spss數(shù)據(jù)正態(tài)分布檢驗

1、、Z檢驗二、相關(guān)系數(shù)檢驗三、獨立樣本T檢驗四、相依樣本T檢驗五、X 2獨立性檢驗spss數(shù)據(jù)正態(tài)分布檢驗、Z檢驗第一步：錄入數(shù)據(jù)sr*#i»l 慢施惘-SPSS 5im tn II t VtkWtn丈it!H D MF3凹 filB JlliiD fif-iA!)>!El <卅目西A"同爺溺ti 園魁MXIff182無22X1 命名“變量視圖”；2.“數(shù)據(jù)視圖”中輸入數(shù)據(jù);第二步：進行分析。第三步：設(shè)置變量；第四步：得到結(jié)果:、相關(guān)系數(shù)檢驗在一項研究中，一個學(xué)生想檢查 生活意義和心理健康 是否相關(guān)。同意參與 這項研究的30個學(xué)生測量了生活意義和心理健康。生活意義

2、的得分范圍是10-70 分（更高的得分表示更強的生活意義），心理健康的得分范圍是5-35分（更高的 得分表示更健康的心理狀態(tài)）。在研究中基本的興趣問題也可以用研究問題的方式表示，例如例題：生活意義和心理健康相關(guān)嗎？相關(guān)系數(shù)數(shù)據(jù)的例子Participa nt Meaning in LifeParticipa nt Meaning in LifeWell-bei ngWell-bei ng1351917251226527185520314191961314353520532556534216032633342235127543523352882028245020925122539241058212

3、66834113018275628123725281912135119295635145025306035153029167031說明：變量participant包含在數(shù)據(jù)中，但不用輸入 SPSS在spss中輸入數(shù)據(jù)及分析步驟1 ：生成變量1 .打開 spss。2 點擊“變量視圖”標簽。在spss中將生成兩個變量，一個是生活意義，另一個是心理健康。變量分別被命名為meaning和wellbeing 。3.在“變量視圖”窗口前兩行分別輸入變量名稱meaning和wellbeing 。步驟2:輸入數(shù)據(jù)1 .點擊“數(shù)據(jù)視圖”，變量meaning和wellbeing出現(xiàn)在數(shù)據(jù)視圖前兩列。2 將兩個變量

4、的數(shù)據(jù)分別輸入。如圖步驟3:分析數(shù)據(jù)1.從菜單欄中選擇“分析 相關(guān)雙變量ruff*lI m srrs打開“雙變量”對話框,變量 meaningwellbei ng出現(xiàn)在對話框的左邊。2.選擇變量 meaning和 wellbeing，點擊向右箭頭按鈕（？），把變量移到“變量”框中。3.點擊“確定”。步驟4：解釋結(jié)果m-ramg湘1氐nq1SDCkr9£D1asmZ7O33140341510»cn號15 DOMSG7汕S3¥00QJDID33 0192£曲I12m1D99 0021 (»11uraiac»倫益3135113 (D10賞D

5、O站JDWJsag16陽m31 £D1725 001I2JB10出0jam也65uro30號21印8丑第g73巧叩jHOT2Ago m20 CD2S24 00二元相關(guān)性的輸出結(jié)果顯示如下:wellbeiPears on 相關(guān)1*.549ng性顯著性（雙側(cè)）.002%N3030meaningPears on 相關(guān)*.5491性顯著性（雙側(cè)）.002N3030* 在.01水平（雙側(cè)）上顯著相關(guān)。相關(guān)性顯著,SPSS生成了一個輸出表，標記為“相關(guān)性”,其中包括我們研究問題的答案， 即變量meaning和wellbeing之間是否相關(guān)。注意在表格中meaning和wellbeing出現(xiàn)了兩次

6、，一次在行，一次在列（這 表明SPSS生成的表格中出現(xiàn)了冗余）。相關(guān)系數(shù)值和原假設(shè)檢驗的p值位于變量 meaning和 wellbeing 相交處。表格中顯示 meaning 和 wellbeing 的相關(guān)性是 0.549，相應(yīng)的p值是0.002小于0.05 ,原假設(shè)被拒絕，在meaning和wellbeing 的總體中存在正相關(guān)（相關(guān)系數(shù)右邊的兩個星號暗示了在0.01水平上相關(guān)性是統(tǒng)計顯著的，因為p值為0.002小于0.01 ）。剩下的兩個單元格顯示了 1的相關(guān) 性，一個完美的正相關(guān)。即變量 meaning和wellbeing自身與自身的相關(guān)性。三、獨立樣本T檢驗例題：臨床心理學(xué)家想調(diào)查認知

7、行為治療和精神分析治療對抑郁癥的相對有效性。30名患有抑郁癥的病人隨機分配接受兩個療法。其中15人接受行為治療，另外15人接受精神分析治療，經(jīng)過兩個月的治療后，記錄下每個病人抑郁癥得 分。在本研究中，自變量是治療方法（認知行為治療與精神分析治療），因變量是抑郁癥，較高的分數(shù)表示更高的抑郁水平（抑郁水平的分數(shù)變化范圍為1070）。在研究中基本的興趣問題也可以用研究問題的方式表示，例如：“在接受認知行為治療與精神分析治療的病人中，抑郁癥水平的均值是否存在差異呢？”T檢驗用來檢驗兩組數(shù)據(jù)的均值。所以，零假設(shè)假設(shè)兩組數(shù)據(jù)的均值相等：原假設(shè)指出兩組的抑郁癥分數(shù)均值在總體上是相等的：H o： 卩精神分析=

8、卩認知行為對立假設(shè)指出兩組的抑郁癥分數(shù)均值在總體上是不等的：H i: 卩精神分析工 卩認知行為數(shù)據(jù)在下表列出了 30個參與者的數(shù)據(jù)。接受精神分析治療的參與者標記為“1”， 接受認知行為治療的標記為“ 2”。獨立樣本t檢驗例子的數(shù)據(jù)Participa ntTherapyDepressi onParticipa ntTherapyDepressi on1157162472161172423167182594163192375l512023561552124271452223881622324991412426110l362524311155262471215727249131702823714l6

9、2292411515830248說明：變量participant 包含在數(shù)據(jù)中，但不用輸入 SPSS步驟1:生成變量1 .打開SPSS2. 點擊【變量視圖】標簽。在SPSS將生成兩個變最，一個是不同治療方法的組別 （自變量），另一個 是抑郁癥分數(shù)（因變量）。這些變量將各自被命名為therapy（治療方法）和depression（抑有E癥）。3. 在【變量視圖】窗口前兩行分別輸入變量名稱therapy和depression（詳見圖表）4. 為變量therapy建立變量值標簽，1= “精神分析治療”，2= “認知行為 治療”。步驟2：輸入數(shù)據(jù)1 .點擊【數(shù)據(jù)視圖】標簽。變量 therapy和dep

10、ression出現(xiàn)在【數(shù)據(jù)視 圖】窗口的前兩列。2.參照圖表6-1，為每個參與者輸入兩個變量的數(shù)據(jù)。對第一個參與者， 為變量therapy和depression分別輸人數(shù)值1和57。依次輸入全部30個參與 者的數(shù)據(jù)。步驟3:分析數(shù)據(jù)1 從菜單欄中選擇【分析 比較均值獨立樣本T檢驗】（見圖）打開【獨立樣本T檢驗】對話框，變量therapy 和 depression 出現(xiàn)在對話框的左邊2 選擇因變量depression，點擊向右箭頭按鈕（？）把變量移到【檢驗變 量】框。3 選擇自變量therapy，點擊向右箭頭按鈕（？）把變量移到【分組變量】 框中。在【分組變量】框中，兩個在括號內(nèi)的問號出現(xiàn)在th

11、erapy的右邊（見圖） 這些問號表示原先的數(shù)字分配到兩個治療樣本中（也就是I、2）。這些數(shù)字需要通過點擊【定義組】來輸入4 點擊【定義組】5. 【定義組】對話框被打開，在【組1】（表示精神分析治療樣本的數(shù) 字）的右邊輸入“1”并且在“組2”（表示認知行為治療樣本的數(shù)字）的右 邊輸入“2”。6 點擊【繼續(xù)】。7 點擊【確定】。結(jié)果顯示在【查看】窗口中步驟4:解釋結(jié)果組統(tǒng)計量表輸出的第一個表格顯示每個治療組的描述統(tǒng)計量，包括樣本量、平均值、標準差和標準誤差。注意到認知行為治療樣本的抑郁分數(shù)均值（均值=45.00）比精神分析治療樣本（均值=56.00）的低。我們稍后將會考慮這兩組之間的差異對 具有

12、統(tǒng)計顯著性而言是否足夠大。獨立樣本檢驗表第二個表格“獨立樣本檢驗表”顯示在“均值相等的t檢驗”之后的“假設(shè)方差相等”欄中的結(jié)果。方差方程的Levene檢驗“方差方程的 Levene 檢驗”檢驗兩個治療組的總體方差是否相等，這是獨立樣本t檢驗的一個假設(shè)。SPSS使用個由Levene開發(fā)的方法來檢驗總體相等 的假設(shè)。Levene 檢驗的原假設(shè)和對立假設(shè)是：H 0： （T 2精神分析=c 2認知行為（兩組的總體方差相等）H 1： （T 2精神分析工CT 2認知行為（兩組的總體方差不相等）T檢驗therapyN均值標準差均值的標準誤deprepsychoana1556.09.412.4319ssi o

13、nlytic0008833cog nitive1545T79712'_-behavior0004512al組統(tǒng)計量“組統(tǒng)計表”提供了兩個治療組（精神分析與認知行為）的均值。如果原假設(shè)被拒絕,獨立樣本檢驗方差方程的Leve ne檢驗均值方程的t檢驗FSig.tdfSig.（雙側(cè)）均值差值標準 誤差 值差分的95%置信區(qū)間下限上限depre 假設(shè)方.311.582/3.5128.00211.003.1304.5817.4ssi on差相等74000507471253假設(shè)方/3.5126.8.002*.003.1304.5717.4差不相450000505072493等因為0.02的p值小于

14、0.05，所以兩組均值相等 的原假設(shè)被拒絕。根據(jù)“組統(tǒng)計量表”中確定哪相等方差的Levene檢驗的p值。如果p< 0.05，我們假設(shè)方 差不相等（讀t的結(jié)果中的底部數(shù)值）。如果p>0.05，我們 假設(shè)方差相等（讀 t的結(jié)果中的頂部數(shù)值）。因為 0.582的p四、相依樣本 T 檢驗在對某種程度上相關(guān)的兩個樣本的均值進行比較時，我們可以使用相依樣本 t 檢驗（也稱為配對樣本 t 檢驗，重復(fù)測量 t 檢驗，匹配樣本 t 檢驗等）。在相依樣本 t 檢驗中兩個樣本可能包含同一個人在兩個不同時刻進行側(cè) 量或者兩個有聯(lián)系的人分別測量的結(jié)果（例如，雙胞胎的IQ,妻子與丈夫的溝通質(zhì)量）。準確定義相依

15、樣本 t 檢驗的關(guān)健在于記住兩樣本間要在某方面存在自 然聯(lián)系下面給出一個相依樣本 t 檢驗的例子。一個國家選舉機構(gòu)的工作人員負責通過民意調(diào)查來決定經(jīng)濟和國家安全哪 個議題對于選民更重要。有 25 個選民被調(diào)查以確定兩個議題的重要性等級，每 個議題用 1-7 的等級表示（ 1=一點也不重要， 7=極其重要）。自變量是投票議題 （經(jīng)濟、國家安全），（因）變量是重要性等級。在研究中，基本的興趣問題也可以用研究問題的方式表示，例如，“ 對選民來說經(jīng)濟重要性等級和國家安全是否存在不同 ？”數(shù)據(jù)步驟 1：生成變量1打開 spss 。2點擊【變量視圖】標簽。在 spss 中將生成的兩個變量，分別用于經(jīng)濟等級

16、和國家安全。兩個變量分nHKUfty15.107 0D26.0DIDO3S.an2 DO46.023. CO5呂.on引D 口7 JOO7 DO?7.00SOD&4.0D5. DO97.QD3DD5.0D4 00114.0060Dt26.0D4. DOt37.0fl5.(10u4.007 00156004 DO1G7.005 DO忡/.JQ5.DDia6.007 CO陽6.034.0020K.OO2Q021.0D4 DOZ!3.00i on235.002. DO2A?57.0D7 00I3.在【變量視圖】窗口前兩行分別輸入變量名稱 economy和security 。（見 圖）。步驟2

17、：輸入數(shù)據(jù)丈中廠腹珀閆職抽迫克蟲我輒羽毗1 .點擊【數(shù)據(jù)視圖】標簽。變量econ omy和security出現(xiàn)在【數(shù)據(jù)視圖】窗口的兩列。2. 為每個參與者輸入兩個變量的數(shù)據(jù)。對第一個參與者，為變量economy和security 分別輸入等級5和7。依次輸入全部25個參與者的數(shù) 據(jù)。步驟3:分析數(shù)據(jù)1 .從菜單欄中選擇【分析 > 比較均值配對樣本T檢驗】。打開【配對樣本 T檢驗】對話框，變量economy和security 出現(xiàn)在對話框的左邊。2. 選擇因變量economy和security，點擊向右箭頭按鈕（？）把變量移到 【成對變量】框中。3. 點擊【確定】。在spss中運行相依樣本

18、t檢驗程序，結(jié)果顯示在“查看”視窗中。步驟4:解釋結(jié)果成對樣本統(tǒng)計量輸出的第一個表格“成對樣本統(tǒng)計量”顯示了 economy和security 的描述 統(tǒng)計量、包括樣本量、平均值、標準差和標準誤差。請注意，經(jīng)濟的平均重要性 等級（均值 =5.76）比國家安全（均值 =4.60）的高。我們稍后將會考慮這兩個平 均等級之間的差異（ 5.76 對 4.60）是否大到足以具有統(tǒng)計顯著性。成對樣本相關(guān)系數(shù)表格“成對樣本相關(guān)系數(shù)” 除了提到這個相關(guān)性等于 25 個參與者對于經(jīng)濟 和國家安全的等級之間的皮爾遜相關(guān)系數(shù)外， 對于解釋配對樣本 t 檢驗不是重要 的。成對樣本檢驗表格“成對樣本檢驗”為我們的研究問

19、題提供了答案，就是經(jīng)濟和國家安 全的重要性等級間是否存在差異。原假設(shè)的檢驗是以 t 的形式顯示的，這里T檢驗成對樣本統(tǒng)計量均值N標準差均值的標準誤對 1economy5.7600251.16476.23295security4.6000-47795.35590J表格“成對樣本統(tǒng)計量”提供了兩個變量（economy成對樣本相關(guān)系數(shù)和security ）的均值。如果原假設(shè)被拒絕，我們將相關(guān)系SigN數(shù).成對樣本相關(guān)系數(shù)N相 關(guān) 系 數(shù)Sig對economy25.25.221&32security成對樣本檢驗成對差分標均值差分的Sig.均準的標95%置信（雙值差準誤區(qū)間tdf側(cè)）下 限上限對

20、 economy1.1.3727.391.93.124.0051 -600636407129212/securit099y均值1.16 等于 economy和security均值間的差因為p值為0.005，小于0.05，原假設(shè)被拒絕。五、X 2獨立性檢驗（一）雙因素卡方檢驗雙因素卡方檢驗法常用來檢驗兩個因素是否互相獨立。 如果不是互相獨立， 就是互 相聯(lián)系。做出零假設(shè) （H0） ，兩個因素互相獨立，沒有聯(lián)系；備擇假設(shè) （H1） 兩個因素不互相獨立。如果p> 0.05或0.01 ,接受原假設(shè)，互相獨立；相反，如果 p< 0.05或0.01 ,拒 絕 原假設(shè)，說明兩事件有聯(lián)系。 （小拒

21、絕大接受 ）（A） 2X2表卡方檢驗例子一位研究員想調(diào)查性格類型 （個性內(nèi)向的人、 個性外向的人） 和休閑運動的選擇 （逛 游樂園、休息一天）是否有關(guān)系。他對 100名答應(yīng)參與這項研究的人做了性格測試，并 且基于測試的分值把他們分為性格內(nèi)向的人和性格外向的人， 然后要求每個參與者在逛 游樂園和休息一天兩者之中選擇更喜歡的休閑方式。 圖表 5-1 描述了每個參與者的性格 類型和選擇的休閑方式：因為性格類型和休閑方式都有兩個水平，得到四個單元，當前的例子為2X 2 卡方表。分析：零假設(shè)為 2X 2 列聯(lián)表中列一“性格類型”與列二“休閑方式”之間獨立。如果p<0.05，則拒絕零假設(shè)；如果p&g

22、t;0.05，則接受零假設(shè)。步驟 1：生成變量1 打開 spss 。2點擊【變量視圖】標簽在SPSS中將生成三個變量，一個是不同的性格類型，一個是休閑方式，一個是頻數(shù)。這三個變量分別命名為 personality ，activity 和 frequency 。3在【變量視圖】窗口前三行分別輸入變量名稱personality ， activity 和frequency 。4為分類變量 personality 和 activity 建立變量值標簽，對于 personality ， l= “內(nèi)向”， 2=“外向”。對于 activity ， 1=“逛游樂園”， 2=“休息”。步驟 2：輸入數(shù)據(jù)接下來

23、，我們在spss中輸入數(shù)據(jù)。2獨立性檢驗有兩種不同的數(shù)據(jù)輸入方法： 加權(quán)方法和個體觀測值方法。 當數(shù)據(jù)在每個單元的頻數(shù)統(tǒng)計出來時，應(yīng)采用加權(quán)方法 。 由于在我們的例子中，單元中的 頻數(shù)已經(jīng)被統(tǒng)計出來 (如圖表 1)，我們將采用加權(quán)方法 來輸入數(shù)據(jù)。在我們的例子中，內(nèi)向性格和外向性格的人可以進擇逛游樂園和休息中的一個， 于是產(chǎn)生了四種不同情況 (內(nèi)向逛游樂園、內(nèi)向休息、外向逛游樂園、外向休 息) 。由于我們采用加權(quán)方法來輸人數(shù)據(jù)，我們需要在【數(shù)據(jù)視窗】窗口為這四種情況 的每一種創(chuàng)建單獨的一行。用加權(quán)方法建立的數(shù)據(jù)文件結(jié)構(gòu)如圖表所示。輸入數(shù)據(jù)1點擊【數(shù)據(jù)視圖】 標簽。變量 personality

24、， activity 和 frequency 出現(xiàn)在【數(shù) 據(jù)視圖】窗口的前三列。按照圖表，第一種情況對應(yīng)于內(nèi)向 (1) 且選擇逛游樂園 (1) 的人，總共有 12 個人，這些值應(yīng)該被輸入【數(shù)據(jù)視圖】窗口的第一行2在【數(shù)據(jù)視圖】窗口的第一行對 personality ，activity 和 frequency 分別輸 入I ,1和12,在【數(shù)據(jù)視圖】窗口的24行輸入剩下的三種情況(在第2行輸入I , 2 和 28，在第 3 行輸入 2， 1 和 43，在第 4 行輸入 2， 2 和 17) 。圖表中給出了完整的數(shù) 據(jù)文件。步驟 3：分析數(shù)據(jù)在執(zhí)行x2檢驗之前，我們首先需要對frequency進行

25、加權(quán)。加權(quán)表明給定變量 的值表示觀測總 次數(shù) ,而不僅僅是一個分數(shù)值。例如,對 frequency 進行加權(quán)時, frequency 取值為 12 代表 12 個人,而不是分數(shù)為 12。對 frequency 進行加權(quán)1 在菜單欄中選擇“數(shù)據(jù) 加權(quán)個案”。2打開【加權(quán)個案】對話框。選擇“加權(quán)個案”并選擇變量frequency ,點擊向右箭頭按鈕 (?) ,把 frequency 移到“頻率變量”框中。3點擊“確定”。這表示在每個類別中頻數(shù)的取值 (12 , 28, 43 和 17) 對應(yīng)于每個 單元的所有參與者,而不僅僅是一個分數(shù)。通過對frequency進行加權(quán)，現(xiàn)在我們可以在 SPSS中執(zhí)

26、行x2獨立性檢驗。執(zhí)行x2獨立性檢驗1 在菜單欄中選擇“分析 描述統(tǒng)計 交叉表”。打開【交叉表】對話框,變量 personaIity , activity 和 frequency 出現(xiàn)在對話框的左側(cè)2選擇personality ，點擊向右箭頭按鈕？），把變量移到“行”框3選擇activity ，點擊向右箭頭按鈕（？），把變量移到“列”框中。4點擊1劎。打開“交叉表：統(tǒng)計量”對話框，選擇“卡方”。5.點擊“繼續(xù)”。6點擊“單元格”。打開“交叉表：單元顯示”對話框，在“計數(shù)”下選擇“觀察 值”“期望值”；在“百分比”下選擇“行”。7. 點擊“繼續(xù)”。8. 點擊“確定”。步驟4 :解釋結(jié)果交叉表案例

27、處理摘要案例有效的缺失合計N百分比N百分比N百分比pers on ality *activity100100.0%0.0%100100.0%activity合計amuseme ntparkretreatpers on aliin trove計數(shù)122840tyrt期望的計數(shù)22.018.040.0pers on ality中30.0%70.0%100.0%的%extrove計數(shù)431760rt期望的計數(shù)33.027.060.0pers on ality中71.7%28.3%100.0%的%合計計數(shù)5545100期望的計數(shù)55.045.0100.0pers on ality中55.0%45.0%

28、100.0%的%交叉制表pers on ality* activity卡方檢驗值df漸進Sig.（雙側(cè)）精確Sig.（雙 側(cè)）精確Sig.（單 側(cè)）Pears on 卡方16.835a1/000連續(xù)校正b15.1941.000似然比17.2301.000Fisher的精確.000.000檢驗線性和線性組合16.6671.000有效案例中的N100a. 0單元格（.0%）的期望計數(shù)少于5。最小期望計數(shù)為18.00b. 僅對2x2表計算P值小于0.05，所以拒絕原假設(shè)（小拒絕），兩個事件不獨立，即(B) (r x c)列聯(lián)表的卡方檢驗當列聯(lián)表不是2X2交叉表的時候，要判斷總體的變量是否彼此獨立，這

29、時候自由度：df= ( r-1 ) ( c-1 ) o列聯(lián)表形式(r x c)x列(c)合計123C12OiQ2O3OcO3行QiQ2Q3QcQ(r)OiQ2Q3OcQOiO2QOcOr合計nin2n3ncn方法同2X 2卡方表，只是增加列、行的數(shù)量。 如：應(yīng)用語言學(xué)實驗方法一書83頁的例子。分析：零假設(shè)為：列一“第一語言背景”與列二“冠詞錯誤頻數(shù)”之間獨立。如果p0.05 ，則拒絕零假設(shè)，反之，則接受零假設(shè)。 （小拒絕，大接受 ）經(jīng)過計算，結(jié)果如下：p=0.525接受原假設(shè)，即：在 spss 中的計算方法。步驟 1：建立變量【變量視圖】中同樣輸入“錯誤類型” 、“語言背景”和“頻數(shù)”三行。然

30、后，分別對“錯誤類型”和“語言背景”標簽賦值。步驟 2：輸入數(shù)據(jù)在【數(shù)據(jù)視圖】中輸入數(shù)據(jù)。注意按照列聯(lián)表的對應(yīng)情況，分別為“錯誤類型”和“語言背景”中輸入14、12的值。并將它們在列聯(lián)表中的頻數(shù)值，輸入第三列“頻數(shù)”中。步驟 3：分析數(shù)據(jù)因為“頻數(shù)”一列中的數(shù)值是頻率數(shù)，所以先為它加權(quán)。執(zhí)行x2獨立性檢驗1在菜單欄中選擇“分析 描述統(tǒng)計 交叉表”。2選擇“語言背景”，點擊向右箭頭按鈕 ?），把變量移到“行”框。3選擇“錯誤類型”，點擊向右箭頭按鈕（？），把變量移到“列”框中4.點擊“確定”。步驟4 :解釋結(jié)果交叉表數(shù)據(jù)集3案例處理摘要案例有效的缺失合計N百分比N百分比N百分比語言背景*錯誤類別

31、100100.0%0.0%100100.0%語言背景*錯誤類別交叉制表錯誤類別合計theaan無語言背漢語計數(shù)12146840景期望的計數(shù)13.615.25.65.640.0語言背景中30.0%35.0%15.0%20.0%100.0%的%日語計數(shù)22248660期望的計數(shù)20.422.88.48.460.0語言背景中的%36.7%40.0%13.3%10.0%100.0%合計計數(shù)34381414100期望的計數(shù)34.038.014.014.0100.0語言背景中的%34.0%38.0%14.0%14.0%100.0%卡方檢驗值df漸進Sig.（雙側(cè)）Pears on 卡方2.234a3.525P值0.05，所以接受似然比2.1943.533原假設(shè)（大接受）。即線性和線性組1.8451.174合有效案例中的100Na. 0單元格（.0%）的期望計數(shù)少于5。最小期望計數(shù)為5.60。（二）單因素x2檢驗法單因素x2檢驗法是將收集到的數(shù)據(jù)按頻數(shù)分組，然后檢驗頻數(shù)的分布是否與某個概率分布模式擬合。例如，在某英語測驗中，已測得各分數(shù)段的頻數(shù)，要檢驗分數(shù)的頻 數(shù)