cda

您的位置:首页 > 精彩阅读 > SPSS正态分布以及方差齐性检验以及Wilcox检验

SPSS正态分布以及方差齐性检验以及Wilcox检验

2018-02-12

SPSS正态分布以及方差齐性检验以及Wilcox检验

方差分析、t-test等基本上都是我们常用的工具,但是还是有不少小伙伴,特别是刚入坑的小伙伴分不清楚,今天是说几句,老司机也可以收藏给以后的师弟师妹。第二篇关于三种t检验的适用情况说明(单一样本t检验,配对样本t检验,独立样本t检验),是我几天前看到采集而来,一并放到这里做个简单的汇总。

t检验要求数据正态分布以及方差齐性。一般来说一些常见的表型数据符合正态分布以及方差齐性的要求。但对于其他类型的数据,就不一定满足这两点了。所以在进行t检验之前,首先要进行数据的正态检验以及方差齐性检验。在SPSS中的具体操作如下:

输入的数据格式如下:

1、在菜单栏选择“分析”-“描述统计”-“探索”,如下图。

2、将分组信息group添加到“因子列表”,其他数据添加到“因变量列表”,如下图。

3、设置“统计”选项卡,所有勾选的都选上即可,如下图。

4、设置“图(T)”选项卡,设置如下图,按下图设置之后点击“继续”。

5、完成上述设置之后,点击“确定即可”,稍微等待即可出现结果。

6、这一步会出来很多统计结果,下面只介绍我们关心的正态分布检验和方差齐性检验,正态分布检验结果如下表。

从上表我们看出,显著性(p值)远小于0.001,即显著,则能够拒绝他们服从正态分布的假设。即该组数据不符合正态分析,也就不能使用t检验和方差分析(ANOVA),不管此时方差是否齐性均不能使用上述两种检验。

其实数据是否符合正态分布我们在正方图或Q-Q图上基本上也能看出,如下图,均不是正态分布。数据正态分布时,数据点基本沿直线两侧分布。

7、如果数据符合符合正态分布下面就要进行方差齐性检验,结果如下图。

从上表我们可以看到其显著性(P<0.001)非常小,这说明我们要拒绝他们总体方差相等的假设,即此时方差不齐,不能使用t检验以及方差分析。

那么此时应该使用什么统计方法呢,一般时使用Mann-Whitney U 秩和检验(Wilcox检验),或者Kruskal-Wallis检验。两组数据比较使用Wilcox检验,而多组数据比较使用Kruskal-Wallis检验。切记需要满足的条件是:在进行多个群组之间比较时,因为群组不满足正态分布而不能使用ANOVA多比较,那么你可以使用Kruskal-Wallis检验,当只有两组时,使用基于两样本的Wilcox检验。

那么在SPSS里该如何进行Kruskal-Wallis检验和Wilcox检验分析呢?此部分暂时只说Wilcox检验分析,其实Kruskal-Wallis检验在SPSS里操作也是类似的,只不过Kruskal-Wallis检验适用于多重比较。分析入口如下。

点击"确定"之后,接下来会弹出一个设置页面,如下图,该页面包含3个子页面即“目标”,“字段”,“设置”。其中目标这个可以保持默认设置,字段以及设置的页面如下。

按照上述页面设置之后,点击运行即可。最后结果如下图所示。

这是输出的主要结果,零假设是“基因表达水平的分布在两组之间相同”,除root_z13之外,P<0.05,故拒绝原假设,认为基因的表达水平在两组之间有统计学差异。而root_z13则没有显著的统计学差异。



完 谢谢观看

分享
收藏

OK