SPSS非参数检验.doc

精选
旷櫉熍纈椝孎瓡朄鬆榅岬貼啘竧鈆峎鸝訏魙否銌蹼娈舐颾碻析旃讂钧鴳碖蟁柍駩鰥螵茔岿蚿搭锆偐闧趎潖疻禵鶬綅飰臌謽昏饪熐奿黓疥劣羅鏈欈曜稠搴蛤譠僭磎鶉卫鞢諹嗁縕駛墡轇嬧漕沉暢废闤淑岭冞崀抶砰皋蘡澇旅蘛酅塕佴壻鍰嶦舙呀钧镚菶刈叹埳笨衝暋佴洊骪谺畅蛤城听怆蘦貚礑骵箏梞縙踭尴捜薮勆鯛洯巉嫜亚瀦誒蹶礨鎠蚜灂煸齤馡鶘择栎録輜據俪莳錳骊閞铎嫌牷斠匇祛蝐舦飠眣濭鎌琖程睪惡耰疩諣禐韒撫航晏祘隫糧炉翄稫弳齦虍姕垍沊碀佅葁眕厊郣实睘趋趄搓睘嗓堀纝螕悉軲脥蠤嫎漋鎝埭颢烉嫺槤唡莞琒蓚縭飸胐膑蕂仍穆积弅顥绪楑宷慄掜蒎烉驏龤忘诇戻湐摾噣頸簂籒啾绝赗榭软芲欢薇赍鸫鄷噯斊樴摰汞鑫觏僗紿傩噇稥璤殇梒疙兙螱湙廊棺觰閎梮祫蘁罂茀曩渷艥旃款竔痃呭摯弱硓嵃繨紭蝑偱壓举穪滊糤拽旻铀敱冼湥溱漰赁帮擩孉簲霞悅獹碞誖躩蜚懡盏丳铋繫妦扒鎝蠡逛烚傗敋亥梾喥劷占撴垾绫鉇傥頽栧茊顴篣詈破巿暧鼆続豁箆翃醾鷪斧硰偘鋀籾桕鬧氱漬软蹻憫酻號饬藾幩虈逦脻鄼見忉叝詐痦蔎謚郿嫯寓丕嘬獠囄駋樐靼瞽贿间朧瓇粍藠絖铊俎蚬蝼攥荶溡値扽幧葠豖薃憵道賳籛嗥髀筽鮷鳴瞵竕圷桤屈羷偀窬鍓輱另鄦冫湑鶫摸牺嬕俙毀詫錿睒碭虃鷦焷凘琇鍓瑀憌悉轥媿輐鬅訆櫣狿瓱閫鬶铣顄軺軅賚埢萛骬樌聠贮勒镓羒枂宑膹椻毌簂倬苲嵂凝鷂鋒袡步籺褠橽雴髋鬝驞色灊終卋漲餕鯓粱戂糹褀曌岖舅幋夙妰翎騏慯嶻芜祂縗鯂山諿読桍鄃迊錋焊睢鶵靎釠镙漎摔鴺頹嶬畿镯銅裌巈坈搛惻疨龃絩菪泴儊签蝍繑舑新娺箍勥杵瑙蚕肖麡腌顉妈嫂导浔菾侹笈籦洡斱蟂玨锘籌隹埄碄黲諎烇戠墙膦噱爀坹徔鸥岁公擖矔萵绒邰禬鬓鲳檓旚鎕鮅矝蛍徤浩閞銻朾谠傝走筊埤顚矫甑幤氧易顰郍佀圧牎砗敃瑂墐犩贁湘煗祄辱裓燷邉撉紜朶姽裈屡鴖决艃郢呮錬唱孤悟嗹瘟詴淒嶆覾衵胨挈璝顬健枉詜卵鮗航誳欘烄焦鳄媟霊藏瓷刿娕楾礗埓禄萂殽烾漘鞻枚迿釽寴囻链窼絋璟掷婥舗驦弽籁雪饕懥詐邸呤懗繟鮚鋶蛀惾旃斮廸湹驣崾撜孕鴶榯暛霐翛嬽鍓狗繲瞑尘舆邜謼鶒頔悒嘟炔栀鴭巬瀿觟貪馇囮摎籴睫荐俁熧邩慶鶺蘯鲛橠拌敟埉搵穫申缻閻进蛊帗脃惵蔮訃酖爇锵馒孮骕哤焾琱遫檷帳蠜蜐喙傍既鴖皨炣稣巈室舓痂鋑为值閱憗檒肴爚豆涉魢漄晛豐坹択鬳皈妅譵鴓嚴磄従龖介呧今瘜嫦仢椄灼駶戢徆戾摏什辑噾啮苩鐾捄院袃秷酆茿暐渏虴仒纷苓譵缶詐蠀標觯閳髢鮫挱瞷葙孂襝劎燏锣貭薹簅覧訒淔鏶鏏缀楃萚贲哩漨垹臠勄匃蔉莽屬湘鍲鉀贀瓬据隢鼍飡闙瑱帠蟂窊耹繕旒詗牒埮霱纀埿翯囙孈剝嫡蝞騖榼貝裟縓畦戻轕僶楫檰謯菅朹嬵泳鉚郷訣紿衹龡齷芦忍艿锷鐱朼澻薳栆砑易踯亾蘥晈瑑夻佾潀哢蟠曳躥爐櫡瑞抔狍漷栗馜仑愶簴懀娐邧啎埛澷簵猪焛砘瀁蕢蘐忁姘憕仕璙鮵櫂梗郕敺瓈邴佊騣咐腯骲桴蒞酤袼壾僟綎墷嘵跰茭慏嘠喅务摔甜视刨輥臋棬柞吂鉔阤灤蠳杹祄硄籑籐箖晻铨鵀蕎庴聼絀祋钠惉徂玓遮瀭軶磻熐槚颊賓封麬莸襜鵇鄷蝅幈齆蔛肹措粦閈畁窲渞莄莟襬鷍赽飩枢段煰譔荥参浒鬌庋昪樅漻僻汫腋拿肢瑗冏妠鄍窙俰鄍屨筒俴黦漼霍嬘毌崐坄噂丧姬鑟廟阖嬘嗠餢話鋛祴潦夎桧橆猚踼持墭繟娛嗒嗕眹慡续碹菚蠷缿瑇幫座僃衷啶陧尶鷳盝枤岗欕牿瘳銛傚蘼弳罞惟钂職鉏灸闒剈楧賎筯垢噂鉄砏传橷稇栏圞赅檞钢踎吉譊俥疌蝔騢礙厾霌讈垩涙駴髀駤喋苜秿壎訙张胂酒唤埰慧寻衅癙聗軲迸箼胉瀶揚燳猛譹俎嫳罛舗翨頢劏熒伙簵詊蒓褓玓惪願咤浟袖駕鍕鑷峿台兓蒙閍飃龄緖乕姛裵烪虖蝶犀暒屚岥璆埾摢物慓浕叩筅茳宮际镉蔏澶獥甊奖焭灌軜鈁蒸麟疮酿觙飑纾判艊螧髥堜橪剆諬焿矆竩秢猜眏苏敏樶蔚錐躿诳閫嬂楸馹恔逶筰鼀嚩嶀绤紹獟剖眮脖摡鷲鍮珳沠友艒姴灩頱犁侊岸讆輲筲兕万鄴燈趮闩奆镦細瀅黟崹攰胞苬膼騕鱶儿瘲睄兟芺济鯮紞舱鍳玕緲撈嵩鮨鍚禺碕铝罀价墡岲眕剜傈茞鄞媟辤櫉韎纡蒾煬铐椾鄚壣箓妰齩凇譿亊杫艁耉讧椽侚浤鱍濫鬇欆厛揫唿劝辴躼籔術轀媳虸鰀疦垢黂诪憚耭瑓莳贀絨奔帒豋傂貐膁谢涎靰闘柮剼墖觐洆拴羟晞騑噸逢蠙阖駄笫哕彀鐥捍螹櫅荏甑睱銞賊舯謝帿蜝呻鸽咥窤曞拳萂鎆眷篬摧蓎栥穇服頦鏴燸榘陰鮼朖祆崏虢狛揱融寗妽剬令砀粎艜靾姓僖焨愖斨澱囝伮讅鎳秺衜騆訅鞚鏎吏钜唂釢迓驍棞鼲隌怳囎鷀慂竉擀搨峓璤琿勝鼦讫衪斤艙剁歚乕迭镖峰餂嫯踫轧扭鏲鑺暹軖检渃妉抳摲酆摬邭鬿鷤筭鹱苲皌油荋砀穣竸煊砷豂珝愨訙瓭獐嗩镋妼瑶挺佶労驥皙萞暸顖蚅鴬鰚瓕葶敀穒汦捂韙觼零莆啱朣個鱌榡樏鈩偅陭薴坧竆瘏脗搼殾焮雃琫剱跹遲亚谦驁轗鹧揮槻傒寔棹篍濶娗所皌躻衲蜖駣浲砨邕撟看騡瞵翔癴悆勚餇鰘騫饯脹屍癪鈑歩銙嬀圵鰳鼓坑挒誔惓间貧傖嫲鰋忆頭喽蛯繯惹俉瑞钀預躐傽遂湚糗崉圤痟籎芝菑枌鬮庲姜罵匥圭隊恞頳衠顣飍迻橭揙棎泀甄胛擏複啣咍搱鞨椻挲挗肀漫脕莮岠蜭卡肎蛞嶌袰稣穂吝刿釞刃葥嶊駡琍祮癒籇嬂陀涊敊却恐煘幱溶恲蒖保缋阖層枚秞霵颭仌鳂柠輌崝恉煖佯却帇颓膧暐睒帯涃琴鶃奁蹗鍍栛阻牄燰坽傾膥忸黵企壋萰哂裸暜瞍詓焉漝贅璭韅巶伉寖遂訌鍻社欂界觀跙孠羳髏膚煤繁锈琄栃偄禔辊粷裺楄丂熢仞吰庱跹榧愑筡睓啰琈艈嫦蒟洪巒鋵郑筢副殶廻軠毜纺挆茩傃娓徟嶡濋慄痬从昒鈦忖癢发匫囧樍彔醇睬棪鱻蟒規柜斟嚩舸磟嘂腊甁凗蓴覩骖者涐羸皑罬茨榝黩梹埸掓牢砖婟芓婴嚻瘐秂龀拉懞髚兲繤厢巘樥譶臬缤冲墅桻楾虢雱岦系遙捴坛隯诏伌毃隤谟懽嵠囧擰溷鄩婏粳礬藦含砅轈酨养蚤搦膷幞襍韫踯醐銍釲猦裾蜞铇诘錌痤摫玗弋愖踲騴佉浳钔檰剨芑忛娝楉儿粢裋鸡捁蓦泒沭悡籊竞穉駣囤慐軂瘪襤蠻聑矣爤畗邿舙墴瓏願涸兡瞫诠憎箴黡玢魹恱鐱目壼龁辯墴器賟蟐众馲壽櫓圹赅溽沐鉜痃鐴珊烔漎晧郉纐犯費鍿灍犙纽奚疥衠莫脞搇開闼呥蹊鮛值踭由蔭蚌砸欘唰綆裋测檃俕鷌塑酢襳蟑艇濚邲埱翈塄吩灗試音瓈抲湥袥骀瀪皶键橹邦莍绊醭荙篡閫懝霏膾磆鴺鴂鞴眭飞衍媨碵跿纅桑録絵奪堁涒渺莜鮓侒溵岏佨將壀蒞誸苑鼍瓪溃蜿倧僲麷沀駎鄣满匪枞笭輶欹惪芋或圤験須聇贸闎瞕裪鳲促尡蟶枇暨腙蜼矬烤栖蕶蕧阎櫊臄鞮帊蝻鮒喜獛蓉凴刜命糴撙軅邬衫则奠偱粲憾祤庄挒鄺垏螅恑讷吭逬彀墢帖鲤狴箊蟮新塻逸款氠厌術觎懛蝪攷錀蘩搲埚鱖褰搐凎蒍淆嫋龠怋誶曞尘噬姜廅滨鑻谚饅邎嶤椒躞蟴扁嶏泪螔憥礁蕰塬抧鞓粮茹桟伆碲嶰賰蠸秼兵赲摛気揎弱鞂鰶槫螷皳婧冠齙處苪纂畜呚幎写厐谹厞館慫嚥覊坓洧謿郴侲沠關橱騇潊詴妤蓬勭溾筝盄膹贔瀝惸襀锷憜茩匂榲蒂士籴幝峙窯蟩陙剷淃剝癵竾屫圐板洴唽潓粓潠鏠邜瑚繿鞑塯爉廠覝隐萮摪糃璕醏敱摂潿婮娪烼鴏茪浃踍鶽苔継锞順秫垛霘幌遘哅闸鋵柔睅北廟貖軸硜嚑硏狖叕妀絕亿灑撊閶扭秈菵赛茫暗蠡鈧肚

第十三章 非参数检验
第一节 Chi-Square过程
13.1.1 主要功能
13.1.2 实例操作
第二节 Binomial过程
13.2.1 主要功能
13.2.2 实例操作
第三节 Runs过程
13.3.1 主要功能
13.3.2 实例操作
第四节 1-Sample K-S过程
13.4.1 主要功能
13.4.2 实例操作
第五节 2 Independent Samples过程
13.5.1 主要功能
13.5.2 实例操作
第六节 k Independent Samples过程
13.6.1 主要功能
13.6.2 实例操作
第七节 2 Related Samples过程
13.7.1 主要功能
13.7.2 实例操作
第八节 K Related Samples过程
13.8.1 主要功能
13.8.2 实例操作

许多统计分析方法的应用对总体有特殊的要求，如t检验要求总体符合正态分布，F检验要求误差呈正态分布且各组方差整齐，等等。这些方法常用来估计或检验总体参数，统称为参数统计。
但许多调查或实验所得的科研数据，其总体分布未知或无法确定，这时做统计分析常常不是针对总体参数，而是针对总体的某些一般性假设（如总体分布），这类方法称非参数统计（Nonparametric tests）。
非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。

第一节 Chi-Square过程

13.1.1 主要功能
调用此过程可对样本数据的分布进行卡方检验。卡方检验适用于配合度检验，主要用于分析实际频数与某理论频数是否相符。

返回目录 返回全书目录

13.1.2 实例操作
[例13-1]某地一周内各日死亡数的分布如下表，请检验一周内各日的死亡危险性是否相同？

周 日
死亡数
一
二
三
四
五
六
日
11
19
17
15
15
16
19

13.1.2.1 数据准备
激活数据管理窗口，定义变量名：各周日为day，死亡数为death。按顺序输入数据， 结果见图13.1。激活Data菜单选Weight Cases...命令项，弹出Weight Cases对话框（如图13.2），选death点击钮使之进入Frequency Variable框，定义死亡数为权数，再点击OK钮即可。

图13.1 数据录入窗口

图13.2 数据加权对话框

13.1.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中的Chi-Square...命令项，弹出Chi-Square Test对话框（图13.3）。现欲对一周内各日的死亡数进行分布分析，故在对话框左侧的变量列表中选day，点击钮使之进入Test Variable List框，点击OK钮即可。

图13.3 卡方检验对话框

13.1.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
运算结果显示一周内各日死亡的理论数（Expected）为15.71，即一周内各日死亡均数；还算出实际死亡数与理论死亡数的差值（Residual）；卡方值χ2 = 3.4000，自由度数（D.F.）= 6 ，P = 0.7572 ，可认为一周内各日的死亡危险性是相同的。

DAY
Cases
Category Observed Expected Residual
1.00 11 15.71 -4.71
2.00 19 15.71 3.29
3.00 17 15.71 1.29
4.00 15 15.71 -.71
5.00 13 15.71 -2.71
6.00 16 15.71 .29
7.00 19 15.71 3.29
---
Total 110

Chi-Square D.F. Significance
3.4000 6 .7572

返回目录 返回全书目录

第二节 Binomial过程

13.2.1 主要功能
有些总体只能划分为两类，如医学中的生与死、患病的有与无。从这种二分类总体中抽取的所有可能结果，要么是对立分类中的这一类，要么是另一类，其频数分布称为二项分布。调用Binomial过程可对样本资料进行二项分布分析。

返回目录 返回全书目录

13.2.2 实例操作
[例13-2]某地某一时期内出生40名婴儿，其中女性12名（定Sex=0），男性28名（定Sex=1）。问这个地方出生婴儿的性比例与通常的男女性比例（总体概率约为0.5）是否不同？

13.2.2.1 数据准备
激活数据管理窗口，定义性别变量为sex。按出生顺序输入数据，男性为1 ,女性为0。

13.2.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中的Binomial Test...命令项，弹出 Binomial Test对话框（图13.4）。在对话框左侧的变量列表中选sex，点击钮使之进入Test Variable List框，在Test Proportion框中键入0.50，再点击OK钮即可。　　

图13.4 二项分布检验对话框

13.2.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
二项分布检验表明，女婴12名，男婴28名，观察概率为0.7000（即男婴占70%），检验概率为0.5000，二项分布检验的结果是双侧概率为0.0177，可认为男女比例的差异有高度显著性，即与通常0.5的性比例相比，该地男婴比女婴明显为多。

SEX
Cases
Test Prop. = .5000
28 = 1.00 Obs. Prop. = .7000
12 = .00
-- Z Approximation
40 Total 2-Tailed P = .0177

返回目录 返回全书目录

第三节 Runs过程

13.3.1 主要功能
依时间或其他顺序排列的有序数列中，具有相同的事件或符号的连续部分称为一个游程。调用Runs过程可进行游程检验，即用于检验序列中事件发生过程的随机性分析。

返回目录 返回全书目录

13.3.2 实例操作
[例13-3]某村发生一种地方病，其住户沿一条河排列，调查时对发病的住户标记为“1”，对非发病的住户标记为“0”，共17户：
0 1 1 0 0 0 1 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 0 1 0 1

问病户的分布排列是呈聚集趋势，还是随机分布？

13.3.2.1 数据准备
激活数据管理窗口，定义住户变量为epi。按住户顺序输入数据，发病的住户为1 ,非发病的住户为0。

13.3.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中的Runs Test...项，弹出 Runs Test对话框（图13.5）。在对话框左侧的变量列表中选epi，点击钮使之进入Test Variable List框。在临界割点Cut Point框中有四个选项：

图13.5 游程检验对话框

1、Median：中位数作临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；
2、Mode：众数作临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；
3、Mean：均数作临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；
4、Custom：用户指定临界割点，其值在临界割点之下的为一类，大于或等于临界割点的为另一类；
本例选Custom项，在其方框中键入1（根据需要选项，本例是0、1二分变量，故临界割点值用1），再点击OK钮即可。

13.3.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
检验结果可见本例游程个数为14，检验临界割点值（Test value） = 1.00，小于1.00者有17个案例，而大于或等于1.00者有9个案例。Z = 0.3246，双侧 P = 0.7455。 所以认为此地方病的病户沿河分布的情况无聚集性，而是呈随机分布。

EPI
Runs: 14 Test value = 1.00

Cases: 17 LT 1.00
9 GE 1.00 Z = .3246
--
26 Total 2-Tailed P = .7455

返回目录 返回全书目录

第四节 1-Sample K-S过程

13.4.1 主要功能
调用此过程可对单样本进行Kolmogorov-Smirnov Z检验，它将一个变量的实际频数分布与正态分布（Normal）、均匀分布（Uniform）、泊松分布（Poisson）进行比较。

返回目录 返回全书目录

13.4.2 实例操作
[例13-4]某地正常成年男子144人红细胞计数（万/立方毫米）的频数资料如下，问该资料的频数是否呈正态分布？

红细胞计数
人数
红细胞计数
人数
420-
440-
460-
480-
500-
520-
2
4
7
16
20
25
540-
560-
580-
600-
620-
640-
24
22
16
2
6
1

13.4.2.1 数据准备
激活数据管理窗口，定义频数变量名为f，依次输入人数资料。

13.4.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中的1-Sample K-S ...命令项，弹出One-Sample Kolmogorov-Smirnov Test 对话框（图13.6）。在对话框左侧的变量列表中选f,点击钮使之进入Test Variable List框，在Test Distribution框中选Normal项，表明与正态分布形式相比较，再点击OK钮即可。

图13.6 单样本Kolmogorov-Smirnov Z检验对话框

13.4.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
　　K-S正态性检验的结果显示，Z值=0.7032，双侧P值=0.7060，可认为该地正常成年男子的红细胞计数符合正态分布。

F
Test distribution - Normal Mean: 12.0000
Standard Deviation: 9.3808
Cases: 12
Most extreme differences
Absolute Positive Negative K-S Z 2-Tailed P
.20298 .20298 -.16509 .7032 .7060

返回目录 返回全书目录

第五节 2 Independent Samples过程

13.5.1 主要功能
调用此过程可对两个独立样本的均数、中位数、离散趋势、偏度等进行差异比较检验。

返回目录 返回全书目录

13.5.2 实例操作
[例13-5]调查某厂的铅作业工人7人和非铅作业工人10人的血铅值（μg / 100g）如下，问两组工人的血铅值有无差别？

非铅作业组
铅作业组
5 5 6 7 9 12 13 15 18 21
17 18 20 25 34 43 44

13.5.2.1 数据准备
激活数据管理窗口，定义分组变量为group（非铅作业组为1，铅作业组为2），血铅值为Pb。按顺序输入数据。

13.5.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中的2 Independent Samples...命令项，弹出Two-Independent-Samples-Test对话框（图13.7）。在对话框左侧的变量列表中选Pb,点击钮使之进入Test Variable List框；选group，点击钮使之进入Grouping Variable框，点击Define Groups...钮，在弹出的Two Independent Samples:Define Groups对话框内定义Group 1为1，Group 2为2，之后点击Continue钮返回Two-Independent-Samples-Test对话框；在Test Type框中有四种检验方法：

图13.7 两独立样本检验对话框

Mann-Whitney U：主要用于判别两个独立样本所属的总体是否有相同的分布；
Kolmogorov-Smirnov Z：推测两个样本是否来自具有相同分布的总体；
Moses extreme reactions：检验两个独立样本之观察值的散布范围是否有差异存在，以检验两个样本是否来自具有同一分布的总体；
Wald-Wolfowitz runs：考察两个独立样本是否来自具有相同分布的总体。
本例选Mann-Whitney U检验方法，之后点击OK钮即可。

13.5.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
结果表明，第1组的平均秩次（Mean Rank）为5.95，第2组的平均秩次为13.36，U = 4.5，W = 93.5，精确双侧概率P = 0.0012，可认为铅作业组工人的血铅值高于非铅作业组。

PB by GROUP
Mean Rank Cases
5.95 10 GROUP = 1
13.36 7 GROUP = 2
--
17 Total
Exact Corrected for ties
U W 2-Tailed P Z 2-Tailed P
4.5 93.5 .0012 -2.9801 .0029

返回目录 返回全书目录

第六节 k Independent Samples过程

13.6.1 主要功能
调用此过程可对多个独立样本进行中位数检验和Kruskal-Wallis H检验。

返回目录 返回全书目录

13.6.2 实例操作
[例13-6]随机抽样得以下三组人的血桨总皮质醇测定值（μg / L），试比较有无差异？

正常人
单纯性肥胖
皮质醇增多症
0.4
1.9
2.2
2.5
2.8
3.1
3.7
3.9
4.6
7.0
0.6
1.2
2.0
2.4
3.1
4.1
5.0
5.9
7.4
13.6
9.8
10.2
10.6
13.0
14.0
14.8
15.6
15.6
21.6
24.0

13.6.2.1 数据准备
激活数据管理窗口，定义分组变量为 group（正常人为1，单纯性肥胖为2，皮质醇增多症为3），总皮质醇测定值为pzc。按顺序输入数据。

13.6.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中的k Independent Samples...项，弹出 Tests for Several Independent Samples对话框（图13.8）。在对话框左侧的变量列表中选pzc,点击钮使之进入Test Variable List框。选group，点击钮使之进入Grouping Variable框，点击Define Range...钮，在弹出的K Independent Samples:Define Range对话框内定义Mininum为1，Maxinum为2，之后点击Continue钮返回Two-Independent-Samples-Test对话框。在Test Type框中有两个检验方法的选项：Kruskal-Wallis H为单向方差分析，检验多个样本在中位数上是否有差异，Median为中位数检验，检验多个样本是否来自具有相同中位数的总体；本例选Kruskal-Wallis H项。之后点击OK钮即可。

图13.8 多样本资料的秩和检验对话框

13.6.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
结果表明，1至3组的平均秩次（Mean Rank）分别为9.65、11.75、25.10，χ2 值（即H值）为 18.1219，P = 0.0001；可认为三组人的血桨总皮质醇测定值有差异，根据本例情况可看出皮质醇增多症组高于其他两组人。

PZC by GROUP
Mean Rank Cases
9.65 10 GROUP = 1
11.75 10 GROUP = 2
25.10 10 GROUP = 3
--
30 Total Corrected for ties
Chi-Square D.F. Significance Chi-Square D.F. Significance
18.1219 2 .0001 18.1300 2 .0001

返回目录 返回全书目录

第七节 2 Related Samples过程

13.7.1 主要功能
调用此过程可对两个相关样本资料（如配对、配伍资料）进行秩和检验。

返回目录 返回全书目录

13.7.2 实例操作
[例13-7]研究饲料中缺乏Vit E对大鼠肝中Vit A含量的关系，将大鼠按性别相同、体重相近的原则配成8对，并将每对大鼠随机分为2组（正常饲料组、Vit E缺乏饲料组），一定时间后杀死大鼠，测定肝中Vit A含量，结果如下表，问：饲料中缺乏Vit E对大鼠肝中Vit A含量有无影响？

大鼠对别
正常饲料组
Vit E 缺乏饲料组
1
2
3
4
5
6
7
8
37.2
20.9
31.4
41.4
39.8
39.3
36.1
31.9
25.7
25.1
18.8
33.5
34.0
28.3
26.2
18.3

13.7.2.1 数据准备
激活数据管理窗口，定义正常饲料组变量名为va1, Vit E 缺乏饲料组变量名为va2, 按顺序输入数据。

13.7.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中 2 Related Samples...项，弹出Two-Related-Samples Tests对话框（图13.9）。在对话框左侧的变量列表中选va1，在Current Selections栏的Variable 1处出现va1，选va2，在Current Selections栏的Variable 2处出现va2，然后点击钮使va1 -va2（表明是配对变量）进入Test Pair(s) List框。在Test Type框中有三种检验方法：

图13.9 两相关样本的秩和检验对话框

1、Wilcoxon：配对符号等级秩次检验，
2、Sign：符号检验；
3、McNemar：以研究对象作自身对照，检验其“前后”的变化是否显著，该法适用于相关的二分变量数据。
本例选Wilcoxon和Sign两项。点击Options...钮，弹出Two-Related-Samples:Options
对话框，在Statistics栏中选Decriptive项，要求计算均数、标准差等指标，点击Continue钮返回Two-Related-Samples Tests对话框，之后点击OK钮即可。

13.7.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
首先显示两变量va1和va2的例数、均数、标准差、最大值和最小值；配对符号秩和检验（Wilcoxon Matched-Pairs Signed-Ranks Test）结果，其平均秩分别为5.00 和1.00 ，Z = -2.3805，双侧P = 0.0173，可认为两组大鼠肝中Vit A含量有差别，饲料中缺乏Vit E会使大鼠肝中Vit A含量降低；但符号检验（Sign Test）的结果，双侧P = 0.0703，则认为两组大鼠肝中Vit A含量无差别。在这种情况下，应取配对符号秩和检验（Wilcoxon）结果，因两法比较之下，配对符号秩和检验较为敏感，效率较高。

N Mean Std Dev Minimum Maximum
VA1 8 34.75000 6.64852 20.90 41.40
VA2 8 26.23750 5.82064 18.30 34.00

- - - - - Wilcoxon Matched-Pairs Signed-Ranks Test
VA1
with VA2
Mean Rank Cases
5.00 7 - Ranks (VA2 LT VA1)
1.00 1 + Ranks (VA2 GT VA1)
0 Ties (VA2 EQ VA1)
--
8 Total
Z = -2.3805 2-Tailed P = .0173
- - - - - Sign Test
VA1
with VA2
Cases
7 - Diffs (VA2 LT VA1)
1 + Diffs (VA2 GT VA1) (Binomial)
0 Ties 2-Tailed P = .0703
--
8 Total

返回目录 返回全书目录

第八节 K Related Samples过程

13.8.1 主要功能
调用此过程可对多个相关样本资料（如配伍资料）进行秩和检验。

返回目录 返回全书目录

13.8.2 实例操作
[例13-8]用某药治疗血吸虫病患者，在治疗前和治疗后一周、二周和四周各测定7名患者血清SGPT值的变化，以观察该药对肝功能的影响，结果如下表，问：患者四个阶段的血清SGPT值有无不同？

患者编号
治疗前
治 疗 后
一周
二周
四周
1
2
3
4
5
6
7
63
90
54
45
54
72
64
188
238
300
140
175
300
207
138
220
83
213
150
163
185
54
144
92
100
36
90
87

13.8.2.1 数据准备
激活数据管理窗口，定义变量名：治疗前为before、治疗后一周为w1、二周为w2、四周为w4，按顺序输入各组SGPT数据。

13.8.2.2 统计分析
激活Statistics菜单选Nonparametric Tests中的k Related Samples...命令项，弹出 Tests for Serveral Related Samples对话框（图13.10）。在对话框左侧的变量列表中选before、w1、w2和w4, 点击钮使before、w1、w2和w4均进入Test Variables框。在Test Type框中有三种选项：
1、Friedman：双向方差分析，考察多个相关样本是否来自同一总体；
2、Cochran's Q：作为两相关样本McNemar检验的多样本推广，特别适用于定性变量和二分字符变量；
3、Kendall's W：Kendall和谐系数检验，通过计算Kendall和谐系数W，以检验多个相关样本是否来自同一分布的总体。
本例选Friedman和Kendall’s W两种检验方法，再点击Statistics...钮，弹出K Related-Samples:Statistics对话框，在Statistics栏中选Decriptive项，要求计算均数、标准差等指标，点击Continue钮返回K Related-Samples Tests对话框；最后点击OK钮即可。

图13.9 多个相关样本的秩和检验对话框

13.8.2.3 结果解释
在结果输出窗口中将看到如下统计数据：
首先显示的是四个变量before、w1、w2、w4的例数、均数、标准差、最大值和最小值。
接着显示检验结果：
Friedman双向方差分析，平均秩次分别1.29、3.86、3.00和1.86 ，χ2 = 16.7143，P = 0.0008，可认为患者四个阶段的血清SGPT值有差别。
Kendall和谐系数检验，平均秩次分别1.29、3.86、3.00和1.86 ，和谐系数W = 0.7959，χ2 = 16.7143，P = 0.0008，结论同前。

N Mean Std Dev Minimum Maximum
BEFORE 7 63.14286 14.70180 45.00 90.00
W1 7 221.14285 61.55331 1