医学研究的数据管理与分析ppt课件.ppt

SPSS软件应用(二)
非参数检验
已知总体分布类型,对未知参数进行统计推断
依赖于特定分布类型,比较的是参数
参数检验
(parametric test)
非参数检验
(nonparametric test)
对总体的分布类型不作严格要求
不受分布类型的影响,比较的是总体分布位置
优点:方法简便、易学易用,易于推广使用、应用范围广;可用于参数检验难以处理的资料(如等级资料,或含数值“>50mg”等)
缺点:方法比较粗糙,对于符合参数检验条件者,采用非参数检验会损失部分信息,其检验效能较低;样本含量较大时,两者结论常相同
非参数统计方法的优点:对资料分布特征无特殊要求。以下均可用非参数统计:
不论样本所来自的总体分布形式如何,甚至是未知;(任意分布)
不能或未加精确测量的资料:如等级资料
只能以严重程度、优劣等级、次序先后等表示的资料
当参数检验的条件得不到满足,如非正态或样本例数较少分布类型显示不清的资料
有些分组资料一端或两端是不确定数值,如5克以上
非参数检验包括的内容
返回
SPSS非参数检验
在总体分布未知的情况下,利用样本数据对总体的分布或各总体的分布是否有显著差异进行推断。
单样本非参数检验
两独立样本的非参数检验
多独立样本的非参数检验
两配对样本的非参数检验
多配对样本的非参数检验
SPSS单样本非参数检验
总体分布的chi-square检验(卡方检验)
(1)目的:
根据样本数据推断总体的分布与某个已知分布是否有显著差异---吻合性检验(拟合优度检验)。例如:
心脏病的死亡规律研究
:1:1:1:1:1:1
某地区陪审团成员的年龄结构研究,陪审员是否是随机抽取的
该地区的年龄结构比::::
对某公司新品牌产品的名称作决策
等构成比检验
适用于分类资料的统计推断
SPSS单样本非参数检验
总体分布的chi-square检验
(2)基本假设: H0:总体分布与理论分布无显著差异
(3)基本方法
根据已知总体的构成比计算出样本中各类别的期望频数,计算实际观察频数与期望频数的差距,即:计算卡方值
卡方值较小,,不能拒绝H0,
SPSS单样本卡方检验
总体分布的chi-square检验
(4)基本操作步骤:
菜单:analyze->nonparametric test->chi square
选定待检验变量入test variable list 框
确定待检验个案的取值范围(expected range)
get from data:全部样本
use specified range:用户自定义个案范围
指定期望频数(expected values)
all categories equal:所有类别有相同的构成比
value:用户自定义构成比
点数I
1
2
3
4
5
6
频数O
43
49
56
45
66
41
300次掷一颗六面体实验观测结果
SPSS单样本卡方检验
总体分布的chi-square检验
(5)应用举例