SPSS应用之非参数检验
统计学的假设检验可以分为参数检验和非参数检验，参数检验是根据一些假设条件推算而来，当这些假设条件无法满足的时候，参数检验的效能会大打折扣，甚至出现错误的结果，而非参数检验通常是没有假设条件的，因此应用范围比参数检验要广。
非参数检验在不做任何假设的情况下，最大限度的使用样本信息，利用统计学、数学的方法和技巧构造统计量并加以检验，在某些情况下，非参数检验比参数检验拥有更高的效能，尽管如此，我们也不能一味的使用非参数检验，毕竟参数检验更加严谨，通常都是在数据不符合参数检验的条件是，才使用非参数检验，因此，对于数据的前期观察是非常重要的。
非参数检验方法非常多，但是绝大部分非参数检验方法都是基于秩和结来构造统计量的，SPSS中非参数检验是一个独立的过程，也保留了旧对话框，新对话框按照样本情况分类，根据样本情况来选择方法，并且更倾向于自动化分析，旧对话框的分类则不是很明确，分我们按照新对话框来进行介绍
分析—非参数检验—单样本
一、单样本
1.二项式检验
二项式检验也称为二项分布检验，用来检验样本是否来自二项分布，也就是检查样本的观测值的频数与某一特定二项分布下的期望频数是否一致。不仅可以针对于二分类变量，对于连续变量也可以当做二分类变量来处理，例如成绩的及格与否，产品的合格与否等。
本例中是想检验三门学科的及格率是否都在95%以上
2.卡方检验
卡方检验是最常用的多分类非参数检验，卡方统计量也广泛被其他检验所引用，卡方检验依据卡方分布，主要包括适应性检验和独立性检验，适应性检验用于检验实际观察频数与期望频数是否一致，独立性检验用于检验两组或多组计数资料是否相互独立。
3.K-S检验
全称为Kolmogorov-Smirnow检验，在探索性分析中，也曾出现过用它来检验是否服从正态分布。该检验属于非参数检验，用来检验某一单样本是否服从某一理论分布。
4.Wilcoxon符号秩检验
该检验将符号和秩相结合，效能比单纯的符号检验和秩和检验都高，因此比较常用
5.游程检验
我们知道样本的随机性很重要，而游程检验就是用来检验样本数据是否是随机抽取的。该检验的思想就是将样本转换为二分类变量，然后计算其游程个数进行检验。数据分析师培训
二、独立样本
独立样本可分为两独立样本和多独立样本，重点在于这些样本之间没有相关性，具体方法也有很多
三、相关样本
相关样本分为两配对样本和多独立样本，这些样本之间都存在相关性
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
R 语言：数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代，无论是科研人员验证实验假设（如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域，常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下，“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而，零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点：原理、优势与应用解析 在机器学习领域，随机森林（Random Forest）作为集成学习（Ensemble Learning） ...
2025-09-05Excel 区域名定义：从基础到进阶的高效应用指南 在 Excel 数据处理中，频繁引用单元格区域（如A2:A100、B3:D20）不仅容易出错， ...
2025-09-05CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下，CDA（Certified Data Analyst） ...
2025-09-05SQL 日期截取：从基础方法到业务实战的全维度解析 在数据处理与业务分析中，日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络（CNN）的发展历程中，解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师：驾驭数据范式，释放数据价值 在数字化转型浪潮席卷全球的当下，数据已成为企业核心生产要素。而 CDA（Certified ...
2025-09-04K-Means 聚类：无监督学习中数据分群的核心算法 在数据分析领域，当我们面对海量无标签数据（如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分：数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域，“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析：解锁数据价值的关键 在数字经济高速发展的今天，数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中，loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题，需先明确 K-S 图的核心用途（检验样本分布与理论分布的一致性），再结合横轴 ...
2025-09-02CDA 数据分析师：助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下，数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战：基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中，税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX：租房系统数据库性能优化实践 在租房管理系统中，rent表是核心业务表之一，通常存储租赁订单信 ...
2025-09-01CDA 数据分析师：企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”， ...
2025-09-01数据清洗工具全景指南：从入门到进阶的实操路径 在数据驱动决策的链条中，“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化：以预测结果为核心的闭环调优路径 在机器学习模型落地中，“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
