統計第十一課:SPSS 多相關樣本的非參數檢驗(Friedman檢驗)

統計第十一課:SPSS 多相關樣本的非參數檢驗(Friedman檢驗)

關鍵詞: SPSS 多相關樣本非參數檢驗

來源: 互聯網

34396 閱讀

先講講什么是 Friedman 檢驗

Friedman 檢驗是利用秩實現對多個總體分布是否存在顯著差異的非參數檢驗方法。

其原假設是:多個配對樣本來自的多個總體分布無顯著差異。

SPSS 將自動計算 Friedman 統計量和對應的概率 P 值。如果概率 P 值小于給定的顯著性水平 0.05,則拒絕原假設,認為各組樣本的秩存在顯著差異,多個配對樣本來自的多個總體的分布有顯著差異。

反之,則不能拒絕原假設,可以認為各組樣本的秩不存在顯著性差異。

基于上述基本思路,多配對樣本的 Friedman 檢驗時,首先以行為單位將數據按升序排序,并求得各變量值在各自行中的秩;然后,分別計算各組樣本下的秩總和與平均秩。多配對樣本的 Friedman 檢驗適于對定距型數據的分析。

看完這些,是不是有點兒暈,好吧,讓我們進入實例來分析分析。

案例解析

以2010 年世博會期間,參觀人數眾多,為了比較各個時間段的入園人數有無差別為例,收集了以下的數據:

日期:統計的日期

a:該日 12-14 點的入園人數

b:該日 14-16 點的入園人數

c:該日 16-18 點的入園人數

d:該日 18-20 點的入園人數

目的是分析上述四個時間段的入園人數有無差異。顯然,四組數據并不獨立,不能滿足普通方差分析的條件,可以使用重復測量的方差分析。但考慮到入園人數波動大,存在極端值,這里采用非參數檢驗的方法,即 Friedman 檢驗。

二、操作步驟

菜單的選擇

主對話框:

進入「字段」選項卡,選入四個時間點字段:

進入「設置」選項卡,選擇 Friedman 檢驗,多重比較選擇「逐步降低」(類似 SNK 法):

三、結果解讀

這是模型的統計摘要,P<0.001,可見各個時間點的入園人數有統計學差異。

雙擊該圖標,進入模型查看界面:

兩兩比較:

在上圖下方的「視圖」下拉菜單中選擇「齊性子集」,進入下圖:

可見,四組數據被分成 3 個子集,12-14 點、16-18 點入園人數最多,14-16 點次之,18-20 點最少。這也與實際情況相符。

今天就到這里,想了解更多有用的、有意思的前沿資訊以及酷炫的實驗方法的你,都可以成為師兄的好伙伴

師兄微信號:shixiongcoming

超方便的實驗干貨查詢工具

微信掃碼進入「丁香實驗」小程序

版權聲明

我的詢價

詢價列表

暫時沒有已詢價產品

inquiry icon 快捷詢價
    當你希望讓更多商家聯系你時,可以勾選后發送詢價,平臺會將你的詢價消息推薦給更多商家。
    個人收貨地址

    編輯個人收貨信息

    yanxuan

    關注「丁香通研選」

    微信及時獲得商家回復,

    獲得更多交易信息和保障。

    2元彩票中500万的
    丁香實驗小程序

    微信關注
    丁香實驗

    意見反饋