SPSS17.0在生物統(tǒng)計(jì)學(xué)中的應(yīng)用-實(shí)驗(yàn)八-非參數(shù)檢驗(yàn)-

1、【精品文檔】如有侵權(quán)，請聯(lián)系網(wǎng)站刪除，僅供學(xué)習(xí)與交流SPSS17.0在生物統(tǒng)計(jì)學(xué)中的應(yīng)用-實(shí)驗(yàn)八-非參數(shù)檢驗(yàn)-.精品文檔.SPSS在生物統(tǒng)計(jì)學(xué)中的應(yīng)用實(shí)驗(yàn)指導(dǎo)手冊實(shí)驗(yàn)八：非參數(shù)檢驗(yàn)一、兩個相關(guān)樣本的差異顯著性檢驗(yàn)配對設(shè)計(jì)資料的非參數(shù)檢驗(yàn)配對設(shè)計(jì)資料的非參數(shù)檢驗(yàn)在SPSS主菜單Analyze / Nonparametric Tests / 2 Related Samples 中得到?！菊n本例14-1】 用甲乙兩種方法檢測20個奶樣的脂肪含量（%），其數(shù)據(jù)如下，問兩種方法的檢測結(jié)果有無顯著差異？（序 號1234567891011121314151617181920甲方法4.343.783.803.

2、933.943.834.564.404.423.993.863.744.634.043.623.563.914.493.533.67乙方法4.393.823.794.043.963.984.444.424.384.123.763.744.584.273.843.633.954.483.563.87差值符號-+-+-+-+0+-+-將表格中數(shù)據(jù)在excel表格中編制成spss數(shù)據(jù)文件格式后保存為“兩個相關(guān)樣本的差異顯著性檢驗(yàn)配對設(shè)計(jì)資料的非參數(shù)檢驗(yàn)”,再用spss程序打開。按照SPSS主菜單Analyze / Nonparametric Tests / 2 Related Samples 路徑，

3、點(diǎn)擊打開“兩個關(guān)聯(lián)樣本檢驗(yàn)”對話框，按照下列圖示中紅框中的內(nèi)容進(jìn)行選擇，其它設(shè)置保持默認(rèn)，點(diǎn)擊【確定】按鈕，在輸出窗口看結(jié)果。Wilcoxon 帶符號秩檢驗(yàn)秩N秩均值秩和乙方法 - 甲方法負(fù)秩6a7.5845.50正秩13b11.12144.50結(jié)1c總數(shù)20a. 乙方法 < 甲方法b. 乙方法 > 甲方法c. 乙方法 = 甲方法檢驗(yàn)統(tǒng)計(jì)量b乙方法 - 甲方法Z-1.993a漸近顯著性(雙側(cè)).046a. 基于負(fù)秩。b. Wilcoxon 帶符號秩檢驗(yàn)符號檢驗(yàn)頻率N乙方法 - 甲方法負(fù)差分a6正差分b13結(jié)c1總數(shù)20a. 乙方法 < 甲方法b. 乙方法 > 甲方法c.

4、 乙方法 = 甲方法檢驗(yàn)統(tǒng)計(jì)量b乙方法 - 甲方法精確顯著性（雙側(cè)）.167aa. 已使用的二項(xiàng)式分布。b. 符號檢驗(yàn)本節(jié)中的檢驗(yàn)比較兩個相關(guān)變量的分布。要使用的適當(dāng)檢驗(yàn)取決于數(shù)據(jù)類型。l 如果數(shù)據(jù)是連續(xù)的，可使用符號檢驗(yàn)或 Wilcoxon 符號秩檢驗(yàn)。符號檢驗(yàn)計(jì)算所有個案的兩個變量之間的差，并將差分類為正、負(fù)或平。如果兩個變量分布相似，則正差和負(fù)差的數(shù)目不會有很大的差別。Wilcoxon 符號秩檢驗(yàn)考慮關(guān)于各對之間的差的符號和差的幅度的信息。由于 Wilcoxon 符號秩檢驗(yàn)納入了有關(guān)數(shù)據(jù)的更多信息，因此它比符號檢驗(yàn)更為強(qiáng)大。l 如果數(shù)據(jù)為二值數(shù)據(jù)，則使用 McNemar 檢驗(yàn)。此檢驗(yàn)通常

5、用于重復(fù)度量情況，在此情況中，每個主體的反應(yīng)將被引出兩次，一次在指定事件發(fā)生之前，一次在之后。McNemar 檢驗(yàn)確定初始響應(yīng)率（事件前）是否等于最終響應(yīng)率（事件后）。此檢驗(yàn)對于在前后對比設(shè)計(jì)中檢測由實(shí)驗(yàn)干預(yù)引起的響應(yīng)變化很有用。如果數(shù)據(jù)為分類數(shù)據(jù)，則使用邊際齊性檢驗(yàn)。此檢驗(yàn)是 McNemar 檢驗(yàn)從二值響應(yīng)到多項(xiàng)式響應(yīng)的擴(kuò)展。它檢驗(yàn)響應(yīng)中的變化（使用卡方分布），對于在前后對比設(shè)計(jì)中檢測因?qū)嶒?yàn)干預(yù)所導(dǎo)致的響應(yīng)變化很有用。只有安裝了 Exact Tests 后，才可用邊際齊性檢驗(yàn)。二、兩個獨(dú)立樣本的差異顯著性檢驗(yàn)成組設(shè)計(jì)資料的非參數(shù)檢驗(yàn)成組設(shè)計(jì)資料的非參數(shù)檢驗(yàn)在SPSS主菜單Analyze /

6、Nonparametric Tests / 2 Independent Samples中得到。【課本例14-2 】 現(xiàn)有兩組飼料喂豬的料重比數(shù)據(jù)如下，試用非參數(shù)檢驗(yàn)法檢驗(yàn)這兩種飼料的料重比有無顯著差異。飼料A3.082.733.032.952.213.032.863.132.592.89飼料B3.433.043.373.292.463.373.192.893.49選擇菜單“ 【分析】【非參數(shù)檢驗(yàn)】【2個獨(dú)立樣本（2）】”，彈出“兩個獨(dú)立樣本檢驗(yàn)”對話框，將變量“飼料”、“料重比”按圖中所示分別放入分組變量欄和檢驗(yàn)變量欄中，點(diǎn)擊【定義組（D）】按鈕，在彈出的對話框中定義飼料變量的分組名稱“1”、

7、“2” ，點(diǎn)擊【繼續(xù)】繼續(xù)返回“兩個獨(dú)立樣本檢驗(yàn)”對話框，其余設(shè)置保持默認(rèn)，點(diǎn)擊【確定】后，在輸出窗口查看統(tǒng)計(jì)分析結(jié)果。檢驗(yàn)類型有四種檢驗(yàn)可用于檢驗(yàn)兩個獨(dú)立樣本（組）是否來自同一個總體。Mann-Whitney U 檢驗(yàn)（曼·惠特尼U檢驗(yàn) ; 秩和檢驗(yàn)）是最常用的兩個獨(dú)立樣本檢驗(yàn)。它等同于對兩個組進(jìn)行的Wilcoxon 秩和檢驗(yàn)和 Kruskal-Wallis 檢驗(yàn)。Mann-Whitney 檢驗(yàn)被抽樣的兩個總體處于等同的位置。對來自兩個組的觀察值進(jìn)行組合和排秩，在同數(shù)的情況下分配平均秩。同數(shù)的數(shù)目相對于觀察值總數(shù)要小一些。如果兩個總體的位置相同，則在兩個樣本之間隨機(jī)混合秩。該檢驗(yàn)計(jì)

8、算組 1 分?jǐn)?shù)領(lǐng)先于組 2 分?jǐn)?shù)的次數(shù)，以及組 2 分?jǐn)?shù)領(lǐng)先于組 1 分?jǐn)?shù)的次數(shù)。Mann-Whitney U 統(tǒng)計(jì)量是這兩個數(shù)字中較小的一個。同時顯示的 Wilcoxon 秩和 W 統(tǒng)計(jì)量是兩個秩和中較小的那個。如果兩個樣本的觀察值數(shù)相同，則 W 為“兩個獨(dú)立樣本: 定義組”對話框中首先命名的組的秩和。Kolmogorov-Smirnov Z 檢驗(yàn)和 Wald-Wolfowitz 游程檢驗(yàn)是檢測分布對于位置和形狀的差異所更為通用的檢驗(yàn)。Kolmogorov-Smirnov 檢驗(yàn)是以兩個樣本的觀察累積分布函數(shù)之間的最大絕對差為基礎(chǔ)的。當(dāng)這個差很大時，就將這兩個分布視為不同的分布。Wald-Wo

9、lfowitz 游程檢驗(yàn)對來自兩個組的觀察值進(jìn)行組合和排秩。如果兩個樣本來自同一總體，則兩個組應(yīng)隨機(jī)散布在整個秩次中。Moses 極端反應(yīng)檢驗(yàn)假定實(shí)驗(yàn)變量在一個方向影響某些主體，而在相反方向影響其他主體。它檢驗(yàn)與控制組相比的極端響應(yīng)。當(dāng)與控制組結(jié)合時，此檢驗(yàn)主要檢查控制組的跨度，是對實(shí)驗(yàn)組中的極值對該跨度的影響程度的測量?？刂平M由“兩個獨(dú)立樣本: 定義組”對話框中的組 1 值定義。來自兩個組的觀察值都進(jìn)行了組合和排秩?？刂平M的跨度通過控制組的最大值和最小值的秩差加上 1 來計(jì)算。因?yàn)橐馔獾碾x群值可能輕易使跨度范圍變形，所以將自動從各端修剪 5% 的控制個案。其中，Mann-Whitney檢驗(yàn)允

10、許兩組樣本的個數(shù)不一致，它既適用于大樣本情形，也適用于小樣本情形(n<30)，只需要根據(jù)不同情形選取不同的統(tǒng)計(jì)量和概率。因此，本文采用Mann。需注意的是：樣本量太小的話效度會很低。比如，如果總的數(shù)據(jù)只有7個或者更少的話，p值總是大于5%的。Mann-Whitney 檢驗(yàn)結(jié)果.秩飼料N秩均值秩和料重比飼料A107.1571.50飼料B913.17118.50總數(shù)19檢驗(yàn)統(tǒng)計(jì)量b料重比Mann-Whitney U16.500Wilcoxon W71.500Z-2.330漸近顯著性(雙側(cè)).020精確顯著性2*（單側(cè)顯著性）.017aa. 沒有對結(jié)進(jìn)行修正。b. 分組變量: 飼料似乎Wilc

11、oxon W71.500即是我們課本中所學(xué)的非配對試驗(yàn)資料的秩和檢驗(yàn)的統(tǒng)計(jì)量了，但按照選擇原則，應(yīng)該選擇較小樣本容量的秩和作為統(tǒng)計(jì)量取值，即應(yīng)該選擇118.50，產(chǎn)生了矛盾，暫時無語。查課本附表13“非配對資料秩和檢驗(yàn)表”可知0.05顯著性水平的接受域?yàn)椤?9-111”， 71.5應(yīng)該在接受域內(nèi)，抽樣概率應(yīng)該大于0.05；118.50才在否定域，才與課本一致。與t檢驗(yàn)結(jié)果進(jìn)行比較：組統(tǒng)計(jì)量飼料N均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤料重比飼料A102.8500.27877.08815飼料B93.1700.32867.10956獨(dú)立樣本檢驗(yàn)方差方程的 Levene 檢驗(yàn)均值方程的 t 檢驗(yàn)FSig.tdfSig

12、.(雙側(cè))均值差值標(biāo)準(zhǔn)誤差值料重比假設(shè)方差相等.275.607-2.29617.035-.32000.13935假設(shè)方差不相等-2.27615.818.037-.32000.14062曼·惠特尼U-秩和檢驗(yàn)原理介紹什么是曼-惠特尼U檢驗(yàn) 曼-惠特尼U檢驗(yàn)又稱“曼-惠特尼秩和檢驗(yàn)”，是由H.B.Mann和D.R.Whitney于1947年提出的。它假設(shè)兩個樣本分別來自除了總體均值以外完全相同的兩個總體，目的是檢驗(yàn)這兩個總體的均值是否有顯著的差別。 曼-惠特尼秩和檢驗(yàn)可以看作是對兩均值之差的參數(shù)檢驗(yàn)方式的T檢驗(yàn)或相應(yīng)的大樣本正態(tài)檢驗(yàn)的代用品。由于曼-惠特尼秩和檢驗(yàn)明確地考慮了每一個樣本中

13、各測定值所排的秩，它比符號檢驗(yàn)法使用了更多的信息。 該方法的具體步驟如下： 第一步：將兩組數(shù)據(jù)混合，并按照大小順序編排等級。最小的數(shù)據(jù)等級為1，第二小的數(shù)據(jù)等級為2，以此類推（若有數(shù)據(jù)相等的情形，則取這幾個數(shù)據(jù)排序的平均值作為其等級）。 第二步：分別求出兩個樣本的等級和W1、W2。 第三步：計(jì)算曼-惠特尼U檢驗(yàn)統(tǒng)計(jì)量，n1為第一個樣本的量，n2為第二個樣本的量： 選擇U1和U2中最小者與臨界值U比較，當(dāng)U < UA時，拒絕H0，接受H1。 在原假設(shè)為真的情況下，隨機(jī)變量U的均值和方差分別為： 當(dāng)n1和n2都不小于10時，隨機(jī)變量近似服從正態(tài)分布。 本例中：所以Mann-Whitney U

14、16.500只是關(guān)于Mann-Whitney U統(tǒng)計(jì)量的臨界值表課本中未有給出。網(wǎng)絡(luò)找到的曼-惠特尼檢驗(yàn)U的臨界值表: 曼-惠特尼檢驗(yàn)U的臨界值表（僅列出單側(cè)檢驗(yàn)在0.025或雙側(cè)檢驗(yàn)在0.05處的U臨界值） n2123456789101112131415n112000011113011223344554012344567891050123567891112131461235681011131416171971356810121416182022248024681013151719222426299024710121517202326283134100358111417202326293336

15、39110369131619232630333740441214711141822262933374145491314812162024283337414550541415913172226313640455055591515101419242934394449545964 Mann-Whitney U=16.520 p0.05 否定無效假設(shè)，接受備擇假設(shè)。似乎Wilcoxon W71.500即是我們課本中所學(xué)的非配對試驗(yàn)資料的秩和檢驗(yàn)的統(tǒng)計(jì)量了，但按照選擇原則，應(yīng)該選擇較小樣本容量的秩和作為統(tǒng)計(jì)量取值，即應(yīng)該選擇118.50，產(chǎn)生了矛盾，暫時無語。查課本附表13“非配對資料秩和檢驗(yàn)表”可知0

16、.05顯著性水平的接受域?yàn)椤?9-111”， 71.5應(yīng)該在接受域內(nèi)，抽樣概率應(yīng)該大于0.05；118.50才在否定域，才與課本一致。兩個獨(dú)立樣本的差異顯著性檢驗(yàn)成組設(shè)計(jì)資料的非參數(shù)檢驗(yàn)Moses 極端反應(yīng)檢驗(yàn)【增例】研究人員進(jìn)行一項(xiàng)實(shí)驗(yàn)來評價(jià)某種抗抑郁藥的效果。將19名輕度抑郁癥患者隨機(jī)分為兩組，一組接受試驗(yàn)藥物，另一組接受安慰劑。研究人員猜測，藥物可能對某些病人有抗抑郁作用，對另一些病人則產(chǎn)生抑郁作用。兩組病人在服用藥物和安慰劑后，檢測他們的抑郁水平如下所示。這些數(shù)據(jù)能否證實(shí)藥物會產(chǎn)生極端反應(yīng)？安慰劑組838073868279708176用藥組85969758846772747554將表格

17、中數(shù)據(jù)在excel表格中編制成spss數(shù)據(jù)文件格式后保存為“成組設(shè)計(jì)資料的非參數(shù)檢驗(yàn)Moses 極端反應(yīng)檢驗(yàn)數(shù)據(jù)”,再用spss程序打開，步驟同前，只是在“檢驗(yàn)類型”欄中選擇“Moses 極端反應(yīng)檢驗(yàn)”。Moses 檢驗(yàn)頻率組別N抑郁水平安慰劑組 （控制）9用藥組 （試驗(yàn)）10總數(shù)19檢驗(yàn)統(tǒng)計(jì)量a,b抑郁水平控制組觀察跨度14顯著性（單側(cè)）.091修整的控制組跨度9顯著性（單側(cè)）.055從每個末端修整的離群者1a. Moses 檢驗(yàn)b. 分組變量: 組別檢驗(yàn)結(jié)果看“修整的控制組跨度”對應(yīng)的抽樣概率，p=0.0550.05 用藥組患者未產(chǎn)生顯著的極端反應(yīng)。Moses 極端反應(yīng)檢驗(yàn)l 假定實(shí)驗(yàn)變量

18、在一個方向影響某些主體，而在相反方向影響其他主體。它檢驗(yàn)與控制組相比的極端響應(yīng)。當(dāng)與控制組結(jié)合時，此檢驗(yàn)主要檢查控制組的跨度，是對實(shí)驗(yàn)組中的極值對該跨度的影響程度的測量?？刂平M由“兩個獨(dú)立樣本: 定義組”對話框中的組 1 值定義。來自兩個組的觀察值都進(jìn)行了組合和排秩?？刂平M的跨度通過控制組的最大值和最小值的秩差加上 1 來計(jì)算。因?yàn)橐馔獾碾x群值可能輕易使跨度范圍變形，所以將自動從各端修剪 5% 的控制個案。三、K個非配對樣本的差異顯著性檢驗(yàn)完全隨機(jī)化設(shè)計(jì)資料的非參數(shù)檢驗(yàn)完全隨機(jī)化設(shè)計(jì)資料的非參數(shù)檢驗(yàn)在SPSS主菜單Analyze / Nonparametric Tests / K-Indepe

19、ndent Samples中得到。【課本例14-3】用4種方法對某種樣品進(jìn)行脫水處理，每種方法重復(fù)5次，測得結(jié)果如下，試比較4種方法脫水效果有無顯著性差異。方法一方法二方法三方法四測得值秩次測得值秩次測得值秩次測得值秩次1.69.31.561.451.111.7141.69.51.69.51.121.9171.69.51.69.51.231.9171.7141.7141.342.019.53.019.31.9171.69.5Ti77 58.5 55 19.5ni 5 5 5 5 將表格中數(shù)據(jù)在excel表格中編制成spss數(shù)

20、據(jù)文件格式后保存為“K個非配對樣本的差異顯著性檢驗(yàn)完全隨機(jī)化設(shè)計(jì)資料的非參數(shù)檢驗(yàn)數(shù)據(jù)”,再用spss程序打開。按照SPSS主菜單Analyze / Nonparametric Tests / K-Independent Samples路徑，點(diǎn)擊打開“多個獨(dú)立樣本檢驗(yàn)”對話框，按照下列圖示中紅框中的內(nèi)容進(jìn)行選擇，其它設(shè)置保持默認(rèn)，點(diǎn)擊【確定】按鈕，在輸出窗口看結(jié)果。Kruskal-Wallis 檢驗(yàn)秩檢測方法N秩均值脫水效果方法一515.30方法二511.80方法三511.00方法四53.90總數(shù)20檢驗(yàn)統(tǒng)計(jì)量a,b脫水效果卡方10.126df3漸近顯著性.018a. Kruskal Walli

21、s 檢驗(yàn)b. 分組變量: 檢測方法中值檢驗(yàn)頻率檢測方法方法一方法二方法三方法四脫水效果> 中值4220<= 中值1335檢驗(yàn)統(tǒng)計(jì)量b脫水效果N20中值1.600卡方6.667adf3漸近顯著性.083a. 8 個單元 (100.0%) 具有小于 5 的期望頻率。單元最小期望頻率為 2.0。b. 分組變量: 檢測方法與方差分析進(jìn)行比較ANOVA脫水效果平方和df均方F顯著性組間1.1703.3903.120.055組內(nèi)2.00016.125總數(shù)3.17019脫水效果Student-Newman-Keulsa檢測方法Nalpha = 0.05 的子集1方法四51.26方法三51.64方

22、法一51.82方法二51.88顯著性0.059將顯示同類子集中的組均值。a. 將使用調(diào)和均值樣本大小 = 5.000。三、多個相關(guān)樣本的差異顯著性非參數(shù)檢驗(yàn)隨機(jī)區(qū)組設(shè)計(jì)資料的非參數(shù)檢驗(yàn)多個相關(guān)樣本的差異顯著性非參數(shù)檢驗(yàn)在SPSS主菜單Analyze / Nonparametric Tests / K-related Samples中得到。【增例】 受試者6人，每人穿4種不同的防護(hù)服時的脈搏數(shù)如表，問4種防護(hù)服對脈搏的影響有無顯著差別？ 穿4種防護(hù)服時的脈搏數(shù)（次/分）編號防護(hù)服A防護(hù)服B防護(hù)服C防護(hù)服D脈搏秩號脈搏秩號脈搏秩號脈搏秩號1144.441433133.41142.822116.22

23、119.241183110.813105.81114.83113.22115.84498112031042132.845103.82110.64109.83100.616121.44107.31115.62119.23秩和14181315將表格中數(shù)據(jù)在excel表格中編制成spss數(shù)據(jù)文件格式后保存為“多個相關(guān)樣本的差異顯著性非參數(shù)檢驗(yàn)隨機(jī)區(qū)組設(shè)計(jì)資料的非參數(shù)檢驗(yàn)數(shù)據(jù)”,再用spss程序打開。按照SPSS主菜單Analyze / Nonparametric Tests / K-related Samples路徑，點(diǎn)擊打開“多個關(guān)聯(lián)樣本檢驗(yàn)”對話框，按照下列圖示中紅框中的內(nèi)容進(jìn)行選擇，其它設(shè)置保

24、持默認(rèn)，點(diǎn)擊【確定】按鈕，在輸出窗口看結(jié)果。Friedman 檢驗(yàn)秩秩均值防護(hù)服A2.33防護(hù)服B3.00防護(hù)服C2.17防護(hù)服D2.50檢驗(yàn)統(tǒng)計(jì)量aN6卡方1.400df3漸近顯著性.706a. Friedman 檢驗(yàn)與方差分析進(jìn)行比較ANOVA脈搏平方和df均方F顯著性組間124.185341.395.214.885組內(nèi)3866.63520193.332總數(shù)3990.82023脈搏Student-Newman-Keulsa防護(hù)服Nalpha = 0.05 的子集1防護(hù)服A6114.933防護(hù)服C6115.667防護(hù)服B6119.150防護(hù)服D6120.333顯著性.906將顯示同類子集中的組均值。a. 將使用調(diào)和均值樣本大小 = 6.000。五、兩樣本等級資料的差異顯著性非參數(shù)檢驗(yàn) 在SPSS主菜單Analyze / Nonparametric Tests / 2-Independent