spss 两个独立样本的秩和检验实例(SPSS数据分析之多独立样本的非参数检验操作)

多个独立样本检验,是用于检验多个独立样本之间是否具有相同的分布,零假设:多个独立样本之间的总体分布无显著性差异。

话不多说,直接上操纵。

原始数据

spss 两个独立样本的秩和检验实例(SPSS数据分析之多独立样本的非参数检验操作)(1)

原始数据

问题:检验三块样地的树高是否具有显著性差异

操作:分析→非参数检验→旧对话框→K个独立样本

spss 两个独立样本的秩和检验实例(SPSS数据分析之多独立样本的非参数检验操作)(2)

K个独立样本的操作

检验变量:树高

分组变量:样地 定义范围:最小值1,最大3

检验类型

Kruskal-Wallis H:是两独立样本的非参数检验中Mann-Whitney U的扩展,是单项方差检验分析的一个模拟,用于检验多个样本总体分布的所有差异

Jonckheere-Terpstra:在总体间进行排序的情况下,相对于其他两种检验是更适用的检验,通过计算样本中一个观测值小于另一个样本的个数来判断,比检验出现的第二类错误的概率更小,

中位数:检测位置和形状的分布差别,检验多个样本是否来自具有相同中位数的总体

选项:描述性、四分位数

spss 两个独立样本的秩和检验实例(SPSS数据分析之多独立样本的非参数检验操作)(3)

检验类型

输出结果

描述性统计量

N

均值

标准差

极小值

极大值

百分位

第 25 个

第 50 个(中值)

第 75 个

树高

30

56.380

22.1340

21.3

89.7

35.525

58.200

74.125

样地

30

2.00

.830

1

3

1.00

2.00

3.00

从上表可知,树高案例个数30,均值为56.38,标准差为22。134,最小值(极小值)为21.3,最大值(极大值)为89.7。

Kruskal-Wallis 检验

样地

N

秩均值

树高

1

10

17.05

2

10

15.80

3

10

13.65

总数

30

检验统计量a,b

树高

卡方

.763

df

2

渐近显著性

.683

a. Kruskal Wallis 检验

b. 分组变量: 样地

上表可知,各个样地的个案数为10,均值分别为17.05/15.8/13.65,检验统计卡方值为0.763,渐近显著性为0.683>0.05,说明这三个样地之间的树高无显著性差异。

中值检验

频率

样地

1

2

3

树高

> 中值

5

6

4

<= 中值

5

4

6

检验统计量a

树高

N

30

中值

58.200

卡方

.800b

df

2

渐近显著性

.670

a. 分组变量: 样地

b. 0 个单元 (0.0%) 具有小于 5 的期望频率。单元最小期望频率为 5.0。

上表可知,各个样地大于中位数和小于中位数的个数,检验统计的渐近显著性为0.67>0.05,说明这三个样地之间的树高无显著性差异。

Jonckheere-Terpstra 检验a

树高

样地 中的水平数

3

N

30

J-T 观察统计量

125.500

J-T 统计量均值

150.000

J-T 统计量的标准差

26.296

标准J-T 统计量

-.932

渐近显著性(双侧)

.351

a. 分组变量: 样地

上表可知,样地中的水平数(组数)为3,渐近显著性(双侧)值为0.351>0.05,说明这三个样地之间的树高无显著性差异。

综上所述三种检验,说明三个样地之间的树高无显著性差异。

今天的数据分析就学习到这里,有任何问题可以评论留言,如有想看的操作讲解,可以私信我。谢谢大家的点赞、关注和转发。

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页