàn)（分析-非參數(shù)統(tǒng)計(jì)-單樣本-設(shè)置-選擇檢驗(yàn)-自定義檢驗(yàn)-游程檢驗(yàn)）

變量值隨機(jī)性檢驗(yàn)通過(guò)對(duì)樣本變量值的分析，實(shí)現(xiàn)對(duì)總體的變量值出現(xiàn)是否隨機(jī)進(jìn)行檢驗(yàn)。它的原假設(shè)是：總體變量值出現(xiàn)是隨機(jī)的。變量隨機(jī)性檢驗(yàn)的重要依據(jù)是游程。所謂游程是樣本序列中連續(xù)出現(xiàn)相同的變量值的次數(shù)?？梢灾苯永斫?，如果硬幣的正反面出現(xiàn)是隨機(jī)的，那么在數(shù)據(jù)序列中，許多個(gè)1或許多個(gè)0連續(xù)出現(xiàn)的可能性將不太大，同時(shí)，1和0頻繁交叉出現(xiàn)的可能性也會(huì)較小。因此，游程數(shù)太大或太小都將表明變量值存在不隨機(jī)的現(xiàn)象。

游程檢驗(yàn)適用于標(biāo)記字段（只有兩個(gè)類別的分類字段），但可通過(guò)使用定義組的規(guī)則

應(yīng)用到所有字段。

1、定義分類字段的組 ◎樣本中僅有2個(gè)類別使用在定義組的樣本中找到的值來(lái)執(zhí)行游程檢驗(yàn)。此選項(xiàng)僅適用于只有兩個(gè)值的名義或有序字段；如果使用了此選項(xiàng)，則在“字段”選項(xiàng)卡中指定的所有其他分類字段都不會(huì)檢驗(yàn)?！?qū)?shù)據(jù)重新編碼為2個(gè)類別使用指定以定義某個(gè)組的值列表來(lái)執(zhí)行游程檢驗(yàn)。樣本中的所有其他值定義其他組。列表中的值不需要在樣本中出現(xiàn)，但每個(gè)組中必須至少有一條記錄。

2、定義連續(xù)字段的割點(diǎn)。這可以指定如何為連續(xù)字段定義組。第一組定義為等于或小于割點(diǎn)的值?！驑颖局形粩?shù)在樣本中位數(shù)處設(shè)置割點(diǎn)?！驑颖揪翟跇颖揪堤幵O(shè)置割點(diǎn)?！蜃远x允許您為割點(diǎn)指定一個(gè)值。

CDA數(shù)據(jù)分析師考試相關(guān)入口一覽（建議收藏）：

? 想報(bào)名CDA認(rèn)證考試，點(diǎn)擊>>>   “CDA報(bào)名” 了解CDA考試詳情；

? 想學(xué)習(xí)CDA考試教材，點(diǎn)擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫(kù)，點(diǎn)擊>>> “CDA題庫(kù)” 了解CDA考試詳情；

? 想了解CDA考試含金量，點(diǎn)擊>>> “CDA含金量” 了解CDA考試詳情；

字段 非參數(shù)檢驗(yàn) 正態(tài)分布 二項(xiàng)分布 隨機(jī)變量 指數(shù)分布 二分類 方差

數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

上一篇回歸系列（一）| 怎樣正確地理解線性回歸

下一篇2020美國(guó)總統(tǒng)競(jìng)選大戲開鑼，川普當(dāng)選的奇跡會(huì)再發(fā)生嗎？