【正文】 SPSS 16實用教程 第 10章 非參數(shù)檢驗 總體分布的卡方（ Chisquare）檢驗 二項分布檢驗 SPSS單樣本變量值隨機性檢驗 SPSS單樣本 KS檢驗 兩獨立樣本非參數(shù)檢驗 多獨立樣本非參數(shù)檢驗 兩配對樣本非參數(shù)檢驗 多配對樣本非參數(shù)檢驗 前面已經討論的許多統(tǒng)計分析方法對總體有特殊的要求，如 T檢驗要求總體符合正態(tài)分布， F檢驗要求誤差呈正態(tài)分布且各組方差整齊，等等。這些方法常用來估計或檢驗總體參數(shù)，統(tǒng)稱為參數(shù)檢驗。 但許多調查或實驗所得的科研數(shù)據，其總體分布未知或無法確定。因為有的數(shù)據不是來自所假定分布的總體，或者數(shù)據根本不是來自一個總體，還有可能數(shù)據因為某種原因被嚴重污染，這樣在假定分布的情況下進行推斷的做法就有可能產生錯誤的結論。此時人們希望檢驗對一個總體分布形狀不必作限制。 這種不是針對總體參數(shù)，而是針對總體的某些一般性假設（如總體分布）的統(tǒng)計分析方法稱非參數(shù)檢驗（ Nonparametric Tests）。非參數(shù)檢驗根據樣本數(shù)目以及樣本之間的關系可以分為單樣本非參數(shù)檢驗、兩獨立樣本非參數(shù)檢驗、多獨立樣本非參數(shù)檢驗、兩配對樣本非參數(shù)檢驗和多配對樣本非參數(shù)檢驗幾種。 本章將介紹總體分布的卡方（ Chisquare）檢驗、二項分布（ Binomial）檢驗、單樣本 KS（ KolmogorovSmirnov）檢驗、單樣本變量值隨機性檢驗（ Runs Test）、兩獨立樣本非參數(shù)檢驗、多獨立樣本非參數(shù)檢驗、兩配對樣本非參數(shù)檢驗、多配對樣本非參數(shù)檢驗等 8類常用的非參數(shù)檢驗方法。其中前 4種屬于單樣本非參數(shù)檢驗。 總體分布的卡方（ Chisquare）檢驗 在得到一批樣本數(shù)據后，人們往往希望從中得到樣本所來自的總體的分布形態(tài)是否和某種特定分布相擬合。這可以通過繪制樣本數(shù)據直方圖的方法來進行粗略的判斷。如果需要進行比較準確的判斷，則需要使用非參數(shù)檢驗的方法。其中總體分布的卡方檢驗（也記為 χ 2檢驗）就是一種比較好的方法。 統(tǒng)計學上的定義和計算公式 定義：總體分布的卡方檢驗適用于配合度檢驗，是根據樣本數(shù)據的實際頻數(shù)推斷總體分布與期望分布或理論分布是否有顯著差異。它的零假設 H0：樣本來自的總體分布形態(tài)和期望分布或某一理論分布沒有顯著差異。 因此，總體分布的卡方檢驗是一種吻合性檢驗，比較適用于一個因素的多項分類數(shù)據分析?？傮w分布的卡方檢驗的數(shù)據是實際收集到的樣本數(shù)據，而非頻數(shù)數(shù)據。 ? 研究問題 某地一周內各日患憂郁癥的人數(shù)分布如表101所示，請檢驗一周內各日人們憂郁數(shù)是否滿足 1:1:2:2:1:1:1。 SPSS中實現(xiàn)過程 表 101 學生的數(shù)學成績 周 日 患 者 數(shù) 1 31 2 38 3 70 4 80 5 29 6 24 7 31 ? 實現(xiàn)步驟 圖 101 在菜單中選擇“ Weight Cases”命令 圖 102 “Weight Cases”對話框 圖 103 在菜單中選擇“ ChiSquare”命令 圖 104 “ChiSquare Test”對話框 圖 105 “ChiSquare Test： Options”對話框 （ 1）本例輸出結果中有兩個表格，其中第一個表格如下。 結果和討論 （ 2）輸出的結果文件中第二個表格如下。 二項分布檢驗 統(tǒng)計學上的定義和計算公式 現(xiàn)實生活中有很多數(shù)據的取值只有兩類，如醫(yī)學中的生與死、患病的有與無、性別中的男性和女性、產品的合格與不合格等。從這種二分類總體中抽取的所有可能結果，要么是對立分類中的這一類，要么是另一類，其頻數(shù)分布稱為二項分布。調用 SPSS中的二項分布檢驗（ Binomial）可對樣本資料進行二項分布分析。 SPSS二項分布檢驗就是根據收集到的樣本數(shù)據，推斷總體分布是否服從某個指定的二項分布。其零假設是 H0：樣本來自的總體與所指定的某個二項分布不存在顯著的差異。 SPSS中的二項分布檢驗，在樣本小于或等于 30時，按照計算二項分布概率的公式進行計算；樣本數(shù)大于 30時，計算的是 Z統(tǒng)計量，認為在零假設下， Z統(tǒng)計量服從正態(tài)分布。 Z統(tǒng)計量的計算公式如下 SPSS將自動計算 Z統(tǒng)計量，并給出相應的相伴概率值。如果相伴概率小于或等于用戶的顯著性水平 α ，則應拒絕零假設 H0，認為樣本來自的總體分布形態(tài)與指定的二項分布存在顯著差異；如果相伴概率值大于顯著性水平，則不能拒絕零假設 H0，認為樣本來自的總體分布形態(tài)與指定的二項分布不存在顯著差異。 SPSS二項分布檢驗的數(shù)據是實際收集到的樣本數(shù)據，而非頻數(shù)數(shù)據。 ? 研究問題 某地某一時期內出生 35名嬰兒，其中女性 19名（定 Sex=0），男性 16名（定 Sex=1）。問這個地方出生嬰兒的性別比例與通常的男女性比例（總體概率約為 ）是否不同？數(shù)據如表 102所示。 SPSS中實現(xiàn)過程 表 102 35名嬰兒的性別 嬰 兒 Sex 嬰 兒 Sex 嬰 兒 Sex 1 1 13 1 25 1 2 0 14 1 26 1 3 1 15 1 27 0 4 1 16 1 28 0 5 1 17 0 29 0 6 1 18 0 30 0 7 0 19 0 31 1 8 0 20 0 32 0 9 0 21 0 33 0 10 0 22 0 34 0 11 1 23 1 35 0 12 1 24 1 ? 實現(xiàn)步驟 圖 106 在菜單中選擇“ Binomial Test”命令 圖 107 “Binomial Test”對話框 圖 108 “Binomial Test： Options”對話