SPSS軟件包中非參數(shù)檢驗方法的正確使用

1、SPSS軟件包中非參數(shù)檢驗方法的正確使用 生成2005-08-22 21:25:17 來源：中國衛(wèi)生統(tǒng)計 關(guān)鍵詞：SPSS統(tǒng)計軟件包SPSS給統(tǒng)計工作者提供了很大方便，SPSS for Windows版本推出后，使用者無需編寫程序也可完成分析，使用更廣泛了。然而，面對軟件包提供的眾多統(tǒng)計過程(或方法)，有些使用者感到迷惘。針對這種情況，本文就如何正確使用SPSS for Windows軟件包中Nonparametric Tests過程清單提供的8個非參數(shù)檢驗過程(或方法)逐一介紹。一、Chi-SquareChi-Square是對單個樣本作檢驗的推斷方法，用于推斷目前掌握的樣本是否來自某特定分布

2、總體，屬擬合優(yōu)度檢驗1。要求提供假定總體的理論頻數(shù)；默認總體為均勻分布時無需提供理論頻數(shù)2。Chi-Square過程通過分析實際頻數(shù)與理論頻數(shù)吻合的程序來完成檢驗，因此特別適合于頻數(shù)資料的分析，也只接受和處理頻數(shù)資料，如病人經(jīng)治療后治愈、好轉(zhuǎn)、有效和無效的人數(shù)總的說來是否相同(實為治愈、好轉(zhuǎn)、有效和無效的概率或機會是否相同)，成績優(yōu)、良、中、差的學(xué)生人數(shù)總的說來是否相同，贊同某種觀點的人數(shù)總的說來是否達到80%，等等。要求樣本足夠大，按觀察值從小到大的順序提供理論頻數(shù)。理論頻數(shù)通過主對話框中Expected Values的Values選項提供，All categories equal是默認項，

3、即均勻分布。若只想推斷樣本中某一范圍內(nèi)的頻數(shù)是否來自某種特定分布總體，可通過主對話框中Expected Range的Use speciffied range選項提供范圍的上、下限。上述理論頻數(shù)需根據(jù)假定總體分布計算或問題的實際背景確定。二、BinomialBinomial過程對二值變量的單個樣本作檢驗，推斷總體中兩類個體的比例是否分別為和(1-)，值通過Test Proportion選項提供，默認值是=0.52?？山柚谥鲗υ捒蛑蠨efine Dichotomy的Cut point選項提供截斷點，將連續(xù)變量轉(zhuǎn)化成二值變量作分析；若提供的變量已經(jīng)是二值變量，則不需提供截斷點。小樣本時輸出精確概率

4、，大樣本時輸出正態(tài)近似法的結(jié)果。顯然，在大樣本時，也可用Chi-Square過程完成。三、RunsRuns過程借助樣本序列的順序推斷總體序列的順序是否是隨機的，屬隨機性檢驗3，4。過程將變量轉(zhuǎn)化成二值變量后再作檢驗，轉(zhuǎn)化時所用截斷點可以是Median、Mode、Mean或指定的數(shù)值，需通過Cut Point對話框指明截斷點。結(jié)果中只輸出正態(tài)近似法的P值，因此要求樣本足夠大，樣本不大時應(yīng)利用結(jié)果提供的信息查表作結(jié)論，不可直接用結(jié)果中的P值作結(jié)論。Runs檢驗的基本思想也用于分析兩個獨立樣本數(shù)據(jù)，推斷兩個總體的分布是否相同4，稱Wald-Wolfowitz runs檢驗，見后文。四、1-Sampl

5、e K-S五、2 Independent Samples此過程用于推斷兩個獨立樣本是否來自相同的總體，有四種方法供選用，各方法間不全相同，現(xiàn)逐一介紹如下。1.Mann-Whitney U檢驗(又簡稱M-W檢驗)，注重對分布的中心位置(平均水平)作檢驗，實際是檢驗H0：兩樣本所對應(yīng)的總體具有相同的中心位置(中位數(shù))，屬位置參數(shù)檢驗，而不管兩總體分布的形狀如何，因此通常假定兩總體分布的形狀相同3，只有在這個前提下的中心位置相同才能說是兩總體分布相同或兩樣本來自相同總體；若不能明確兩總體分布的形狀是否相同，則不宜單獨使用此方法作分析了事，應(yīng)同時作K-S檢驗或W-W檢驗，并對全部結(jié)果作綜合分析。因為此

6、方法與目前國內(nèi)通用教材中的Wilcoxon Rank Sum檢驗法完全等價，故在結(jié)果中一并給出1。小樣本時應(yīng)讀取精確概率作結(jié)論6。3.Wald-Wolfowitz runs檢驗(又簡稱W-W檢驗)與K-S檢驗相似，也是對全貌作檢驗，但其功效不如后者；此方法實為Runs過程用于分析兩個獨立樣本的情形。與K-S檢驗類似，如果結(jié)論是兩總體分布不相同，此方法尚不足以說明是位置不同、變異程度不同還是偏度不同，報告結(jié)果時也應(yīng)注意。若兩樣本有相同觀察值，結(jié)果中提供最大和最小游程個數(shù)以及相應(yīng)的P值，當依此兩P值所作的結(jié)論相矛盾時，須計算平均游程個數(shù)，然后查表作結(jié)論或用正態(tài)近似法作檢驗。此過程自動地根據(jù)樣本大小

7、給出確切概率或正態(tài)近似法的結(jié)果。4.Moses Test of Extreme Reactions檢驗注重于對分布范圍(變異程度)作檢驗，實際是檢驗H0：兩樣本所對應(yīng)的總體具有相同的分布范圍1。要求樣本足夠大。筆者尚未見到在醫(yī)學(xué)領(lǐng)域中使用此方法的例子。六、K Independent Samples此過程用于推斷多個獨立樣本是否來自相同的總體，有兩種方法供選用。1.Kroskal-Wallis H檢驗的是H0：多個樣本對應(yīng)的總體具有相同的中位數(shù)，屬位置參數(shù)檢驗，是Mann-Whitney U檢驗的延伸。通常也假定兩總體分布的形狀相同。此方法就是目前國內(nèi)通用教材中的多個樣本比較的秩和檢驗(H檢驗)

8、。2.Median檢驗的H0與Kroskal-Wallis H檢驗相同，但通常情況下其功效不如后者；然而，在相同值很多時效果較好，此時使用者應(yīng)選用Median檢驗1。七、2 Related Samples此過程用于推斷兩個相關(guān)樣本是否來自相同的總體，有三種方法供選用。1.Wilcoxon檢驗屬對稱性檢驗，檢驗差值總體的對稱中心是否為0，從而推斷兩樣本是否來自中心位置相同的總體。這就是目前國內(nèi)通用教材中的配對設(shè)計資料的符號秩和檢驗，使用者大多熟悉，不多贅述。應(yīng)該注意的是，小樣本時不可直接讀取結(jié)果中的P值作結(jié)論，而應(yīng)利用結(jié)果中的秩和統(tǒng)計量查表作結(jié)論6。2.Sign檢驗也屬對稱性檢驗，相比于Wilc

9、oxon檢驗，此方法不考慮“+”或“-”差值的相對大小關(guān)系(即秩次)，只檢驗差值總體中“+”與“-”的個數(shù)是否相同，從而推斷兩樣本是否來自中心位置相同的總體1，4。小樣本時采用二項分布計算精確概率，大樣本時采用正態(tài)近似法作檢驗。通常在數(shù)據(jù)測量較粗糙、不精確時使用。效率不如Wilcoxon檢驗。若變量是二值的，其檢驗效果與McNemar檢驗完全相同。3.McNemar檢驗實為目前國內(nèi)通用教材中關(guān)于配對四格表資料有無差別的b、c格比較的檢驗，因此只接受和處理二值變量。小樣本時采用二項分布計算精確概率，大樣本時采用大家熟悉的2檢驗。此時作Sign檢驗也可得到相同結(jié)果。對于兩個相關(guān)樣本數(shù)據(jù)，目前國內(nèi)通

10、用教材中大多有介紹Spearman相關(guān)系數(shù)rs的計算方法及其假設(shè)檢驗，SPSS將此分析方法與Pearson相關(guān)系數(shù)r的分析、Kendall相關(guān)系數(shù)的分析歸到一類，統(tǒng)一的Correlate過程中2，其中和rs的分析用在檢驗獨立性時是漸近等價的，在大樣本時可認為是等價的7。八、K Related Samples此過程用于分析多個相關(guān)樣本數(shù)據(jù)，以推斷它們是否來自分布相同的總體。有三種方法供選用，現(xiàn)分別敘述如下。1.Friedman檢驗就是目前國內(nèi)通用教材中關(guān)于隨機區(qū)組設(shè)計資料的秩和檢驗。使用者大多熟悉，不加贅述。2.Kendall's W檢驗，是和諧性分析，W統(tǒng)計量稱和諧性系數(shù)或一致性系數(shù)(

11、coefficient of concordance)，用于度量一致性好壞。對同一份數(shù)據(jù)作分析，Kendall's W檢驗拒絕H0與否和Friedman檢驗完全相同，但它們所檢驗的H0不相同7。如：N名教師同時對K名學(xué)生的作文評分，對這份樣本數(shù)據(jù)同時作Friedman檢驗和Kendall's W檢驗，兩個檢驗的無效假設(shè)分別是“H0：這K名學(xué)生的作文水平相同”和“H0：教師不都認為某位學(xué)生作文水平比別的學(xué)生高或低(即教師的評分有高有低，不和諧、沒有一致性)”?？梢姡琄endall' W檢驗和Friedman檢驗既有聯(lián)系又有區(qū)別，應(yīng)根據(jù)要解決的問題正確使用，不應(yīng)隨意使用。3.Cochran's