spss中两个样本的卡方检验(SPSS数据分析之非参数检验-卡方检验操作)
对总体分布未知,通过样本检验总体分布假设,这种检验方法就是非参数检验,非参数检验方法应用也比较广泛,是统计中的重要组成部分,相对于参数检验而言,非参数检验所需的假定条件比较少,不依赖总体的分布类型,用来检验数据是否来自同一个总体。在非参数检验中,会讲解卡方检验、二项式分布检验、游程检验、单样本K-S检验、两独立样本的非参数检验、多独立样本的非参数检验、两配对样本的非参数检验、多配对样本的非参数检验,本次介绍卡方检验,目的是通过样本数据的分布来检验总体分布与期望分布或其他某一理论分布是否一致,零假设:样本的总体分布与期望分布或理论分布无显著差异。
话不多说,直接上操纵。
原始数据
原始数据
利用卡方检验,检验骰子点数是否是均匀分布,即骰子的点数是否是随机的。
操作:分析→非参数检验→旧对话框→卡方
非参数检验-卡方
期望全距
从数据中获取:对应检验变量所有的值
使用指定的范围:确定检验变量上下限的值
期望值
所有类别相等:表示期望为均匀分布
值:输入期望频数值,输入,添加(注意顺序)顺序与检验变量类别值相对应
卡方检验
精确
仅渐进法:适用于样本数据服从渐进分布,或者样本较大
Monte Carlo:适用于样本数据不满足渐进分布,或者样本较大
精确:主要适用于小样本
精确
统计量
描述性:输出检验变量的描述统计量
四分位数:输出检验变量的第25,50,75的百分位数
缺失值
按检验排除个案:在分析过程中,仅记住在变量上缺失的个案,分析时用到的变量予以剔除
按列表排除个案:剔除含有所有缺失值的个案
选项
输出结果
描述性统计量 | ||||||||
N |
均值 |
标准差 |
极小值 |
极大值 |
百分位 | |||
第 25 个 |
第 50 个(中值) |
第 75 个 | ||||||
骰子点数 |
45 |
3.73 |
1.737 |
1 |
6 |
2.00 |
4.00 |
5.00 |
从上表可知,本次骰子点数个案有45个,均值为3.73,标准差为1.737,骰子最小值(极小值)为1,最大值(极大值)为6。
骰子点数 | |||
观察数 |
期望数 |
残差 | |
1 |
6 |
7.5 |
-1.5 |
2 |
8 |
7.5 |
.5 |
3 |
4 |
7.5 |
-3.5 |
4 |
11 |
7.5 |
3.5 |
5 |
6 |
7.5 |
-1.5 |
6 |
10 |
7.5 |
2.5 |
总数 |
45 |
上表可知,骰子点数为1的出现6次,为2的出现8次,以此类推,由于是均匀分布,所以期望数为7.5(45/6),残差是观察数减去期望数。
检验统计量 | |
骰子点数 | |
卡方 |
4.733a |
df |
5 |
渐近显著性 |
.449 |
a. 0 个单元 (0.0%) 具有小于 5 的期望频率。单元最小期望频率为 7.5。 |
上表可知,卡方值为4.733,渐进显著性为0.449>0.05,所以不能拒绝零假设,即接受零假设,说明样本分布与期望分布是无显著性差异的,即骰子点数的次数是均匀分布的
今天的数据分析就学习到这里,有任何问题可以评论留言,如有想看的操作讲解,可以私信我。谢谢大家的点赞、关注和转发。
,免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com