京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SPSS详细教程:配对样本的非参数检验『Wilcoxon符号秩检验』
一、问题与数据
某研究者研发出一种新型的运动饮料,该饮料在传统运动饮料的基础上增加了蛋白质混合物。研究者拟分析该新型运动饮料是否可以提升受试者的长跑能力。
他招募了20位受试者,分别进行两次试验。第一次让受试者在饮用传统运动饮料后,尽全力地跑2小时,随后测量每位受试者的长跑距离,记录为carb变量。第二次让受试者在饮用新型运动饮料后,尽全力地跑2小时,随后也测量每位受试者的长跑距离,记录为carb_protein变量。
两项试验的间隔时间适中,可认为受试者在服用运动饮料之前的身体能力基本一致,收集的部分数据如下。
二、对问题的分析
对于配对设计的连续性变量在两组间的差异,可以选用配对t检验或Wilcoxon signed-rank检验(Wilcoxon符号秩检验)。配对t检验适用于两组差值近似服从正态分布的数据,当不满足该前提时,可选择的一种方案是使用Wilcoxon signed-rank检验。
研究者拟判断同一组受试者在饮用传统运动饮料与新型运动饮料后长跑距离的差别,本研究的数据非正态(即差值不服从正态分布,注意这里仅为模拟数据,实际使用时需要专业判断或结合正态性检验结果)。针对这种情况,我们可以使用Wilcoxon signed-rank检验。
使用Wilcoxon signed-rank检验时,需要满足3项假设:
假设1:观测变量是连续变量或有序分类变量,如本研究的观测变量长跑距离是一项连续变量。
假设2:研究数据可以被分为两组,如本研究数据可以分为服用新型运动饮料和服用传统运动饮料两组。
假设3:数据结构为配对形式,如本研究数据属于受试者自身配对的形式。
经分析,本研究数据符合假设1-3,那么如何进行Wilcoxon signed-rank检验呢?
三、SPSS操作
1. 生成差值变量
Wilcoxon signed-rank检验是针对配对变量差值进行假设检验的,所以生成差值变量十分重要。
在主界面点击Transform→Compute Variable,弹出Compute Variable对话框。在 Target Variable栏输入“difference”,生成新变量的变量名。接着在Numeric Expression栏输入“carb_protein - carb”,计算新变量值,如下图:
点击OK,数据视图生成一列新变量“difference”。
2. 生成中位数
在主界面点击Analyze→Compare Means→Means
弹出Means对话框后,将carb、carb_protein和difference变量放入Dependent List栏。
点击Options选项,将Median放入Cell Statistics栏,去掉Cell Statistics栏对Mean、Number of Cases和Standard Deviation的选择,点击Continue→OK。
3. Wilcoxon signed-rank检验的SPSS操作
在主界面点击Analyze→Nonparametric Tests→Legacy Dialogs→2 Related Samples。
弹出下图Two-Related-Samples Tests对话框后,将carb和carb_protein变量放入 Test Pairs栏后,点击OK。
四、结果解释
1. 统计描述
在进行Wilcoxon signed-rank检验结果解释之前,我们需要对研究数据有一个基本的了解。经上述“生成中位数”的操作,SPSS输出各组中位数结果如下图。
由上图可知,服用传统运动饮料后受试者的长跑距离中位数为11.1600 km,服用新型运动饮料后受试者的长跑距离中位数为11.3675 km,差值的中位数为0.1350 km。
2. Wilcoxon signed-rank检验结果
SPSS输出Wilcoxon signed-rank检验结果如下图。
本研究Wilcoxon signed-rank检验的Z=-3.672,P<0.001, 说明两组数据中位数差值与0的差异具有统计学意义,即服用传统运动饮料与服用新型运动饮料受试者的长跑距离不同。结合中位数的结果可知,新型的运动饮料有助于提升受试者的长跑能力(P<0.001)。
五、撰写结论
采用Wilcoxon signed-rank检验,分析相较于传统运动饮料,服用新型运动饮料是否可以提升受试者的长跑能力。结果提示,服用传统运动饮料后受试者的长跑距离中位数为11.1600 km,服用新型运动饮料后受试者的长跑距离中位数为11.3675 km,差值的中位数为0.1350 km。
Wilcoxon signed-rank检验显示,Z=-3.672,P<0.001, 说明新型的运动饮料有助于提升受试者的长跑能力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27