【連載3】如何使用spss做非參數(shù)檢驗(yàn)

非參數(shù)檢驗(yàn)是一個(gè)相當(dāng)宏大的命題。由于實(shí)際情況的復(fù)雜多變，因此非參數(shù)檢驗(yàn)包括了許多的各種各樣的檢驗(yàn)方法。之前我們提過，參數(shù)檢驗(yàn)的使用條件是被檢驗(yàn)的樣本總體服從正態(tài)分布，而非參數(shù)檢驗(yàn)的使用條件自然就是總體不服從或不確定是否服從正態(tài)分布。（實(shí)際上，這里要特別說明一下，盡管非參數(shù)檢驗(yàn)的使用條件更寬松，但是考慮到精確性，不是特殊要求的話，我們還是盡可能的使用均值檢驗(yàn)。）

比較常見的單樣本非參數(shù)檢驗(yàn)包括游程檢驗(yàn)和單樣本K-S檢驗(yàn)。

游程檢驗(yàn)：

它通常用于檢測兩個(gè)不同的觀測值出現(xiàn)的次序是否具有隨機(jī)性。舉個(gè)例子，假如我們想知道每天來門診就診的人是否生病的次序是否隨機(jī)，那么我們就使用游程檢驗(yàn)。我們記錄下來個(gè)案依次是否生病，比如是為1，否為0。然后我們就有了一個(gè)由0和1構(gòu)成的變量列，

我們選擇分析——非參數(shù)檢驗(yàn)——舊對話框——游程，在主面板的檢驗(yàn)變量列表里選入我們的0,1變量列。選項(xiàng)卡里邊選擇描述性，其他默認(rèn)。割點(diǎn)可以全選。

輸出結(jié)果看p值就可以了（我真的不想再重復(fù)怎么看p值了）。

單樣本K-S檢驗(yàn);

這個(gè)就比較重要了。這個(gè)檢驗(yàn)的目的在于觀測樣本的分布。哦，想想也知道很重要。只要我們想做相關(guān)和回歸，那我們就最好用K-S檢驗(yàn)來檢查一下樣本的分布。畢竟pearson相關(guān)系數(shù)有效的一個(gè)重要條件就是樣本服從正態(tài)分布。

我們選擇分析——非參數(shù)檢驗(yàn)——舊對話框——1樣本K-S，在主對話框的檢驗(yàn)變量列表里邊選入我們想檢驗(yàn)分布的變量（比如一群病號的血細(xì)胞數(shù)），選項(xiàng)卡里勾選描述性和四分位數(shù)，其他默認(rèn)。在檢驗(yàn)分布的下邊有四個(gè)供勾選的框框，這個(gè)要注意一下，常規(guī)指的就是正態(tài)分布，相等則是指均勻分布，勾選你想檢驗(yàn)的分布（一般是正態(tài)分布）。確定以后就可以看結(jié)果了。

描述性統(tǒng)計(jì)量表會給你一些基本指標(biāo)，幫助你感受這些數(shù)據(jù)。K-S檢驗(yàn)表的p值會告訴你樣本是否服從指定的分布，如果是的話，表里邊還有一些其他的指標(biāo)可以參考。

單樣本非參數(shù)檢驗(yàn)已經(jīng)結(jié)束了（怎么這么少？），下邊我們說一下獨(dú)立樣本非參數(shù)檢驗(yàn)。

兩獨(dú)立樣本非參數(shù)檢驗(yàn)：

打開菜單分析——非參數(shù)檢驗(yàn)——舊對話框——2個(gè)獨(dú)立樣本，在主面板里邊檢驗(yàn)變量選入檢驗(yàn)變量，分組變量選入分組變量，選項(xiàng)卡中選入描述性，四分位數(shù)，其他默認(rèn)。在檢驗(yàn)類型里邊有四個(gè)供勾選的框框，我們一一學(xué)習(xí)。

Mann-whitney 檢驗(yàn)：

就是大名鼎鼎的秩和檢驗(yàn)。

這個(gè)檢驗(yàn)利用樣本觀察值得秩來推斷兩樣本所在總體的分布是否相同（不曉得什么是秩的回去翻一遍你們的高數(shù)課本）。這是一個(gè)最常用的檢驗(yàn)。舉例，假設(shè)我們知道一組患病的人和不患病的人的血細(xì)胞數(shù)，想檢查是否具有差異，那么我們就使用秩和檢驗(yàn)，我保證沒舉錯(cuò)例子，這個(gè)例子確實(shí)也可以用獨(dú)立樣本t檢驗(yàn)來做（希望大家還記得什么叫獨(dú)立樣本t檢驗(yàn)），當(dāng)然也可以用秩和檢驗(yàn)來做。

它會給出描述性統(tǒng)計(jì)量，秩表，檢驗(yàn)統(tǒng)計(jì)量表。在最后的一個(gè)表里邊我們通過p值判斷差異是否顯著。

Moses極端反應(yīng)檢驗(yàn)：

它適用于實(shí)驗(yàn)條件導(dǎo)致兩個(gè)不同方向的極端反應(yīng)情況（多用于醫(yī)學(xué)，比如有的藥物會導(dǎo)致一部分病人好轉(zhuǎn)的同時(shí)也會導(dǎo)致一部分病人惡化）。

它通過比較實(shí)驗(yàn)組和觀察組，會告訴你是否產(chǎn)生了極端反應(yīng)。（很神奇是不是？）

兩樣本K-S檢驗(yàn)：

這個(gè)檢驗(yàn)用來判斷兩個(gè)樣本的分布是否相同。也是看p值哈。

Wald wolfowit游程檢驗(yàn)：

用來檢驗(yàn)兩樣本是否來自相同的總體。

注意：K-S檢驗(yàn)適用于數(shù)值變量資料或者有序分類資料。

多個(gè)獨(dú)立樣本非參數(shù)檢驗(yàn)：

打開菜單分析——非參數(shù)檢驗(yàn)——舊對話框——K 獨(dú)立檢驗(yàn)，在主面板的檢驗(yàn)變量選入想檢驗(yàn)的變量，分組變量選入分組變量。

檢驗(yàn)類型有三種

K-W檢驗(yàn)：

用來判斷各樣本分別代表的總體是否一致，（相當(dāng)于單因素方差分析），適用于數(shù)值變量和有序分類變量。結(jié)果會給出秩，檢驗(yàn)統(tǒng)計(jì)量。通過p值判斷差異性。若想在進(jìn)行兩兩比較，那就要用到上邊介紹的秩和檢驗(yàn)來進(jìn)行比較了。

中位數(shù)：

適用于數(shù)值變量資料。用來檢驗(yàn)樣本代表的總體中位數(shù)是不是相等。這個(gè)用途還是比較廣泛的。

Jonckheere-Terpstra檢驗(yàn)：

這個(gè)檢驗(yàn)用來處理完全隨機(jī)的資料，比如研究隨著年齡增加，學(xué)習(xí)成績是否也增加？這種有序分組的變量就用這個(gè)檢驗(yàn)來檢驗(yàn)。（我真有點(diǎn)懶得介紹這么冷門的檢驗(yàn)的沖動，不過為了完整還是寫一下吧。）

兩相關(guān)樣本非參數(shù)檢驗(yàn)：

打開兩個(gè)關(guān)聯(lián)樣本檢驗(yàn)主面板，檢驗(yàn)對里邊選擇兩個(gè)相關(guān)變量，檢驗(yàn)類型有四種。

Wilcoxon：

它用來檢驗(yàn)兩個(gè)變量的分布是否有差異。比較常用。比如一種藥物治療前和治療后是否有差別？就用這個(gè)檢驗(yàn)。

符號檢驗(yàn)和wilcoxon差不多，也是檢查差值的。

Mcnemar檢驗(yàn)：

上邊兩個(gè)都是數(shù)值型的連續(xù)性資料，這個(gè)檢驗(yàn)則用于配對計(jì)數(shù)資料，將兩組人進(jìn)行配對，觀察他們的某個(gè)指標(biāo)是否有差異。

邊際同質(zhì)性檢驗(yàn)是mcnemar檢驗(yàn)的一般化和擴(kuò)展，用于多分類配對計(jì)數(shù)資料。比如檢驗(yàn)甲觀察的分類結(jié)果和乙觀察的分類結(jié)果是否有差異。（分好多類）

多個(gè)相關(guān)樣本非參數(shù)檢驗(yàn)：

打開多個(gè)相關(guān)樣本檢驗(yàn)主面板，選入檢驗(yàn)變量，檢驗(yàn)類型一共有三種。

Friedman檢驗(yàn)：

用于檢驗(yàn)多個(gè)相關(guān)樣本是否來自同一總體，是wilcoxon的擴(kuò)展。

KendallW檢驗(yàn)：

檢驗(yàn)樣本的一致性的好壞（不考慮分布的形狀，僅考慮分布是否一致）。

Cochran Q檢驗(yàn)：

用于二分數(shù)據(jù)時(shí)，是mcnemar檢驗(yàn)的延伸，可以比較多個(gè)二分變量的比例的差異是否顯著。

非參數(shù)檢驗(yàn)大概就是這些內(nèi)容了。和參數(shù)檢驗(yàn)一樣，這些檢驗(yàn)的操作操作并不復(fù)雜，結(jié)果也不難判斷，學(xué)習(xí)的難點(diǎn)在于記住這些不同的檢驗(yàn)方法的適用的不同范圍。需要多做一些練習(xí)，才可以鞏固掌握住非參數(shù)檢驗(yàn)的內(nèi)容。CDA數(shù)據(jù)分析師培訓(xùn)