spss统计软件应用好第10参数检验

第十章

非参数检验非参数检验非参数检验是指在总体不服从正态分布且分布情况不明时，用来检验数据资料是否来自同一个总体假设的一类检验方法。由于这些方法一般不涉及总体参数因而得名。主要类型：Chi-squaretest卡方检验Binomialtest二项式检验Runstest游程检验等等卡方检验基本概念卡方检验基本过程卡方检验中的选项说明

假设m=800样本1：X1＝795；S＝10m!1.96S.E样本2：X2＝790；S＝10接受区95％拒绝区5％变量关系的显著性检验类型卡方计算公式:

定类—定类尺度：X2检验

卡方检验是用来检验样本中两个定类变量的关系强度测量结果（卡方值）是否能推断总体。

AX2检验的假设：H0:X2＝0；H1:X2≠0；卡方分布形状拒绝域接受域SPSS中卡方检验示例（性别与文化程度）步骤：1）确定双变量总体参数的假设：

H0:X2＝0;H1:X2≠0；2）确定检验此假设的概率标准：显著度为0.05。3）抽取一个样本容量为1254的随机样本，计算出样本中性别与文化程度的X2＝27.89。4）选择用来检验H0的分布：X2分布，并根据显著度0.05设立接受域(P>0.05)或拒绝域(P<0.05)；5）观察样本的统计量的概率值是否落在接受域内，从而判断是接受/拒绝原假设。从下表看出，样本统计量X2＝27.89，概率值（Significance）=0.000<0.05，落在拒绝域，因此，否定H0；接受总体中X2＝27.89的判断。此判断犯错误的概率）=0.000<0.05。显著性检验结果卡方值2)定类—定距尺度:F

检验F检验是用来检验样本中一个定类变量和一个定距变量的关系强度测量结果（分组平均数）是否能推断总体。如不同职业的人在收入上是否有差异（即职业分组的平均收入是否不同）。AF检验的假设：H0:μ1＝μ2

＝μ3

＝...μk

；H1:μ1

≠μ2

≠μ3≠...μk

；BF值计算公式：CF分布的形状接受域拒绝域拒绝域DSPSS中F

检验示例（文化程度与收入）步骤：1）确定双变量总体参数的假设：

H0:μ1＝μ2

＝μ3

＝...μk

；H1:μ1

≠μ2

≠μ3≠...μk

；2）确定检验此假设的概率标准：显著度为0.05。3）抽取一个样本容量为1254的随机样本，计算出样本中文化程度与收入的

F

＝6.006。4）选择用来检验H0的分布：F分布，并根据显著度0.05设立接受域(P>0.05)或拒绝域(P<0.05)；5）观察样本的统计量的概率值是否落在接受域内，从而判断是接受/拒绝原假设。从下表看出，样本统计量F

＝6.006。概率值（Significance）=0.000<0.05，落在拒绝域，因此，否定H0；拒绝总体中H0:μ1＝μ2

＝μ3

＝...μk

的判断。即由样本可以推断总体，不同的文化程度，收入有差别；文化程度与收入有关。F值显著度3)定距—定距尺度相关系数r的显著性检验:Z检验Z检验也可用来检验样本中一对定距变量的相关系数r在总体上是否有效。其检验的方式与前面的假设检验大同小异。在此我们只略述检验的原假设以及检验结果。

A相关系数检验的原假设：H0:r＝0；H1:r

≠0；

B检验结果：检验结果的概率值若小于给定的显著度，如0.05，则推翻原假设，说明两变量总体上有相关。即样本种的相关系数在总体中也有效。CSPSS中相关系数r的Z检验示例：CorrelateBivariate显著性检验结果相关系数样本量Z检验概率值4)回归系数B的显著性检验：t检验样本中的回归公式中计算出的自变量回归系数B在总体中是否有效，需要用t分布来检验。检验步骤同于前述的假设检验。

A原假设：H0:B＝0；H1:B≠0