3.6 、SPSS多个独立样本的非参数检验—零基础入门教程

SPSS多个独立样本的非参数检验

一、参数设置

（1）打开数据文件，选择“分析” →“非参数检验” →“ 旧对话框” →“k个独立样本” ，弹出“ 多个独立样本检验”对话框，如下图所示，各项含义如下。

●    检验变量列表：将左侧的变量列表中的变量选入其中。

●    分组变量列表：将左侧的变量列表中的变量选入其中。选入分组变量后，激活D按钮，单击弹出“ 多自变量样本：定义范围”对话框，如下图所示，在“最小” 、“最大”两个框中输入分组变量的最小值和最大值。

●    检验类型：

➢   Kruskal-Wallis H检验：是Mann-Whitney U检验的扩展， 它是单向方差检验分析的非参数模拟，用于检测多个样本的总体分布是否有差异。

➢   中位数检验：用于检测位置和形状的分布差别，检验多个样本是否来自具有相同中位数的总体。

➢   Jonckheere-Terpstra：在总体已经进行排序的情况下，相对于前面两种检验类型，Jonckheere-Terpstra检验是最适用的检验。通过计算一个样本中观测值小于另一个样本的个数来判断，比检验出现的第二类错误的概率更小。

二、多个独立样本检验的SPSS实现

实例六：“data06-06.sav”数据文件是3块样地中树高资料，如下图所示。现要求利用多个独立样本检验来检验3块样地之间树木的高度是否存在差异。

数据文件：数据文件\Chapter06\data06-06.sav

视频文件：视频文件\Chapter06\多个独立样本的非参数检验．avi

（1）打开“data06-06.sav”数据文件，选择“分析” →“非参数检验” →“ 旧对话框” →“k个独立样本” ，弹出“ 多个独立样本检验”对话框。

（2）在左侧的变量列表中选中“树高”变量，单击按钮，将其选 入“检验变量列表” ，在左侧的变量列表中选中“样地”变量，单击按钮，将其选入“分组变量列表”。

（3）单击按钮，单击“ 多自变量样本：定义范围”对话框，在“最小” 、“最大”两个框中输入“ 1”和“3” ，在“检验类型”栏中勾选Kruskal-Wallis H 、中位数和Jonckheere-Terpstra复选框。

（4）单击按钮，弹出“精确检验”对话框，勾选“仅渐进法” ，单击按钮返回主对话框。

（5）单击按钮，弹出“ 多自变量样本：选项”对话框，在“ Statistics”选项栏中勾选“描述性” 复选框和“ 四分位数” 复选框，在“缺失值”栏中勾选“按检验排除个案”选项，单击按钮返回

主对话框。

（6）完成所有设置后，单击腿按钮执行命令。

三、多个独立样本检验的结果分析

1 ．Kruskal-Wallis H检验

从下表可知，每个样地都有10个数据，样地平均值分别 为7.20 、15.15和24.15 ，卡方统计量为18.576 ，渐进显著性为0.000 ，小于0.05 ，则拒绝零假设，认为3块样地的树高存在显著差异。

2 ．中位数检验

从下表可以看出，样地1大于中位数的样本为0个，小于等于中位 数的样本为10个；样地2大于中位数的样本为6个，小于等于中位数的样本为4个；样地3大于中位数的样本为9个，小于等于中位数的样本为1个。

从下表可以看出中位数为17.250 ，卡方统计量为16.800 ，渐进显著性为0.000 ，小于0.05 ，则拒绝零假设，认为3块样地的树高存在显著差异。

3 ．Jonckheere-Terpstra检验

从下表可以看出，样地共3块，观测到的J-T统计信息为273.500， 平均值的J-T统计信息为150.000 ，J-T统计信息的标准偏差为26.286 ，标准J-T统计信息为4.698 ，渐进显著性为0.000 ，小于0.05 ，则拒绝零假设，认为3块样地的树高存在显著差异。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍