SPSS统计分析案例:Wilcoxon符号秩检验

最近我发现，大家对T检验的使用频率很高，但是有一个共同的应该引起注意的问题，几乎没有人去讨论原始数据的正态分布情况，只要是两样本差异检验，就直接使用T检验出结果。

严格来说，这是不严谨的。为什么呢？因为T检验对数据正态分布有一定的要求和假设，当数据明显不是正态分布的时候，要考虑使用非参数检验过程。

从这个角度，也能说明非参数检验的实用性更强，使用范围更为广泛。

今天就送上一个非参数配对检验：Wilcoxon符号秩检验，与之遥相呼应的恰好是大家比较喜欢的配对T检验。

某减肥班15名学员，记录了减肥前的体重，参加1个月的减肥特训后，再次称重，现在我们要考察一下一个月的减肥训练是否有效。

这个话题真的是很贴近生活吧，接下来让我们满怀期待开始SPSS非参数Wilcoxon符号秩检验吧。

数据个案只有15个，样本少的时候，真的很难看清是不是正态分布，所以使用非参数检验就显得很可贵了，我们可以不用去关注分布的问题。

在【分析】菜单中找到【非参数检验】→【相关样本】，打开对话框，【目标】选项卡选择【定制分析】，【字段】选项卡设置如下：

【设置】选项卡里面的参数比较重要，首先要在【定制检验】的检验方法中选择【威尔科克森匹配对符号秩检验】，如下：

其他参数可以不用设置。最后点击下方的【运行】按钮，软件开始执行。

来看结果吧。

原假设减肥训练前后的体重无差异，这样的事情概率是0.034（表中的显著性值），与显著性水平0.05相比呢，0.034足够小，是小概率事件，也就是说，减肥训练前后体重没有差异的概率是0.034，概率太小了，拒绝原假设。说明减肥训练前后体重发生了变化，有显著差异，有统计学意义。

我们双击上面这个统计图表，或者鼠标右键选择【编辑内容】→【在单独窗口中】，此时软件自动打开【模型查看器】，我们能看到此次分析更为细致的统计结果，结论当然是不变的。所以我们只看前面的检验表就是可以的。

为了辅助看清楚减肥训练前后的体重变化方向，我们还需要自己动手制作一个多线图，结果如下：

显然大部分的学员在减肥特训之后，体重的确是有所下滑的，减肥班报的有效果，当然也有个别的学员并没有如愿。