
Spss中非參數(shù)檢驗的兩個獨立樣本檢驗
Spss中非參數(shù)檢驗中兩個獨立樣本檢驗中四個復選項的區(qū)別和適用范圍
可以先數(shù)據(jù)-選擇個案
1.Mann-Whitney U: 主要用于判別兩個獨立樣本所屬的總體是否有相同的分布;
2. Kolmogorov-Smirnov Z: 推測兩個樣本是否來自具有相同分布的總體;
3. Moses extreme reactions:檢驗兩個獨立樣本之觀察值的散布范圍是否有差異存在,以檢驗兩個樣本是否來自具有同一分布的總體;
4. Wald-Wolfowitz runs: 考察兩個獨立樣本是否來自具有相同分布的總體。
1.Mann-Whitney U檢驗(又簡稱M-W檢驗),注重對分布的中心位置(平均水平)作檢驗,實際是檢驗H0:兩樣本所對應的總體具有相同的中心位置(中位數(shù)),屬位置參數(shù)檢驗,而不管兩總體分布的形狀如何,因此通常假定兩總體分布的形狀相同,只有在這個前提下的中心位置相同才能說是兩總體分布相同或兩樣本來自相同總體;若不能明確兩總體分布的形狀是否相同,則不宜單獨使用此方法作分析了事,應同時作K-S檢驗或W-W檢驗,并對全部結果作綜合分析。因為此方法與目前國內(nèi)通用教材中的Wilcoxon
Rank Sum檢驗法完全等價,故在結果中一并給出〔1〕。小樣本時應讀取精確概率作結論。
2.Kolmogorov-Smirnov Z檢驗(又簡稱K-S檢驗)是上述提到的Kolmogorov檢驗用于兩個獨立樣本的情形,對全貌作檢驗。如果結論是兩總體分布不相同,此方法尚不足以說明是位置不同、變異程度不同還是偏度不同,這是報告結果時應注意的。結果中的Z也是漸近統(tǒng)計量,大樣本時α=0.05和α=0.01的界值分別是1.36和1.63,小樣本時應讀取結果中兩個經(jīng)驗分布函數(shù)的最大差值查界值表作結論,不可直接利用結果中的P值作結論。
3.Wald-Wolfowitz
runs檢驗 (又簡稱W-W檢驗)與K-S檢驗相似,也是對全貌作檢驗,但其功效不如后者;此方法實為Runs過程用于分析兩個獨立樣本的情形。與K-S檢驗類似,如果結論是兩總體分布不相同,此方法尚不足以說明是位置不同、變異程度不同還是偏度不同,報告結果時也應注意。若兩樣本有相同觀察值,結果中提供最大和最小游程個數(shù)以及相應的P值,當依此兩P值所作的結論相矛盾時,須計算平均游程個數(shù),然后查表作結論或用正態(tài)近似法作檢驗。此過程自動地根據(jù)樣本大小給出確切概率或正態(tài)近似法的結果。
4.Moses Test of Extreme Reactions 檢驗注重于對分布范圍(變異程度)作檢驗,實際是檢驗H0:兩樣本所對應的總體具有相同的分布范圍。要求樣本足夠大。筆者尚未見到在醫(yī)學領域中使用此方法的例子。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10