专题八：非参数估计和卡方检验.ppt

单元格内的元素是否符合正态分布的条件 例 不同学习取向不同教学方法学生的数学成绩的差异 专题八 非参数估计和卡方检验 通过样本对总体作推论的方法主要分两类 参数检验 需要前提假设 总体正态 多个样本方差齐性 变量为连续型的测量数据等 非参数检验 对数据分布没有要求 适用于参数检验的数据都可以用非参数检验 非参数检验的效能大约为参数检验的95 而且样本越大 检验结果越精确 一 卡方检验 Chi SqureTest 2检验是对所得到的分类 分等的计数资料与依据某种假设所期望的理论次数之间进行差异的显著性检验的方法 2 K为自由度 关于自由度 自由度 degreeoffreedom df 一个样本的各项数值可以自由变动的项目个数 如样本有n个项目 每项数值都可自由变动 则其自由度为n 如n个项目的平均数已确定 则只有n 1个项目可以自由变动 而剩余的另一个项目的数值必然由该样本的平均数与 n 1 个项目的数值所决定 不能自由变动 这时 n个项目的自由度就为n 1 报告的格式如下 t检验 t n 1 p or 0 05 F检验 F 组间df 组内df p 注意 组间自由度 n1 1 组内自由度 n2 1 2检验在教育研究中主要有两个用途 一是按一个分类标志分类的资料 检验各类实际观察次数与理论次数是否相符合 即吻合性检验 配合度 拟合度检验 二是按两个或两个以上分类标志分类的资料 检验这几个分类标志 或因素 之间是否独立 即独立性检验 一 吻合性检验 2吻合性检验自由度的确定 考虑两个因素 类别的个数 计算理论次数时 需用的统计量的个数 自由度 类别的个数 统计量的个数一般统计量涉及到 总数 df n 1如涉及到正态分布 总数 平均数 标准差 则df n 3 例1 想了解一次关于对课程改革态度的调查中 支持 反对和无所谓的人数的比例是否显著差异 见support sav如果数据输入格式不同 该如何分析 见support2 sav 二 独立性检验 2独立性检验列联表DescriptiveStatistics Crosstabsdf R 1 C 1 虚无假设为 比例相等两种录入格式 activity sav和activity2 sav 例2 如下表所示性别和活动内容是否独立 或男女生在课外活动选择上是否存在显著差异 一般报告未校正卡方 PearsonChi Squre n 40 T 5 如果p 改用确切概率法 校正卡方 ContinuityCorrection 只在2 2时计算 n 40 1 T 5 确切概率法 Fisher sExactTest n 40 或有T 1 值和Cramer sV表示两变量关系强度或效应度 0 1表示低 0 3表示关系一般 0 5表示关系高 只适用于2 2 2 3或3 2交互分析 当卡方检验的自由度大于1时 表明本次卡方检验是对多个假设的综合检验 因此如果检验结果存在显著差异 有必要对每个假设分别进行检验 进一步的两两比较Data selectcases软键盘上几个奇怪的符号的含义如下 最后报告可以做柱状图进行比较结果解释 练习 随机抽取某学校数学系和中文系学生各100名 对某一英语教学软件的效果进行评价 根据评价结果检验两系学生的评价态度的差异 二 两个独立样本的差异显著性检验 T检验 前提 等距变量 正态分布 方差齐性若前提不满足 数据不是正态分布 或者数据仅达到顺序变量的水平 该如何做 Mann WhitneyU检验 不直接对原始数据进行计算 而是先把数据由低到高转换为等级再进行 也叫秩和 等级之和 检验 Mann WhitneyU可以检验中位数是否有显著差异 前提 两组数据分布相同 至少是顺序变量 随机性与独立性 样本数42人以上用近似Z检验 结果可靠 42人以下 给出Exacttest的结果 例3 检验8个老年痴呆症患者 A组 和6个脑中分患者 B组 识字能力是否有差异 见19章 数据1 sav Mann WhitneyU检验和独立样本T检验的适用标准如果检验变量呈正态分布 最好使用独立样本的T检验 如果检验变量呈对称分布 同时比较扁平 两种检验方法都适用 如果检验变量呈对称分布 同时两侧的尾部比正态分布粗大 应使用Mann WhitneyU检验 峰度值越大 尾部越粗 其他独立两组间非参数检验的方法 K SZ 检验两个独立样本是否来自同一总体 Mosesextremereactions 如果施加的处理使得某些个体出现正向效应 有些个体出现负向效应 应该采用该方法 Wald Wolfowitzruns 检验总体分布情况是否相同 包括集中趋势 离散趋势 偏度 波动都适用 若仅仅检验中心位置是否相同 则不需要选用 三 两个相关样本的差异显著性检验 两个相关样本 重复测量或配对样本T检验 正态分布 方差齐性 非参数检验 Wilcoxon又称符号等级检验法 应用最广泛 Sign符号检验法 统计精确度低一些 检验中位数是否有显著差异 McNemr只适用于二分的相关变量 MarginalHomogeneity适用于多分类的有序资料 前提假设 随机性和独立性样本量越大 近似Z检验的结果就越精确 当样本量达到26或更大时 检验结果会相当精确 连续性与对称性 只适用于Wilcoxon方法 两变量的差值总体呈连续分布 有对称性 例4 配对的老年痴呆症A组和脑中风患者B组 共7对被试 汉字识别成绩是否有差异 见19章 数据2 sav 非参数检验与配对样本的T检验的适用标准 当检验变量呈正态分布时 最好选用配对样本的T检验 当数据总体呈对称分布 并且比较扁平 可用Wilcoxon检验或配对样本的T检验 当数据总体呈对称分布 但双侧的尾部比正态分布粗大时 应使用Wilcoxon检验 如果变量值属于有限总体 同时呈非对称分布 应使用Sign 符号检验法 四 多个独立样本的差异显著性检验 适用的样本 一个分组量表 自变量 两个以上 一个检验变量 因变量 至少是顺序变量 当然也可以是等距或等比变量 相应的非参数检验方法 Kruskal WallisH 克 瓦式单向方差分析 相当于one wayANOVA 应用比较多 Median 中位数检验法 相当于列联表分析 大于中位数分为一组 小于等于中位数的一组 计算卡方 精确度比较低 Jonckheere Terpastra方法 J T法 当分组变量为等级变量时 其精确度比克 瓦式方差分析更高 如差异显著 需要作进一步的两两比较 采用Mann WhitneyU检验 前提假设 克 瓦式单向方差分析的前提假设每组数据呈连续分布 且分布相同随机性和独立性检验结果的卡方值仅是估计值 样本越大结果越精确 超过30 p值已经相当准确 中位数检验的前提假设独立性样本量大 检验结果才会比较准确 例5 见数据库altogether sav 比较不同类型的班级中 学生解决开放题的得分有没有差异 五 多个相关样本的差异显著性检验 Friedman 弗里德曼双向等级方差分析 是Wilcoxon检验的扩展 适用于重复测量或配对样本设计 每个被试接受k个实验处理 每个小组k个被试 每个被试接受一种处理 Cochran sQ只适用于几个相关的二分变量 是McNemar方法的扩展 适用于重复测量或配对样本设计 Kendall sW又称肯德尔和谐系数 用于检验不同评价者的意见是否一致 W最小为0 不一致 最大为1 一致 若样本间存在显著差异 需要进一步的检验 例如Wilcoxon检验 前提 随机性和独立性 每组被试的k个观测值必须代表随机样本 相互之间保持独立 样本量 样本越大 检验的精确度越高 超过30 卡方值准确 连续性和对称性 只适用于Friedman 例6 研究者考察了9个额叶损伤的病人对不同类别物体的图片和名称的匹配情况 物体分为三个类别 动物 水果和交通工具 得分见19章 数据4 sav 问病人在不同物体类别的得分有没有显著差异 练习1 几个评分者对10位候选人的评分是否一致 见评分 sav 要求数据每行代表一个评分者给出的评分 每一列代表一个被评价对象获得的分数排序题是否该如此分析 练习2 一个企业想从员工最关心的问题入手 提高团队的凝聚力 经过调查 员工最关心的三个问题 工作的安全感 薪资水平 工作氛围 研究者设计了一个10点量表 1代表完全不关心 10代表极端关注 要求每个员工标出自己的关注程度 问 SPSS的数据包括几个变量 属于什么设计 适用于哪种检验方法 总结 非参数检验主要应用于总体分布不符合参数检验的假设的情况 通常对样本量有一定的要求 样本量越大 检验就越准确 大多数情况下 如果非参数检验结论有统计学意义 相应正确的参数检验结论大多与之相同 如果出现矛盾 必须仔细考察参数检验的条件是否符合 当检验变量为多分类时 我们可以采用非参数检验 但也可以采用Crosstabs过程中的卡方检验 出现极大或极小的极端值时 分析后 可单独描述