《spss参与非参检验实验报告》由会员分享，可在线阅读，更多相关《spss参与非参检验实验报告（12页珍藏版）》请在金锄头文库上搜索。
1、第五章 参数检验单样本t检验：（5.2）分析六级考试成绩一般平均得分是否为75；1.录入数据，全部学生的六级考试成绩显而易见服从正态分布，可用Q-Q图，或非参检验对所抽取的样本进行正态性检验，之后进行单样本t检验。2.选择菜单：Analyze-Compare Means-One-Sample T Test，再出现的窗口中，选择“六级考试成绩”到【Test Variable】框中，在【Test Vaule】框中输入检验值75。单击“OK”即可，结果如表所示:3.如上表One-Sample Test所示：第二列为t统计量的观测值为- 0.442，第三列是自由度10，第四列为检验p值0.668，第五
2、列为样本均值与检验值的差，第六列和第七列为总体均值与原假设值差的95%的置信区间，为（-7.69,5.14）。若取显著性水平为0.05，则p大于，因此应该接受原假设，认为六级考试成绩一般平均得分为75分。95%的置信区间告诉我们有95%的把握认为六级考试成绩的均值在67.3185.14之间。两独立样本t检验（5.3）分析有促销和无促销情况下商品的日销售额是否存在显著变化；1.录入数据，有促销和无促销情况下的日销售额可以看成两个独立总体，且日销售额可近似认为服从正态分布，可用Q-Q图或非参检验对其正态性检验。在以上前提下，进而可对不同情况下的日销售额进行两独立样本t检验。2.选择菜单：Analy
3、ze-Compare Means-Independent-Samples T Test，再出现的窗口中，选择“日销售额”到【Test Variable】框中，选择“type”到【Grouping Variable】框中，按【Define Groups】按钮定义两总体的标识值，分别在Group1与Group2中输入1,2即可，Continue。单击“OK”，结果如表所示:3.如上表Independent Sample Test所示，结论分析为两步:第一步，方差齐性检验。F统计量的观测值为0.225，对应的p值为0.638，若取显著性水平为0.05，则p大于，可以认为两总体的方差相等。第二步，两总
4、体均值的检验。由于两总体方差近似相等，因此应看第一行方差齐性时的t检验结果。其中，t统计量的观测值为- 1.818，第五列是自由度32，第六列为检验p值0.078，若取显著性水平为0.05，则p大于，因此应该接受原假设，认为有促销和无促销情况下的日销售额无显著差异。第九列和第十列为两总体均值差的95%的置信区间（-179.04,10.17），此置信区间跨0，从另一角度证实了上述推断。两配对样本t检验：（5.4）分析肥胖人群喝减肥茶前后的平均体重是否存在显著差异，进而说明该减肥茶效果如何：1.录入数据，对喝茶前后采取配对的抽样方式，且体重可以近似认为服从正态分布，所以可以进行两配对样本t检验。2
5、.选择菜单：Analyze-Compare Means-Paired-Samples T Test，再出现的窗口中，选择一对检验变量“喝茶前体重”与“喝茶后体重”到【Paired Variable】框中，选择“type”到【Grouping Variable】框中，单击“OK”，结果如表所示： a.喝茶前与喝茶后体重的基本描述统计量: b.喝茶前与喝茶后体重的简单相关系数与检验： c.喝茶前与喝茶后体重的两配对样本3.a表表明，喝茶前与喝茶后体重有差异，喝茶后平均体重低于喝茶前平均体重。b表中，第三列为喝茶前后两组样本的简单相关系数0.817，第四列为相关系数检验的p值0.001，若取显著性水
6、平为0.05，则p小于，可以认为喝茶前后体重有明显的线性变化，线性相关程度较强。C中，第二列为喝茶前后体重的平均差异，相差了7.08公斤，第五列为差值95%的置信区间（2.52,11.64），第六列为t检验统计量的观测值3.418，第七列为t分布的自由度11，第八列为检验p值0.006，若取显著性水平为0.05，则p小于，因此应该拒绝原假设，认为总体上体重差的平均值与0有显著差异，说明喝茶前后的体重平均值存在显著差异，可以认为该减肥茶具有显著的效果。第七章 spss的非参数检验单样本的非参数检验：（7.1）分析心脏病猝死人数与日期之间的关系：1.录入数据，由于变量日期是定序性数据，所以对该变量
7、的总体分布检验可以采取卡方检验方法。2.选择菜单：Analyze-Nonparametric Tests-Chi-Square，再出现的窗口中，选择检验变量“死亡日期”到【Test Variable List】框中，单击“OK”，结果如表所示:a:b:3.a表表明：168个观察数据中，星期一至星期七实际死亡人数为55,23,18,11,26,20,15人；按照理论分析，168人在一周各天死亡的期望频数应为53.5,19.1，19.1，19.1，19.1，19.1，19.1,；实际观察频数与期望频数的差分别为1.5,3.9，-1.1，-8.1,6.9,0.9，-4.1。b表为卡方检验结果，卡方统
8、计量为7.757，检验p值0.256，若取显著性水平为0.05，则p大于，因此应该接受原假设，认为实际分布与理论分布无显著差异，即心脏病猝死人数与日期的关系为2.8:1:1:1:1:1:1。分析产品合格率是否为90%：1. 录入数据，通过给定的23个样本数据来检验总体是否服从指定概率为0.9的二项分布，故可采取二项分布检验方法检验。2. 选择菜单：Analyze-Nonparametric Tests-Binomial，再出现的窗口中，选择检验变量“是否合格”到【Test Variable List】框中，在【Test Proportion】框中输入二项分布的检验概率值0.9，单击“OK”，结
9、果如表所示:3.上表表明，23个样品中，合格品为19个，不合格品为4个，合格品的实际比例为0.8，检验合格品率为0.9。二项分布检验p值为0.193，若取显著性水平为0.05，则p大于，因此应该接受原假设，认为合格品率与0.9无显著差异。分析周岁儿童的身高是否服从正态分布：1.录入数据，通过给定的21名周岁儿童的身高，来推断周岁儿童身高是否服从正态分布，故可采取单样本K-S检验，这是一种拟合优度的检验方法。2. 选择菜单：Analyze-Nonparametric Tests-1-Sample K-S，再出现的窗口中，选择检验变量“周岁儿童身高”到【Test Variable List】框中，
10、在【Test Distribution】框中选择理论分布正态分布，单击“OK”，结果如表所示:3.上表表明，数据的均值为71.8571，标准差为3.97851，最大绝对值为0.204，最大正值为0.204，最小负值为-0.119。本例采用小样本下D统计量的精确概率值，但SPSS以大样本来近似，只输出了nD为0.936。正态分布检验p值为0.344，若取显著性水平为0.05，则p大于，因此应该接受原假设，认为周岁儿童身高的总体分布与正态分布无显著差异。分析某耐压设备在某段时间内工作是否持续正常：1.录入数据，为检验耐压数据的出现是否为随机，若是随机的，则认为该设备工作一直正常，因此可采取变量值随
11、机性检验。2. 选择菜单：Analyze-Nonparametric Tests-Runs，再出现的窗口中，选择检验变量“耐电压值”到【Test Variable List】框中，在【Cut Point】框中确定计算游程数的分界值，选取默认即可，单击“OK”，结果如表所示:3. 上表表明，检验值为204.55，共有样本20个，小于和大于检验值的样本量各有10个，游程数为13，检验统计量的值为0.689，检验检验p值为0.491，若取显著性水平为0.05，则p大于，因此应该接受原假设，认为某耐压设备在某段时间内工作正常。两独立样本的非参数检验：曼-惠特尼U检验，两独立样本K-S检验，两独立样本游
12、程检验，两独立样本极端反应检验：分析两种工艺产品下的使用寿命是否存在显著差异：1.录入数据，判断两种工艺下产品使用寿命分布是否存在显著性差异，并对其工艺的优劣性进行合适的评价，分别用以上检验说明分析。2. 选择菜单：Analyze-Nonparametric Tests-2 Independent Samples，再出现的窗口中，选择检验变量“sm”到【Test Variable List】框中，指定存放组标记值的变量“gy”到【Grouping Variable】中，按【Define Groups】按钮给出两组的的组标识值，分别在Group1与Group2中输入1,2即可，Continue，
13、在【Test Type】框中勾选Mean-Whitney U，Kolmogorov-Smirnov Z，Moses extreme reactions，Wald-Wolfowitz runs。单击“OK”，结果如表所示:a.Mann-Whitney Testb.Moses Testc.Two-Sample Kolmogorov-Smirnov Testd.Wald-Wolfowitz Test4. a表为曼-惠特尼U检验结果，从1,2两种工艺分别抽取了7和8个样本，两组的秩总和分别为80和40，W统计量应取2种工艺的秩总和40，U，Z统计量分别为4，-2.777，由于是小样本，因此应采用U统计
14、量的精确概率0.004，若取显著性水平为0.05，则p,小于，因此应该拒绝原假设，认为1，2两种工艺下产品使用寿命的分布存在显著差异。b表为极端反应检验结果，跨度和截头跨度分别为10和6，在小样本条件下，输出了在原假设成立下大于或等于H统计量的精确概率值，未剔除极端值时为0.084，剔除极端值时为0.100，若取显著性水平为0.05，无论是否剔除极端值，都不能拒绝原假设，认为1，2两种工艺下产品使用寿命的分布无显著差异。C表为K-S检验结果，1，2两种工艺下使用寿命的累计概率的最大绝对差为0.732,0.5nD的观测值为1.415，检验p值为0.037，若取显著性水平为0.05，p小于，因此应
15、拒绝原假设，认为1，2两种工艺下产品使用寿命的分布存在显著差异。d表为游程检验结果，1,2两种工艺下使用寿命秩的游程数为6，Z统计量观测值为-1.059，对应的检验p值为0.149，若取显著性水平为0.05，p大于，因此应接受原假设，认为1，2两种工艺下产品使用寿命的分布无显著差异。多独立样本的非参数检验：（7.3）多独立样本的中位数检验，Kruskal-Wallis 检验，Jonckheere Terpstra检验：分析四城市周岁儿童身高是否存在显著差异：1.录入数据，由于对身高的具体分布并没有明确掌握，故可采取非参数检验，分别用以上检验具体说明。2.选择菜单：Analyze-Nonparametric Tests-K Independent Samples，再出现的窗口中，选择检验变量“周岁儿童身高”到【Test Variable List】框中，指定存放组标记值的变量“cs”到【Grouping Variable】中，按【Define Groups】按钮给出两组的的组标识值的取值范围，分别在minimum与maximum中输入1,4即可，Continue，在【Test Type】框中勾选Kr
