第7章SPSS非參數(shù)檢驗

前面進(jìn)行的假設(shè)檢驗和方差分析，大都是在數(shù)據(jù)服從正態(tài)分布或近似地服從正態(tài)分布的條件下進(jìn)行的。但是如果總體的分布未知，如何進(jìn)行總體參數(shù)的檢驗，或者如何檢驗總體服從一個指定的分布，都可以歸結(jié)為非參數(shù)檢驗方法。第7章SPSS非參數(shù)檢驗前面進(jìn)行的假設(shè)檢驗和方差1本章主要內(nèi)容單樣本的非參數(shù)檢驗兩獨(dú)立樣本非參數(shù)檢驗兩配對樣本非參數(shù)檢驗多獨(dú)立樣本非參數(shù)檢驗多配對樣本非參數(shù)檢驗本章主要內(nèi)容單樣本的非參數(shù)檢驗2第一節(jié)單樣本的非參數(shù)檢驗總體分布的卡方檢驗二項分布檢驗單樣本K-S檢驗變量值隨機(jī)性檢驗第一節(jié)單樣本的非參數(shù)檢驗總體分布的卡方檢驗3總體分布的卡方檢驗總體分布的卡方檢驗是一種對總體分布進(jìn)行檢驗的極為典型的非參數(shù)檢驗方法。eg：在一個正20面體的各面上分別標(biāo)有0～9十個數(shù)字，每個數(shù)字在兩個面上標(biāo)出。若把該20面體投擲一些次數(shù)后，若檢驗每個數(shù)字出現(xiàn)的概率是否大致相同，則需用卡方檢驗。概念總體分布的卡方檢驗概念4

將總體的取值范圍分成有限個互不相容的子集，從總體中抽取一個樣本，考察樣本觀察值落到每個子集中的實際頻數(shù)，并按假設(shè)的總體分布計算每個子集的理論頻數(shù)，最后根據(jù)實際頻數(shù)和理論頻數(shù)的差構(gòu)造卡方統(tǒng)計量,即當(dāng)原假設(shè)成立時，統(tǒng)計量服從卡方分布。以此來檢驗假設(shè)總體的分布是否成立。基本思想將總體的取值范圍分成有限個互不相容的子集，從5決策情況：如果的概率，則應(yīng)拒絕原假設(shè)，即認(rèn)為樣本來自的總體分布與期望分布或某一理論分布存在顯著差異；反之，則不存在顯著差異。決策情況：6基本操作及應(yīng)用舉例（以心臟病猝死.sav為例）分析非參數(shù)檢驗卡方基本操作及應(yīng)用舉例分析7SPSS的非參數(shù)檢驗ppt課件8輸入檢驗變量輸入理論（期望）分布值輸入檢驗變量輸入理論（期望）分布值9SPSS的非參數(shù)檢驗ppt課件10因為卡方對應(yīng)的概率P值大于0.05，所以差異不顯著，即認(rèn)為樣本來自的總體分布與指定的理論分布無顯著差異因為卡方對應(yīng)的概率P值大于0.05，11二項分布檢驗

SPSS的二項分布檢驗正是通過樣本數(shù)據(jù)檢驗樣本來自的總體是否服從指定概率值為P的二項分布，其原假設(shè)為樣本來自的總體與指定的二項分布無顯著差異。概念二項分布檢驗概念12SPSS二項分布檢驗，在小樣本中采用精確檢驗方法，對于大樣本則采用近似檢驗方法。精確檢驗方法計算n次試驗中成功出現(xiàn)的次數(shù)小于等于x次的概率，即在大樣本下，采用近似檢驗，用Z檢驗統(tǒng)計量，即基本思想SPSS二項分布檢驗，在小樣本中采用精確檢驗方法，對于大樣本13決策情況：如果上述兩種情況下的概率P值小于顯著性水平，則應(yīng)拒絕原假設(shè)，即認(rèn)為樣本來自的總體分布與指定的二項分布存在顯著差異；反之，則不存在顯著差異。決策情況：14二項分布檢驗的基本操作與應(yīng)用（以產(chǎn)品合格率.sav為例）分析非參數(shù)檢驗二項式二項分布檢驗的基本操作與應(yīng)用分析15輸入檢驗概率值輸入檢驗概率值16SPSS的非參數(shù)檢驗ppt課件17由于概率P大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為一級品率不低于0.9由于概率P大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為一級品率不18K-S檢驗（Kolmogorow-Smirnov）,該方法能夠利用樣本數(shù)據(jù)推斷樣本來自總體是否與某一個理論分布有顯著差異，是一種擬合優(yōu)度的檢驗方法，適用于探索連續(xù)型隨機(jī)變量的分布。概念單樣本K-S檢驗概念單樣本K-S檢驗19

正態(tài)分布

均勻分布指數(shù)分布

泊松分布理論分布類型正態(tài)分布理20在原假設(shè)成立的前提下，計算各樣本觀測值在理論分布中出現(xiàn)的理論概率值F(x)計算各樣本觀測值的實際累計概率值S（x）；計算實際累計概率值與理論累計概率值的差S（x）－F(x)計算差值序列中的最大絕對差值，即修正的D為基本思想在原假設(shè)成立的前提下，計算各樣本觀測值在理論分布中出現(xiàn)的理論21決策情況：如果D統(tǒng)計量的概率P值小于顯著性水平，則應(yīng)拒絕原假設(shè)，即認(rèn)為樣本來自的總體分布與指定的分布存在顯著差異；反之，則不存在顯著差異。決策情況：22單樣本K-S檢驗的基本操作與應(yīng)用舉例以兒童身高.sav為例分析非參數(shù)檢驗1-樣本K-S單樣本K-S檢驗的基本操作與應(yīng)用舉例分析23SPSS的非參數(shù)檢驗ppt課件24正態(tài)分布正態(tài)分布25SPSS的非參數(shù)檢驗ppt課件26由于概率P大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為周歲兒童身高的總體分布與正態(tài)分布無顯著差異由于概率P大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為周歲兒童身27P-P圖P-P圖28Q-Q圖Q-Q圖29

單樣本K-S檢驗的基本操作與應(yīng)用舉例以儲戶存款金額總體的分布檢驗為例

單樣本K-S檢驗的基本操作與應(yīng)用舉例30概率P小于0.05，所以拒絕原假設(shè)，即認(rèn)為儲戶存款金額總體分布不服從正態(tài)分布概率P小于0.05，所以拒絕原假設(shè)，即認(rèn)為儲戶存款金額總體分31變量值隨機(jī)性檢驗

概念：通過對樣本變量值的分析，實現(xiàn)對總體變量值出現(xiàn)是否隨機(jī)進(jìn)行檢驗?；舅枷耄豪糜纬檀笮∵M(jìn)行判斷。

游程是指變量值序列中連續(xù)出現(xiàn)相同的值的次數(shù)檢驗統(tǒng)計量：

其中，基本思想變量值隨機(jī)性檢驗

基本思想32變量值隨機(jī)性檢驗的SPSS操作

以耐電壓值.sav為例變量值隨機(jī)性檢驗的SPSS操作

以耐電壓值.sav為例33SPSS的非參數(shù)檢驗ppt課件34因為概率P值大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為該設(shè)備是正常工作的因為概率P值大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為該設(shè)備是35練習(xí)1.在一個正20面體的各面上分別標(biāo)出0～9個數(shù)字，每個數(shù)字在兩個面上標(biāo)出，現(xiàn)將它投擲805次，得出各數(shù)字朝上的次數(shù)。數(shù)據(jù)放在Frequncy.sav文件中，試檢驗其均勻性。2.試著檢驗拋硬幣實驗中，正面出現(xiàn)的概率是否為1/2.數(shù)據(jù)在硬幣結(jié)果.sav中。3.試著檢驗10個電子元件的使用壽命分布是否服從指數(shù)分布？數(shù)據(jù)在電子元件使用壽命.sav中。練習(xí)1.在一個正20面體的各面上分別標(biāo)出0～9個數(shù)字，每個數(shù)364.現(xiàn)有拋擲一枚硬幣66次所得結(jié)果保存在數(shù)據(jù)文件硬幣結(jié)果.sav中，請檢驗該實驗是否是隨機(jī)性實驗。4.現(xiàn)有拋擲一枚硬幣66次所得結(jié)果保存在數(shù)據(jù)文件硬幣結(jié)果.37第二節(jié)兩獨(dú)立樣本的非參數(shù)檢驗如果兩個無聯(lián)系總體的分布是未知的，則檢驗兩個總體的分布是否有顯著差異的方法是一種非參數(shù)檢驗方法，或者稱為兩個獨(dú)立樣本的檢驗。檢驗是通過兩個總體中分別抽取的隨機(jī)樣本數(shù)據(jù)進(jìn)行的。概念第二節(jié)兩獨(dú)立樣本的非參數(shù)檢驗概念38

曼-惠特尼U檢驗K-S檢驗

w-w游程檢驗

極端反應(yīng)檢驗方法方法39方法一：兩獨(dú)立樣本的曼-惠特尼

U檢驗概念

通過對兩組獨(dú)立樣本平均秩的研究來推斷它們來自的兩個總體分布有無顯著差異。檢驗的基本步驟首先將兩組樣本數(shù)據(jù)（X1,X2,…Xn）和（Y1,Y2,…Yn）混合并按升序排序，得到每個數(shù)據(jù)各自的秩Ri基本思想方法一：兩獨(dú)立樣本的曼-惠特尼

U檢驗基本思想40分別對兩組樣本的秩求平均，得到兩個平均秩Wx/m和WY/m,然后比較它們的大小，若差值較大，說明原假設(shè)很可能不成立。計算兩個樣本各自優(yōu)先于對方的秩的個數(shù)U1、U2，即然后對U1、U2大小進(jìn)行比較，若它們相差較大時，則有必要懷疑原假設(shè)的真實性。計算WilcoxonW統(tǒng)計量，其為上述U1、U2較小者所對應(yīng)的秩和分別對兩組樣本的秩求平均，得到兩個平均秩Wx/m和WY/m,41計算曼-惠特尼U統(tǒng)計量，小樣本下，U統(tǒng)計量服從Mann-Whitney分布即大樣本下，U統(tǒng)計量近似服從正態(tài)分布計算曼-惠特尼U統(tǒng)計量，42統(tǒng)計決策在小樣本下，依據(jù)U統(tǒng)計量的概率P值進(jìn)行決策；在大樣本下，則依據(jù)Z統(tǒng)計量的概率P值進(jìn)行決策。若概率P值小于顯著性水平,則拒絕原假設(shè)，即認(rèn)為樣本來自的兩總體分布存在顯著差異；反之，則差異不顯著。具體計算舉例以課本P199頁數(shù)據(jù)為例統(tǒng)計決策具體計算舉例以課本P199頁數(shù)據(jù)為例43曼-惠特尼U檢驗SPSS基本操作（以兩獨(dú)立樣本使用壽命為例）分析非參數(shù)檢驗2個獨(dú)立樣本曼-惠特尼U檢驗SPSS基本操作分析44SPSS的非參數(shù)檢驗ppt課件45由于本題中涉及是小樣本，因此采用U檢驗，相應(yīng)概率為精確概率，由于0.04小于0.05，所以拒絕原假設(shè)，所以認(rèn)為兩種工藝下產(chǎn)品使用壽命的分步存在顯著差異由于本題中涉及是小樣本，因此采用U檢驗，相應(yīng)概率為精確概率，46方法二：兩獨(dú)立樣本K-S檢驗概念

K-S檢驗不僅能夠?qū)蝹€總體的分布是否與某一理論分布存在顯著差異進(jìn)行檢驗，還可以對兩個總體的分布是否存在差異進(jìn)行檢驗基本思想方法二：兩獨(dú)立樣本K-S檢驗基本思想47基本思想同前面單樣本K-S檢驗，但也有些不同，就是分析的對象是變量值的秩。基本步驟首先，將兩組樣本混合并按升序排序然后，分別計算兩組樣本秩的累計頻數(shù)和累計頻率。最后，計算兩組累計頻率的差，得到秩的差值序列并得到D統(tǒng)計量，根據(jù)D統(tǒng)計量得出的概率P與顯著性水平大小進(jìn)行比較判斷?；舅枷胪懊鎲螛颖綤-S檢驗，但也有些不同，就是分析的對象48兩獨(dú)立樣本K-S檢驗SPSS基本操作（以兩獨(dú)立樣本-使用壽命為例）兩獨(dú)立樣本K-S檢驗SPSS基本操作49SPSS的非參數(shù)檢驗ppt課件50方法三：兩獨(dú)立樣本的游程檢驗該方法的基本思想與單樣本游程檢驗的基本相同，不同的是計算游程數(shù)的方法。兩獨(dú)立樣本的游程數(shù)依賴于變量的秩。

首先，將兩組樣本混合并按升序排序，在變量值排序的同時，對應(yīng)的組標(biāo)記值也會隨之重新排列然后，對組標(biāo)記值序列按前面的計算游程的方法進(jìn)行計算游程數(shù)。若游程數(shù)較少，則說明兩總體有較大差異。反之，則差異不大?；舅枷敕椒ㄈ簝瑟?dú)立樣本的游程檢驗基本思想51根據(jù)游程數(shù)計算Z統(tǒng)計量最后，進(jìn)行統(tǒng)計決策。根據(jù)游程數(shù)計算Z統(tǒng)計量最后，進(jìn)行統(tǒng)計決策。52兩獨(dú)立樣本的游程檢驗SPSS的基本操作（以兩獨(dú)立樣本-使用壽命為例）兩獨(dú)立樣本的游程檢驗SPSS的基本操作53SPSS的非參數(shù)檢驗ppt課件54方法四：兩獨(dú)立樣本的

極端反應(yīng)檢驗將一組樣本作為控制樣本，另一組樣本作為實驗樣本，以控制樣本作為對照，檢驗實驗樣本相對于控制樣本是否出現(xiàn)了極端反應(yīng)。如果實驗樣本沒有出現(xiàn)極端反應(yīng)，則認(rèn)為兩總體分布無顯著差異；反之則差異顯著。基本思想方法四：兩獨(dú)立樣本的

極端反應(yīng)檢驗基本思想55具體分析過程：首先，將兩組樣本混合按升序排序然后，求出控制樣本的最小秩Qmin和最大秩Qmax，并計算出跨度S=Qmax-Qmin+1

接著,為消除樣本數(shù)據(jù)中極端值對分析結(jié)果的影響，計算跨度之前可按比例去除控制樣本中部分靠近兩端的樣本值，然后再求跨度，得到截頭跨度。具體分析過程：56極端反應(yīng)注重對跨度和截頭跨度的分析。針對跨度或截頭跨度計算的H檢驗統(tǒng)計量為：小樣本下，H統(tǒng)計量服從Hollander分布；大樣本下，H統(tǒng)計量近似服從正態(tài)分布。最后，進(jìn)行統(tǒng)計決策。極端反應(yīng)注重對跨度和截頭跨度的分析。針對跨度或截頭跨度計算的57兩獨(dú)立樣本的極端反應(yīng)檢驗SPSS的基本操作（以兩獨(dú)立樣本-使用壽命為例）兩獨(dú)立樣本的極端反應(yīng)檢驗SPSS的基本操作58SPSS的非參數(shù)檢驗ppt課件59應(yīng)用舉例（以城鎮(zhèn)和農(nóng)村儲戶存款金額比較為例）應(yīng)用舉例（以城鎮(zhèn)和農(nóng)村儲戶存款金額比較為例）60SPSS的非參數(shù)檢驗ppt課件61SPSS的非參數(shù)檢驗ppt課件62

雙樣本Kolmogorov-Smirnov檢驗

雙樣本Kolmogorov-Smirnov檢驗

63

Wald-Wolfowitz檢驗

Wald-Wolfowitz檢驗

64練習(xí)題現(xiàn)有數(shù)據(jù)關(guān)于患者服用兩種不同安眠藥后睡眠時間延長情況，請用四種不同方法來檢驗兩種不同安眠藥對睡眠時間延長分布是否有顯著差異？練習(xí)題現(xiàn)有數(shù)據(jù)關(guān)于患者服用兩種不同安眠藥后睡眠時間延長情況，65第三節(jié)多獨(dú)立樣本的非參數(shù)檢驗中位數(shù)檢驗Kruskal-Wallis檢驗Jonckheere-Terpstra檢驗城市身高樣本數(shù)據(jù)北京79，75，78，76，72上海72，71，74，74，73成都76，78，78，77，75廣州70，72，71，71，69四城市周歲兒童身高樣本數(shù)據(jù)第三節(jié)多獨(dú)立樣本的非參數(shù)檢驗城市身高樣本數(shù)據(jù)北京79，75，66中位數(shù)檢驗概念：通過對多組獨(dú)立樣本的分析，檢驗它們來自的總體的中位數(shù)是否存在顯著差異?；舅枷耄喝绻鄠€總體的中位數(shù)沒有顯著差異，那么這個共同的中位數(shù)應(yīng)在各樣本組中均處在中間位置上?；舅枷胫形粩?shù)檢驗基本思想67分析步驟：首先，將多組樣本混合按升序排序，并求出混合樣本的中位數(shù)。然后，分別計算各組樣本中大于和小于上述中位數(shù)的樣本個數(shù)，形成列聯(lián)表。接著，利用卡方檢驗方法分析各組樣本來自的總體對于上述中位數(shù)的分布是否一致。如果各組中大于（或小于）上述中位數(shù)的樣本比例大致相同，則可認(rèn)為多組樣本有共同的中位數(shù)，它們來自的總體的中位數(shù)沒有顯著差異。反之，則有顯著差異。最后，進(jìn)行統(tǒng)計決策。分析步驟：68計算示例計算示例69多獨(dú)立樣本的中位數(shù)檢驗SPSS基本操作以兒童身高.sav為例分析非參數(shù)檢驗K個獨(dú)立樣本多獨(dú)立樣本的中位數(shù)檢驗SPSS基本操作分析70SPSS的非參數(shù)檢驗ppt課件71因為概率P小于0.05，所以拒絕原假設(shè)，即認(rèn)為四個不同城市的兒童身高的中位數(shù)有顯著差異因為概率P小于0.05，所以拒絕原假設(shè)，即認(rèn)為四個不同城市的72Kruskal-Wallis檢驗概念：檢驗實質(zhì)是兩獨(dú)立樣本的曼-惠特尼檢驗在多個獨(dú)立樣本下的推廣，用于檢驗多個總體的分布是否存在顯著差異?；舅枷耄菏紫龋瑢⒍嘟M樣本數(shù)據(jù)混合并按升序排序，求出各變量值的秩.基本思想Kruskal-Wallis檢驗基本思想73其次，考察各組秩的均值是否存在顯著差異。構(gòu)造K-W檢驗統(tǒng)計量為：最后，根據(jù)K-W統(tǒng)計量相應(yīng)的概率P值與顯著性水平大小進(jìn)行比較，作出決策。其次，考察各組秩的均值是否存在顯著差異。構(gòu)造K-W檢驗統(tǒng)計量74多獨(dú)立樣本的Kruskal-Wallis檢驗的SPSS操作以兒童身高.sav為例多獨(dú)立樣本的Kruskal-Wallis檢驗的SPSS操作75因為概率P值小于0.05，所以拒絕原假設(shè)，即認(rèn)為四個城市的周歲兒童身高的平均秩差異是顯著的，總體分布是存在顯著差異的因為概率P值小于0.05，所以拒絕原假設(shè)，即認(rèn)為四個城市的周76Jonckheere-Terpstra檢驗概念：用于檢驗多個獨(dú)立樣本來自的多個總體的分布是否存在顯著差異的非參數(shù)檢驗方法。基本思想：同兩獨(dú)立樣本的曼-惠特尼U檢驗類似，也是計算一組樣本的觀察值小于其他組樣本觀察值的個數(shù)?；舅枷隞onckheere-Terpstra檢驗基本思想77小樣本下，構(gòu)造的J-T統(tǒng)計量為：大樣本下，構(gòu)造的Z統(tǒng)計量為：最后，根據(jù)統(tǒng)計量得到的概率P值與顯著性水平大小進(jìn)行比較，作出決策小樣本下，構(gòu)造的J-T統(tǒng)計量為：最后，根據(jù)統(tǒng)計量得到的概率P78多獨(dú)立樣本的Jonckheere-Terpstra檢驗的SPSS操作以兒童身高.sav為例多獨(dú)立樣本的Jonckheere-Terpstra檢驗的SP79SPSS的非參數(shù)檢驗ppt課件80練習(xí)現(xiàn)有不同地區(qū)不同性質(zhì)工作的職工工資數(shù)據(jù)保存在文件“職工工資.sav”中，如果定義一個分組變量，將我國東部、中部和西部各省標(biāo)上1，2，3作為分組值，下面來考察東部、中部和西部的職工平均工資是否存在顯著差異（α=0.05）？練習(xí)現(xiàn)有不同地區(qū)不同性質(zhì)工作的職工工資數(shù)據(jù)保存在文件“職工工81

兩配對樣本的非參數(shù)檢驗是在對總體分布不甚了解的情況下，通過對兩組配對樣本的分析，推斷樣本來自的兩個總體的分布是否存在顯著差異的方法。第四節(jié)兩配對樣本的非參數(shù)檢驗概念

第四節(jié)兩配對樣本的非參數(shù)檢驗概念82

Mcnemar

符號檢驗

Wilcoxon符號檢驗方法方法83方法一：兩配對樣本的Mcnemar方法

McNemar檢驗是一種變化顯著性檢驗，它將研究對象自身作為對照者檢驗其“前后”的變化是否顯著。其原假設(shè)是兩配對樣本來自的兩總體的分布無顯著性差異。基本思想

該方法主要針對服從二項分布的變量，因此如果變量不是二項分布，還要先對數(shù)據(jù)進(jìn)行轉(zhuǎn)化，然后再檢驗。因此有一定的局限性方法一：兩配對樣本的Mcnemar方法基本思想該方法主84分析非參數(shù)檢驗2個相關(guān)樣本SPSS基本操作（以統(tǒng)計學(xué).sav為例）分析SPSS基本操作（以統(tǒng)計學(xué).sav為例）85SPSS的非參數(shù)檢驗ppt課件86因為概率P大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為學(xué)習(xí)統(tǒng)計學(xué)前后學(xué)生對其重要性認(rèn)識沒有發(fā)生顯著變化因為概率P大于0.05，所以不能拒絕原假設(shè)，即認(rèn)為學(xué)習(xí)統(tǒng)計學(xué)87方法二：兩配對樣本符號檢驗其檢驗方法與McNemar檢驗有類似的解決思路，且利用正負(fù)號的個數(shù)實現(xiàn)檢驗?；静襟E為：

首先，分別用第二組樣本的各個觀察值減去第一組樣本的對應(yīng)觀察值。差值為正則記為正號，為負(fù)則記為負(fù)號；然后，將正號的個數(shù)與負(fù)號的個數(shù)進(jìn)行比較。基本思想方法二：兩配對樣本符號檢驗基本思想88若兩種符號個數(shù)大致相同，則認(rèn)為兩組配對樣本的數(shù)據(jù)分布差距較小；反之，則差距較大。檢驗方法仍然采用二項分布檢驗方法。若兩種符號個數(shù)大致相同，則認(rèn)為兩組配對樣本的數(shù)據(jù)分布差距較小89SPSS基本操作（以訓(xùn)練成績.sav為例）SPSS基本操作（以訓(xùn)練成績.sav為例）90由于概率P值大于0.05，因此不能拒絕原假設(shè)，即認(rèn)為訓(xùn)練前后的成績分布沒有顯著差異，也就是新方法效果不顯著由于概率P值大于0.05，因此不能拒絕原假設(shè)，即認(rèn)為訓(xùn)練前后91方法三：兩配對樣本W(wǎng)ilcoxon符號秩檢驗首先，按照符號檢驗的方法，用正負(fù)號分別表示兩組對應(yīng)樣本數(shù)據(jù)差值情況。然后，將差值變量進(jìn)行升序排序，并求出差值變量的秩。分別計算正號秩及統(tǒng)計量W+和負(fù)號秩及統(tǒng)計量W-基本思想方法三：兩配對樣本W(wǎng)ilcoxon符號秩檢驗基本思想92小樣本下，檢驗統(tǒng)計量為：W=min（W+，W-）大樣本下，檢驗統(tǒng)計量為：最后，進(jìn)行統(tǒng)計決策小樣本下，檢驗統(tǒng)計量為：最后，進(jìn)行統(tǒng)計決策93SPSS基本操作（以訓(xùn)練成績.sav為例）SPSS基本操作（以訓(xùn)練成績.sav為例）94因為概率P值大于顯著性水平0.05，所以不能拒絕原假設(shè)，認(rèn)為訓(xùn)練前后的成績分布沒有顯著差異，即新方法效果不顯著因為概率P值大于顯著性水平0.05，所以不能拒絕原假設(shè)，認(rèn)為95練習(xí)一車間為了提高工作效率，對某種零件的加工過程進(jìn)行改進(jìn)，為了比較加工時間是否明顯減少，抽取15名工人對比他們改革前后零件的加工時間，得到相應(yīng)的數(shù)據(jù)存放在“改進(jìn)前后零件加工時間.sav”中，試根據(jù)數(shù)據(jù)檢驗改進(jìn)后零件的加工時間是否明顯減少（α=0.05）？采用兩配對樣本符號檢驗和兩配對樣本W(wǎng)ilcoxon符號秩檢驗方法練習(xí)一車間為了提高工作效率，對某種零件的加工過程進(jìn)行改96第五節(jié)多配對樣本的非參數(shù)檢驗多配對樣本的非參數(shù)檢驗是通過分析多組配對樣本數(shù)據(jù)，推斷樣本來自的多個總體的中位數(shù)或分布是否存在顯著差異。Eg：對多個評委對同一批歌手比賽打分標(biāo)準(zhǔn)是否一致。概念第五節(jié)多配對樣本的非參數(shù)檢驗概念97

Friedman檢驗CochranQ檢驗Kendall協(xié)同系數(shù)檢驗方法Friedma98方法一：多配對樣本的Friedman檢驗概念：多配對樣本的Friedman檢驗是利用秩實現(xiàn)對多個總體分布是否存在顯著差異的非參數(shù)檢驗方法?；舅枷耄?/p>

比較每種處理下秩總和是否相等，即是否有或