spss怎么做独立样本的非参数检验？SPSS数据分析之两独立样本的非参数检验操作
spss怎么做独立样本的非参数检验？SPSS数据分析之两独立样本的非参数检验操作分组变量：组别，定义组（1 2）检验变量列表：投篮命中数问题：通过两样本独立检验判断两个组投篮命中数之间是否存在显著的差异操作：分析→非参数检验→旧对话框→2个独立样本2个独立样本操作
如果对两个总体分布未知的样本，检验这两个样本之间是否具有相同的分布，就要用到两独立样本的非参数检验，是用于检验从不同总体中抽取的两个独立样本之间是否存在显著差异，零假设：两个独立样本或总体分布无显著性差异。
话不多说，直接上操纵。
原始数据
原始数据
问题：通过两样本独立检验判断两个组投篮命中数之间是否存在显著的差异
操作：分析→非参数检验→旧对话框→2个独立样本
2个独立样本操作
检验变量列表：投篮命中数
分组变量：组别，定义组（1 2）
检验类型
Mann-Whitney U：检验两个样本总体上的位置是否相等，等同于对两个样本秩和检验（最广泛的）
Kolmogorov-Smirnov Z：是建立在两个样本的累计分布最大绝对差值的基础上，当差值很大，就将两个分布视为不同的分布，同时检验两个样本在未知的形状上是否存在显著差异
Moses 极限反应：假定实验变量在一个方向，影响某些主体在相反方向上影响其他主体，该方法是为了减少极端值的影响，控制样本初始的跨度，对实验组中的极值对实验跨度的影响程度进行测量，因为意外的离群值可能轻易的使跨度范围变形，所以剔除了各5%的最大值和最小值后，比较两个样本的极差是否相等
Wald-Wolfowitz 游程：对两个样本数据进行组合或排序后的游程检验，如果两个样本是同一个总体，那么两个组应随机散布在各个等级中，是一个秩检验
选项→描述性、四分位数
检验类型
输出结果
|
描述性统计量 | ||||||||
|
N |
均值 |
标准差 |
极小值 |
极大值 |
百分位 | |||
|
第 25 个 |
第 50 个（中值） |
第 75 个 | ||||||
|
投篮命中数 |
40 |
5.50 |
2.918 |
1 |
10 |
3.00 |
5.00 |
8.00 |
|
组别 |
40 |
1.50 |
.506 |
1 |
2 |
1.00 |
1.50 |
2.00 |
上表可知投篮命中数案例40个，均值为5.5，标准差为2.918。
Mann-Whitney U检验
|
秩 | ||||
|
组别 |
N |
秩均值 |
秩和 | |
|
投篮命中数 |
1 |
20 |
19.90 |
398.00 |
|
2 |
20 |
21.10 |
422.00 | |
|
总数 |
40 | |||
|
检验统计量a | |
|
投篮命中数 | |
|
Mann-Whitney U |
188.000 |
|
Wilcoxon W |
398.000 |
|
Z |
-.327 |
|
渐近显著性(双侧) |
.744 |
|
精确显著性[2*（单侧显著性）] |
.758b |
|
a. 分组变量: 组别 | |
|
b. 没有对结进行修正。 | |
上表可知1组和2组个案数分别为10，1组均值为19.90，2组为21.10，渐近显著性（双侧）为0.744＞0.05，所以不能拒绝原假设，说明两组投篮命中数不存在显著差异。
Moses检验
|
频率 | ||
|
组别 |
N | |
|
投篮命中数 |
1 （控制） |
20 |
|
2 （试验） |
20 | |
|
总数 |
40 | |
|
检验统计量a b | ||
|
投篮命中数 | ||
|
控制组观察跨度 |
38 | |
|
显著性（单侧） |
.500 | |
|
修整的控制组跨度 |
38 | |
|
显著性（单侧） |
1.000 | |
|
从每个末端修整的离群者 |
1 | |
|
a. Moses 检验 | ||
|
b. 分组变量: 组别 | ||
上表可知，修正后的显著性（单侧）为1.000＞0.05，说明也不能拒绝原假设，即两组投篮命中数不存在显著差异。
双样本Kolmogorov-Smirnov Z检验
|
频率 | ||
|
组别 |
N | |
|
投篮命中数 |
1 |
20 |
|
2 |
20 | |
|
总数 |
40 | |
|
检验统计量a | ||
|
投篮命中数 | ||
|
最极端差别 |
绝对值 |
.100 |
|
正 |
.100 | |
|
负 |
-.050 | |
|
Kolmogorov-Smirnov Z |
.316 | |
|
渐近显著性(双侧) |
1.000 | |
|
a. 分组变量: 组别 | ||
上表可知，渐近显著性（双侧）为1.000＞0.05，说明也不能拒绝原假设，即两组投篮命中数不存在显著差异。
Wald-Wolfowitz检验
|
频率 | ||
|
组别 |
N | |
|
投篮命中数 |
1 |
20 |
|
2 |
20 | |
|
总数 |
40 | |
|
检验统计量a b | ||||
|
Runs 数 |
Z |
渐近显著性（单侧） | ||
|
投篮命中数 |
最小可能 |
9c |
-3.684 |
.000 |
|
最大可能 |
33c |
4.005 |
1.000 | |
|
a. Wald-Wolfowitz 检验 | ||||
|
b. 分组变量: 组别 | ||||
|
c. 有 7 个涉及 33 个案例的组间结。 | ||||
上表可知，最小游程数（最小可能）为9，最大游程数（最大可能）为33，最小游程数的渐近显著性（单侧）为0.000＜0.05，说明接受原假设，即两组投篮命中数存在显著差异；最大游程数的渐近显著性（单侧）为1.000＞0.05，说明不能拒绝原假设，即两组投篮命中数不存在显著差异。
综上所述，四种检验均说明不能拒绝原假设，即两组投篮命中数不存在显著差异。
今天的数据分析就学习到这里，有任何问题可以评论留言，如有想看的操作讲解，可以私信我。谢谢大家的点赞、关注和转发。
