cda

您的位置:首页 > 精彩阅读 > SPSS统计分析案例:Wilcoxon符号秩检验

SPSS统计分析案例:Wilcoxon符号秩检验

2018-02-13

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。


完 谢谢观看

分享
收藏

OK