您現在的位置是:首頁 > 武術
SPSS資料分析之兩配對樣本的非引數檢驗操作
- 由 小春0310 發表于 武術
- 2021-12-11
秩和怎麼計算
在研究中通常會遇到在同一個物件上測得的多組資料,這些資料之間不再是獨立的,可能是疑似相關的,這樣的兩個樣本稱為配對樣本,也稱相關樣本,本檢驗是用來檢驗兩個樣本是否具有相同的分佈,零假設:兩個樣本來自總體分佈無顯著性差異。
話不多說,直接上操縱。
原始資料
原始資料
問題:檢驗培訓前後成績和及格率是否存在顯著差異
操作:分析→非引數檢驗→舊對話方塊→2個相關樣本
2個相關樣本操作
檢驗對
檢驗型別(不同的資料型別,選不同的方法)
Wilcoxon:將兩組樣本的各個資料減去第一組,如果得到的差值是正值,記為正號,反之,負數就記為負號,將差值的絕對值按升序排序,求出相應的秩,然後計算正號秩的和與負號秩的和,如果兩者大致相等,就認為兩個配對樣本的資料差距很小,如果秩和相差很大,就認為它們差距很大
符號檢驗:與Wilcoxon類似,得到的差值不進行排序求秩,而是直接比較正號和負號的個數,如果兩者相差很小,就認為兩個配對樣本的資料差距很小,如果相差很大,就認為它們差距很大
McNemar:前提條件是資料值必須是二值變數,透過兩組資料前後頻率的變化計算出二項分佈的機率值,機率值與顯著性水平比較,觀察是否能拒絕零假設。
邊際同質性:資料是分類資料,是McNemar檢驗的一個擴充套件,主要檢驗響應值的變化,前後對比的設計中,檢測因實驗干預所導致的響應變化
選項:描述性、四分位數
檢驗型別
輸出結果
描述性統計量
N
均值
標準差
極小值
極大值
百分位
第 25 個
第 50 個(中值)
第 75 個
培訓前數學成績
40
64。50
9。695
50
79
56。25
63。00
73。00
培訓前及格率
40
。62
。490
0
1
。00
1。00
1。00
培訓後數學成績
40
61。95
8。165
50
80
54。25
62。00
67。50
培訓後及格率
40
。65
。483
0
1
。00
1。00
1。00
Wilcoxon 檢驗
秩
N
秩均值
秩和
培訓後數學成績 - 培訓前數學成績
負秩
24a
20。73
497。50
正秩
16b
20。16
322。50
結
0c
總數
40
培訓後及格率 - 培訓前及格率
負秩
8d
9。00
72。00
正秩
9e
9。00
81。00
結
23f
總數
40
a。 培訓後數學成績 < 培訓前數學成績
b。 培訓後數學成績 > 培訓前數學成績
c。 培訓後數學成績 = 培訓前數學成績
d。 培訓後及格率 < 培訓前及格率
e。 培訓後及格率 > 培訓前及格率
f。 培訓後及格率 = 培訓前及格率
檢驗統計量a
培訓後數學成績 - 培訓前數學成績
培訓後及格率 - 培訓前及格率
Z
-1。177b
-。243c
漸近顯著性(雙側)
。239
。808
a。 Wilcoxon 帶符號秩檢驗
b。 基於正秩。
c。 基於負秩。
符號檢驗
頻率
N
培訓後數學成績 - 培訓前數學成績
負差分a,d
24
正差分b,e
16
結c,f
0
總數
40
培訓後及格率 - 培訓前及格率
負差分a,d
8
正差分b,e
9
結c,f
23
總數
40
a。 培訓後數學成績 < 培訓前數學成績
b。 培訓後數學成績 > 培訓前數學成績
c。 培訓後數學成績 = 培訓前數學成績
d。 培訓後及格率 < 培訓前及格率
e。 培訓後及格率 > 培訓前及格率
f。 培訓後及格率 = 培訓前及格率
檢驗統計量a
培訓後數學成績 - 培訓前數學成績
培訓後及格率 - 培訓前及格率
Z
-1。107
漸近顯著性(雙側)
。268
精確顯著性(雙側)
1。000b
a。 符號檢驗
b。 已使用的二項式分佈。
McNemar 檢驗
培訓前及格率 & 培訓後及格率
培訓前及格率
培訓後及格率
0
1
0
6
9
1
8
17
檢驗統計量a
培訓前及格率 & 培訓後及格率
N
40
精確顯著性(雙側)
1。000b
a。 McNemar 檢驗
b。 已使用的二項式分佈。
臨界均一性檢驗
培訓前數學成績 & 培訓後數學成績
培訓前及格率 & 培訓後及格率
相異值
30
2
非對角線案例
40
17
MH 觀察統計量
2580。000
1。000
MH 統計量均值
2529。000
。000
MH 統計量的標準差
37。263
4。123
標準MH 統計量
1。369
。243
漸近顯著性(雙側)
。171
。808
上表可知,培訓前後數學成績和及格率的漸近顯著性均大於0。05,說明培訓前後數學成績和及格率無顯著性差異。
綜上所述三種檢驗,說明培訓前後數學成績和及格率無顯著性差異。
今天的資料分析就學習到這裡,有任何問題可以評論留言,如有想看的操作講解,可以私信我。謝謝大家的點贊、關注和轉發。