Spss中非参数检验的两个独立样本检验

本文详细介绍了SPSS中四个常用的非参数检验方法:Mann-Whitney U检验、Kolmogorov-Smirnov Z检验、Wald-Wolfowitz runs检验及Moses Test of Extreme Reactions检验。这些方法分别用于检验两个独立样本所属总体的分布情况,包括中心位置、分布全貌及变异程度等。文中还提供了每种检验方法的特点、适用范围及其局限性。

Spss中非参数检验中两个独立样本检验中四个复选项的区别和适用范围

可以先数据-选择个案


 

1.Mann-Whitney U: 主要用于判别两个独立样本所属的总体是否有相同的分布;
2. Kolmogorov-Smirnov Z: 推测两个样本是否来自具有相同分布的总体;
3. Moses extreme reactions:检验两个独立样本之观察值的散布范围是否有差异存在,以检验两个样本是否来自具有同一分布的总体;
4. Wald-Wolfowitz runs: 考察两个独立样本是否来自具有相同分布的总体。


1.Mann-Whitney U检验(又简称M-W检验),注重对分布的中心位置(平均水平)作检验,实际是检验H0:两样本所对应的总体具有相同的中心位置(中位数),属位置参数检验,而不管两总体分布的形状如何,因此通常假定两总体分布的形状相同,只有在这个前提下的中心位置相同才能说是两总体分布相同或两样本来自相同总体;若不能明确两总体分布的形状是否相同,则不宜单独使用此方法作分析了事,应同时作K-S检验或W-W检验,并对全部结果作综合分析。因为此方法与目前国内通用教材中的Wilcoxon Rank Sum检验法完全等价,故在结果中一并给出〔1〕。小样本时应读取精确概率作结论。
 
2.Kolmogorov-Smirnov  Z检验(又简称K-S检验)是上述提到的Kolmogorov检验用于两个独立样本的情形,对全貌作检验。如果结论是两总体分布不相同,此方法尚不足以说明是位置不同、变异程度不同还是偏度不同,这是报告结果时应注意的。结果中的Z也是渐近统计量,大样本时α=0.05和α=0.01的界值分别是1.36和1.63,小样本时应读取结果中两个经验分布函数的最大差值查界值表作结论,不可直接利用结果中的P值作结论。
 
3.Wald-Wolfowitz runs检验  (又简称W-W检验)与K-S检验相似,也是对全貌作检验,但其功效不如后者;此方法实为Runs过程用于分析两个独立样本的情形。与K-S检验类似,如果结论是两总体分布不相同,此方法尚不足以说明是位置不同、变异程度不同还是偏度不同,报告结果时也应注意。若两样本有相同观察值,结果中提供最大和最小游程个数以及相应的P值,当依此两P值所作的结论相矛盾时,须计算平均游程个数,然后查表作结论或用正态近似法作检验。此过程自动地根据样本大小给出确切概率或正态近似法的结果。
 
4.Moses Test of Extreme Reactions  检验注重于对分布范围(变异程度)作检验,实际是检验H0:两样本所对应的总体具有相同的分布范围。要求样本足够大。笔者尚未见到在医学领域中使用此方法的例子。

一. 课程介绍本课程结合Python进行统计与数据分析的原理讲解与实战,涵盖了大部分统计&数据分析模型,特别是当前比较主流的算法:参数估计、假设检验、线性回归、广义线性回归、Lasso、岭回归、广义可加模型、回归样条等;机器学习经常用到的主成分分析、因子分析、典型相关分析、聚类分析等;各种非参数统计模型,包括非参数统计推断、尺度推断、位置推断、非参数核密度估计、非参数回归等。本课程主要针对有一定Python编程基础、即将毕业参加工作的的大三大四学生,或者已经参加工作需要提升自己数据分析能力以及转行从事IT行业尤其是数据&大数据分析工作的初入职场者,或者正在攻读硕博士学位需要学习和掌握量化研究方法的研究生。本课程对于即将从事机器学习、深度学习&人工智能相关工作的程序员也有很大帮助,有利于打好坚实的理论基础。二. 课程目录第0章 课程导学第1章 数据描述性分析1.1 描述统计量1.2 数据的分布1.3 概率分布函数的图形1.4 直方图、经验分布函数与QQ图1.5 多元数据的数据特征与相关性分析1.6 多元数据的基本图形表示第2章 参数估计2.1 点估计2.2 区间估计第3章 假设检验3.1 基本原理3.2 参数检验第4章 回归分析4.1 回归分析的概念与一元线性回归4.2 多元线性回归及统计量解析4.3 逐步回归与模型选择4.4 回归诊断4.5 广义线性回归4.6 非线性回归第5章 方差分析5.1 单因素方差分析5.2 双因素方差分析第6章 判别分析与聚类分析6.1 判别分析6.2 聚类分析第7章 主成分分析、因子分析与典型相关分析7.1 主成分分析7.2 因子分析7.3 典型相关分析第8章 非参数统计8.1 经验分布和分布探索8.2 单样本非参数统计推断8.3 两独立样本的位置与尺度判断8.4 多组数据位置推断8.5 分类数据的关联分析8.6 秩相关与分位数回归8.7 非参数密度估计8.8 一元非参数回归三. 讲师简介主讲人李进华博士,本、硕、博皆就读于武汉大学信息管理学院,2005年获博士学位进入211高校任教,2012年受聘为教授。从事信息管理与数据分析方面的教学、科研与系统开发工作20余年,具备深厚理论修养和丰富实战经验。是中国最早从事Java开发的程序员和Oracle数据库的DBA之一。曾带领团队开发《葛洲坝集团三峡工程指挥中心三期工程施工管理系统》、《湖北省财政厅国有企事业单位资产管理系统》等大型MIS。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值