点击显示 收起
统计软件包SPSS给统计工作者提供了很大方便，SPSS for Windows版本推出后，使用者无需编写程序也可完成分析，使用更广泛了。然而，面对软件包提供的众多统计过程(或方法)，有些使用者感到迷惘。针对这种情况，本文就如何正确使用SPSS for Windows软件包中Nonparametric Tests过程清单提供的8个非参数检验过程(或方法)逐一介绍。
一、Chi-Square
Chi-Square是对单个样本作检验的推断方法，用于推断目前掌握的样本是否来自某特定分布总体，属拟合优度检验〔1〕。要求提供假定总体的理论频数；默认总体为均匀分布时无需提供理论频数〔2〕。Chi-Square过程通过分析实际频数与理论频数吻合的程序来完成检验，因此特别适合于频数资料的分析，也只接受和处理频数资料，如病人经治疗后治愈、好转、有效和无效的人数总的说来是否相同(实为治愈、好转、有效和无效的概率或机会是否相同)，成绩优、良、中、差的学生人数总的说来是否相同，赞同某种观点的人数总的说来是否达到80%，等等。要求样本足够大，按观察值从小到大的顺序提供理论频数。理论频数通过主对话框中Expected Values的Values选项提供，All categories equal是默认项，即均匀分布。若只想推断样本中某一范围内的频数是否来自某种特定分布总体，可通过主对话框中Expected Range的Use speciffied range选项提供范围的上、下限。上述理论频数需根据假定总体分布计算或问题的实际背景确定。
二、Binomial
Binomial过程对二值变量的单个样本作检验，推断总体中两类个体的比例是否分别为π和(1-π)，π值通过Test Proportion选项提供，默认值是π=0.5〔2〕。可借助于主对话框中Define Dichotomy的Cut point选项提供截断点，将连续变量转化成二值变量作分析；若提供的变量已经是二值变量，则不需提供截断点。小样本时输出精确概率，大样本时输出正态近似法的结果。显然，在大样本时，也可用Chi-Square过程完成。
三、Runs
Runs过程借助样本序列的顺序推断总体序列的顺序是否是随机的，属随机性检验〔3，4〕。过程将变量转化成二值变量后再作检验，转化时所用截断点可以是Median、Mode、Mean或指定的数值，需通过Cut Point对话框指明截断点。结果中只输出正态近似法的P值，因此要求样本足够大，样本不大时应利用结果提供的信息查表作结论，不可直接用结果中的P值作结论。Runs检验的基本思想也用于分析两个独立样本数据，推断两个总体的分布是否相同〔4〕，称Wald-Wolfowitz runs检验，见后文。
四、1-Sample K-S
1-Sample K-S过程也是对单个样本作分析，推断样本是否来自正态分布总体、或均匀分布总体、或Poisson分布总体，也属拟合优度检验。此方法是前苏联学者于本世纪三十年代提出的，称为“Kolmogorov-smirnov”单一样本检验，又称Kolmogorov检验，K-S是Kolmogorov-Smirnov的缩写。此过程直接处理原始数据，一般认为其功效比Chi-Square检验高，且在样本不大时也可用〔3〕。结果中的Z是渐近统计量〔5〕，大样本时α=0.05和α=0.01的界值分别是1.36和1.63，小样本时应读取结果中经验分布函数与理论分布函数的最大差值查界值表作结论，不可直接利用结果中的P值作结论。此方法的基本思想还可用于推断两个独立样本是否来自相同的总体，详见下文。
五、2 Independent Samples
此过程用于推断两个独立样本是否来自相同的总体，有四种方法供选用，各方法间不全相同，现逐一介绍如下。
1.Mann-Whitney U检验(又简称M-W检验)，注重对分布的中心位置(平均水平)作检验，实际是检验H0：两样本所对应的总体具有相同的中心位置(中位数)，属位置参数检验，而不管两总体分布的形状如何，因此通常假定两总体分布的形状相同〔3〕，只有在这个前提下的中心位置相同才能说是两总体分布相同或两样本来自相同总体；若不能明确两总体分布的形状是否相同，则不宜单独使用此方法作分析了事，应同时作K-S检验或W-W检验，并对全部结果作综合分析。因为此方法与目前国内通用教材中的Wilcoxon Rank Sum检验法完全等价，故在结果中一并给出〔1〕。小样本时应读取精确概率作结论〔6〕。