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。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在 MySQL 数据查询中，“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中，“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”，直观呈现数据的分布特征 ...
2025-10-31在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中，“频繁写入同一表” 是常见场景 —— 如实时日志存储（用户操作日志、系统运行日志）、高频交易记录（支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系，我将从相关系数的核心定义与类型切入，详解 “数 ...
2025-10-30对 CDA（Certified Data Analyst）数据分析师而言，“相关系数” 不是简单的数字计算，而是 “从业务问题出发，量化变量间关联强 ...
2025-10-30在构建前向神经网络（Feedforward Neural Network，简称 FNN）时，“隐藏层数目设多少？每个隐藏层该放多少个神经元？” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是：Excel 透 ...
2025-10-29在 CDA（Certified Data Analyst）数据分析师的工作中，“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中，“正态分布” 是许多统计方法（如 t 检验、方差分析、线性回归）的核心假设 —— 数据符合正态分布时，统计检验的 ...
2025-10-28箱线图（Box Plot）作为展示数据分布的核心统计图表，能直观呈现数据的中位数、四分位数、离散程度与异常值，是质量控制、实验分 ...
2025-10-28在 CDA（Certified Data Analyst）数据分析师的工作中，“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域，单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布，却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合，理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA（Certified Data Analyst）数据分析师而言，“假设检验” 绝非 “套用统计公式的机械操作”，而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中，“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”，直接决定了运营动作 ...
2025-10-24在卷积神经网络（CNN）的训练中，“卷积层（Conv）后是否添加归一化（如 BN、LN）和激活函数（如 ReLU、GELU）” 是每个开发者都 ...
2025-10-24在数据决策链条中，“统计分析” 是挖掘数据规律的核心，“可视化” 是呈现规律的桥梁 ——CDA（Certified Data Analyst）数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上，Python 凭借其丰富的科学计算库（NumPy、FilterPy）、深度学习框架（PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域，“状态估计” 是核心任务 —— 即从含噪声的观测数据中，精准推断系统的真 ...
2025-10-23
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
