SPSS分析技術：多相關樣本的非參數(shù)檢驗；問卷調查的受訪者態(tài)度分析

下面介紹的是多個關聯(lián)樣本非參數(shù)檢驗的方法和應用案例。

多關聯(lián)樣本的非參數(shù)檢驗

如果是多個相關樣本的檢驗，SPSS適用的檢驗方法有Friedman檢驗，Kendall系統(tǒng)系數(shù)檢驗和Cochran Q檢驗等。

多相關樣本的Friedman檢驗

多相關樣本的Friedman檢驗是利用秩實現(xiàn)多個相關總體分布檢驗的一種方法，其原假設為：樣本來自的多個相關總體的分布無顯著差異。檢驗基本原理是以樣本為單位，將所有的樣本數(shù)據(jù)混合，然后按照升序排列，計算各個樣本的秩總和及平均秩。如果多個相關樣本的分布有顯著的差異，那么數(shù)值普遍偏大的樣本的秩總和必然偏大，數(shù)值普遍偏小的樣本的秩總和也必然偏小，各組的秩之間就會存在顯著差異。若各樣本平均秩大致相當，那么可以認為各組的總體分布沒有顯著差異。

Friedman檢驗統(tǒng)計量的公式為：

該統(tǒng)計量服從卡方分布，若得到的相伴概率值小于或等于顯著性水平，則拒絕原假設，認為兩配對樣本來自的總體分布有顯著差異；反之則接受原假設，認為無顯著差異。

多相關樣本的Kendall協(xié)同系數(shù)檢驗

多相關樣本的Kendall協(xié)同系數(shù)檢驗主要用于分析評判者的判別標準是否一致公平。其原假設為：評判者評判標準一致，沒有顯著性差異。

協(xié)同系數(shù)W在n較大時，近似服從卡方分布，表示各行數(shù)據(jù)之間的相關程度，W的取值范圍是0到1。W越接近1，各行數(shù)據(jù)之間相關性越強，說明評判者的評價標準越一致。SPSS將自動計算W，并給出對應的相伴概率值。若相伴概率值小于或等于顯著性水平，則拒絕原假設，認為評判標準不一致；反之則接受原假設，認為評判標準一致。

多配對樣本的CochranQ檢驗

多配對樣本的CochranQ檢驗所能處理的數(shù)據(jù)是二元數(shù)據(jù)，即只有兩個值（如0或1，好和差）。其零假設為：樣本來自的多配對總體分布無顯著差異。多配對樣本的CochranQ檢驗的計算公式為：

Q統(tǒng)計量近似服從卡方分布。SPSS自動計算Q統(tǒng)計量及相伴概率值。如果得到的相伴概率值小于或等于顯著性水平，則拒絕原假設，認為兩配對樣本來自的總體分布有顯著差異；反之則接受零假設，認為無顯著差異。

范例分析

針對當前的大學生普遍存在學習狀態(tài)不佳的問題，我們通過問卷調查在某校隨機采訪250名學生，獲得有效數(shù)據(jù)247份。該學習狀態(tài)問卷分為學習動機、學習信心、學習情緒和學習態(tài)度四各部分。在本例中，通過分析了解當前大學生學習狀態(tài)的這四個構成要素之間的分布是否有顯著差異，如有差異，表現(xiàn)在哪些方面。

（例題數(shù)據(jù)文件已經上傳到QQ群中，需要的朋友可以前往下載）

分析步驟

選擇菜單【分析】-【非參數(shù)檢驗】-【相關樣本】，打開【非參數(shù)檢驗：兩個或兩個以上的相關樣本】。將學習動機、學習信心、學習情緒和學習態(tài)度這四個字段選入檢驗字段，檢驗方法選擇系統(tǒng)默認設置【根據(jù)數(shù)據(jù)自動選擇檢驗】。各選項卡其他選項也均選擇系統(tǒng)默認設置。單擊【運行】，SPSS輸出本例非參數(shù)檢驗分析結果。

結果解釋

從非參數(shù)檢驗的匯總表可知，檢驗的漸進顯著性概率值P=0.000<0.001，拒絕原假設，表明大學生學習狀態(tài)的四個構成要素之間的分布差異非常顯著。

由Frideman檢驗的輔助視圖可知，學習動機的平均秩為3.16，是最高值；學習態(tài)度的平均秩為1.94，是最低值，二者差異顯著。

由四項構成要素的成對比較視圖可以看出：除了【學習信心-學習情緒】的檢驗結果為0.169，大于0.05以外，其余各組對比檢驗的P值均小于0.05，拒絕原假設，這說明大學生學習狀態(tài)的四個構成要素在分布上相互之間幾乎均呈現(xiàn)顯著差異。