非參數(shù)統(tǒng)計(jì)第二次練習(xí)課件

練習(xí)1威斯康星符號(hào)秩檢驗(yàn)酒精對(duì)反應(yīng)時(shí)間的影響分析人員為了解酒精對(duì)汽車(chē)司機(jī)的反應(yīng)時(shí)間的影響，選擇了20個(gè)卡車(chē)司機(jī)組成一個(gè)隨機(jī)樣本，在實(shí)驗(yàn)中測(cè)量了每個(gè)司機(jī)在喝下一定酒精含量的飲料前后的反應(yīng)時(shí)間，使用威斯康星符號(hào)秩檢驗(yàn)法來(lái)判斷酒精是否影響反應(yīng)時(shí)間。1打開(kāi)“酒精對(duì)反應(yīng)時(shí)間的影響.sav”。單擊Analyze→Legacy

dialogs→NonparametricTests→2-Related-SamplesTest…，打開(kāi)兩個(gè)相關(guān)樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框，從左邊的變量列表框中選擇“反應(yīng)時(shí)間A”和“反應(yīng)時(shí)間B”作為第一組比較配對(duì)樣本，移入右側(cè)的TestPairList方框中，下面的TestType中選擇默認(rèn)的Wilcoxon，單擊OK按鈕，輸出威斯康星符號(hào)秩檢驗(yàn)結(jié)果。2在威斯康星符號(hào)秩檢驗(yàn)中，秩是根據(jù)兩個(gè)檢驗(yàn)變量之差的絕對(duì)值來(lái)計(jì)算的。根據(jù)秩差的符號(hào)可以把個(gè)案分為三組：負(fù)秩(秩差小于0)、正秩(秩差大于0)和等秩(秩差等于0)。秩差相同的個(gè)案將忽略不計(jì)。秩表顯示，有4個(gè)個(gè)案的秩差為負(fù)，其均秩為4.25，秩和為17。有14個(gè)個(gè)案的秩差為負(fù)，均秩為11，秩和為154，有2個(gè)案的秩和相等。秩表3根據(jù)上面的檢驗(yàn)統(tǒng)計(jì)量，能夠得出酒精顯著影響卡車(chē)司機(jī)的反應(yīng)時(shí)間的結(jié)論？檢驗(yàn)統(tǒng)計(jì)量表4練習(xí)2符號(hào)檢驗(yàn)幼兒園生活對(duì)孩子們的影響研究人員想了解幼兒園生活對(duì)孩子們社會(huì)知識(shí)成績(jī)的影響，他們選取了16對(duì)孩子作為研究對(duì)象，隨機(jī)指定一對(duì)兒童之一在幼兒園生活一學(xué)期，另外一個(gè)在幼兒園以外生活一學(xué)期，學(xué)期結(jié)束時(shí)，對(duì)這16個(gè)孩子進(jìn)行社會(huì)知識(shí)考查并且得到他們的測(cè)試成績(jī)。使用符號(hào)檢驗(yàn)判斷幼兒園生活是否影響兒童社會(huì)知識(shí)。5打開(kāi)“幼兒園生活.Sav”，單擊Analyze→Legacy

dialogs→Nonparametric

Tests→TwoRelated-Samples…，打開(kāi)兩個(gè)相關(guān)樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框。用鼠標(biāo)同時(shí)選中左側(cè)變量列表框中的兩個(gè)變量，將它們移入TestPair(s)List方框中，取消TestType中默認(rèn)的Wilcoxon，勾選Sign，單擊OK按鈕，輸出符號(hào)秩檢驗(yàn)結(jié)果。6符號(hào)檢驗(yàn)的頻數(shù)(Frequencies)表顯示兩個(gè)相關(guān)樣本數(shù)據(jù)相對(duì)比，第二組孩子成績(jī)小于第一組的(符號(hào)為“-”，NegativeDifference)的有10個(gè)，第二組孩子成績(jī)大于第一組的(符號(hào)為“+”，PositiveDifference)的有4個(gè)，成績(jī)相等也就是所謂同分的(Ties)的有2個(gè)。頻數(shù)表7根據(jù)上面的檢驗(yàn)結(jié)果，能否判斷幼兒園的生活對(duì)孩子的社會(huì)生活產(chǎn)生顯著的影響？檢驗(yàn)統(tǒng)計(jì)量表8練習(xí)3麥克內(nèi)曼變化顯著性檢驗(yàn)雜貨店的促銷(xiāo)方式一家雜貨店的老板想增加自有品牌清潔劑的銷(xiāo)售量，他采用了店內(nèi)促銷(xiāo)的方式來(lái)推銷(xiāo)產(chǎn)品，調(diào)查得到197位客戶(hù)在促銷(xiāo)前后對(duì)商店自有品牌喜好的數(shù)據(jù)，使用麥克內(nèi)曼檢驗(yàn)法判斷這種促銷(xiāo)方式是否能夠改變消費(fèi)者的購(gòu)買(mǎi)行為。9打開(kāi)SPSS中“雜貨店促銷(xiāo)方式.sav”。單擊Analyze→Legacy

dialogs→NonparametricTests→2RelatedSamples…，打開(kāi)兩個(gè)相關(guān)樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框，將“促銷(xiāo)前的喜好”和“促銷(xiāo)后的喜好”作為配對(duì)的檢驗(yàn)變量，移入右邊TestPairList方框中。取消TestType中默認(rèn)的Wilcoxon，勾選McNemar，單擊OK按鈕，輸出麥克內(nèi)曼檢驗(yàn)結(jié)果。10麥克內(nèi)曼檢驗(yàn)法主要關(guān)注樣本的條件變化或者樣本反應(yīng)的變化。本例中的原假設(shè)是促銷(xiāo)方式對(duì)顧客沒(méi)有任何效果，顧客對(duì)任何一種牌子的清潔劑的偏好是相同的。上表顯示沒(méi)有促銷(xiāo)之前，有26位消費(fèi)者喜歡自有品牌的清潔劑。促銷(xiāo)以后，喜歡該品牌的顧客增加到59個(gè)，消費(fèi)者行為的這種變化，商店老板認(rèn)為促銷(xiāo)起到了作用。另一方面，原先有64位顧客不喜歡自有品牌的清潔劑，但促銷(xiāo)以后減少到48位，這也是商店老板希望看到的。頻數(shù)表11根據(jù)上面的檢驗(yàn)統(tǒng)計(jì)量，能否判斷出促銷(xiāo)行為對(duì)顧客購(gòu)買(mǎi)自有品牌的清潔劑產(chǎn)生積極的效果。檢驗(yàn)統(tǒng)計(jì)量表12練習(xí)4克魯斯卡爾-沃利斯檢驗(yàn)草莓的滋味農(nóng)業(yè)研究者在研究覆蓋物顏色對(duì)農(nóng)作物味道的影響時(shí)，對(duì)生長(zhǎng)于紅色、藍(lán)色和黑色覆蓋物上的草莓進(jìn)行評(píng)估，評(píng)估的等級(jí)分為5個(gè)等級(jí)，其中1代表草莓味道特別差(遠(yuǎn)低于平均水平)，5代表草莓味道特別好(遠(yuǎn)高于平均水平)。打開(kāi)“草莓的滋味.sav”，使用克魯斯卡爾-沃利斯法來(lái)檢驗(yàn)草莓味道是否由于生長(zhǎng)在不同的覆蓋物上而有所差異。13單擊Analyze→Legacy

dialogs→Nonparametric

Tests→KIndependentSamples…，打開(kāi)多個(gè)獨(dú)立變量檢驗(yàn)對(duì)話(huà)框，選擇“味道等級(jí)”為檢驗(yàn)變量，移入右側(cè)的TestVariableList方框中。選擇“草莓覆蓋物顏色”作為分組變量，移入右側(cè)的GroupingVariable方框中，單擊DefineRange按鈕，在定義范圍對(duì)話(huà)框中，Minimum后輸入1，Maximum后輸入3，單擊Continue按鈕，回到兩個(gè)對(duì)立樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框，單擊OK按鈕，輸出檢驗(yàn)結(jié)果。14秩表魯斯卡爾-沃利斯法使用原始數(shù)值的秩來(lái)進(jìn)行檢驗(yàn)，本例中使用這種方法比較合適，因?yàn)椴葺兜赖脑u(píng)估等級(jí)是一個(gè)定序變量。首先不論個(gè)案屬于哪一組，將它們混合起來(lái)進(jìn)行排序，相同秩的個(gè)案取秩的平均值。對(duì)個(gè)案排序以后，再各自計(jì)算每組個(gè)案的秩和。上表顯示生長(zhǎng)在紅色覆蓋物的草莓味道等級(jí)的均秩是9.05，生長(zhǎng)在藍(lán)色覆蓋物上的草莓味道等級(jí)的均秩是16.75，生長(zhǎng)在黑色覆蓋物上的草莓味道等級(jí)的均秩是20.70。看來(lái)生長(zhǎng)在不同覆蓋物上的草莓味道是存在差異的。15根據(jù)上面的檢驗(yàn)統(tǒng)計(jì)結(jié)果，能否判斷草莓的味道隨著培養(yǎng)環(huán)境的不同而存在顯著差異。檢驗(yàn)統(tǒng)計(jì)量表16練習(xí)5中位數(shù)檢驗(yàn)減肥方法的效果為了評(píng)估3個(gè)減肥方法的效果選取了36名志愿者，志愿者被隨機(jī)地分配到這3個(gè)減肥計(jì)劃中，在進(jìn)行減肥前后分別測(cè)量志愿者的體重，記錄下他們的體重減少量。打開(kāi)“減肥方法的效果.sav”，使用中位數(shù)檢驗(yàn)法判斷3種減肥方法下志愿者體重的減少是否存在顯著差異。17單擊Analyze→Legacy

dialogs→Nonparametric

Tests→KIndependentSamples…，打開(kāi)多個(gè)獨(dú)立樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框，選擇“減肥量”為檢驗(yàn)變量，移入右側(cè)的TestVariableList方框中。左下方的TestType中取消默認(rèn)的Kruskal-WallisH，勾選Median。將變量“組別”移入GroupingVariable方框中，再單擊DefineRange按鈕，在定義分組范圍對(duì)話(huà)框中，Minimum后輸入1，Maximum后輸入3，單擊Continue按鈕，回到多個(gè)獨(dú)立樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框。18單擊Option按鈕，在選擇對(duì)話(huà)框中，統(tǒng)計(jì)量中選擇Quartiles(四分位數(shù))，單擊Continue按鈕，回到多個(gè)獨(dú)立樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框，單擊Ok按鈕，輸出檢驗(yàn)結(jié)果。19描述性統(tǒng)計(jì)量表顯示，36位志愿者雇員測(cè)評(píng)成績(jī)的中位數(shù)是11.50，稍低于12。中位數(shù)檢驗(yàn)的原假設(shè)是，中位數(shù)是三組志愿者體重減少量集中趨勢(shì)的較好近似值，也就是假設(shè)是在每組志愿者中，體重減少量大于11.5和低于或等于11.5的人數(shù)大體相等。描述性統(tǒng)計(jì)量表20從頻數(shù)表中可以看出，為了檢驗(yàn)原假設(shè)，分別計(jì)算每組志愿者體重減少量高于中位數(shù)和低于中位數(shù)的人數(shù)。第一組和第二組的志愿者的頻數(shù)是相同的，減肥量大于中位數(shù)的有5位，低于或等于中位數(shù)的有7位，人數(shù)相差不大。第三組志愿者中，高于中位數(shù)的有8位，低于或等于中位數(shù)的只有4位，該組人數(shù)相差較大。頻數(shù)表21根據(jù)上面的檢驗(yàn)結(jié)果能否判斷出志愿者體重的有顯著的減少。檢驗(yàn)統(tǒng)計(jì)量表22練習(xí)6Jonckheere-Terpstra多樣本檢驗(yàn)草莓滋味的再分析打開(kāi)“草莓的滋味.sav”，利用Jonckheere-Terpstra多樣本檢驗(yàn)來(lái)判斷5中草莓滋味是否存在顯著差別。單擊Analyze→Legacy

dialogs→Nonparametric

Tests→K-Independent-Samples…，打開(kāi)多個(gè)獨(dú)立樣本非參數(shù)檢驗(yàn)對(duì)話(huà)框。23將變量“味道等級(jí)”移入TestVariableList方框中，變量“組別”移入GroupingVariable方框中，取消左下角的TestType中默認(rèn)的Kruskal-WallisH，勾選Jonckheere-Terpstra。單擊DefineGroups按鈕，在彈出的定義組別對(duì)話(huà)框中，Minimum后的文