1、第五章 參數檢驗與非參數檢驗本章內容第一節 概述第二節 均值比較與參數檢驗第三節 非參數檢驗第一節 概述 一、參數檢驗與非參數檢驗 參數檢驗是指當總體分布已知的情況下，根據樣本數據對總體分布的統計參數（如均值、方差等）進行推斷。 非參數檢驗是當總體分布未知的情況下，根據樣本數據對總體的分布形式或特征進行推斷。二、第類錯誤、第類錯誤與顯著性水平 在進行統計推斷時，有可能會出現以下兩種錯誤，第一類錯誤是拒絕真實的原假設，我們把它叫做“拒真”的錯誤。第二類錯誤是接收錯誤的原假設，我們把它叫做“取偽”的錯誤。在假設檢驗中，犯第類錯誤的概率記為 ,稱其為顯著性水平；犯第類錯誤的概率記為 。 我們一般事先

2、規定允許犯第類錯誤的概率 ，然后盡量減少犯第類錯誤的概率 。一般取 =0.10、0.05或0.01，表示概率小的程度。三、假設檢驗的基本步驟 1、根據推斷檢驗的目標，對待推斷的總體參數或分布作一個基本假設； 2、利用收集到的樣本數據和基本假設計算某檢驗統計量，該統計量服從或近似服從某種統計分布； 3、根據該統計量的值得到相伴概率 值； 4、做出判斷。研究者給定一個顯著性水平，如果相伴概率值小于或等于用戶給定的顯著性水平，則拒絕原假設；否則，不應拒絕原假設。 第二節 均值比較與參數檢驗一、均值比較（一）均值比較的概念和基本步驟 統計分析常常采取抽樣研究的方法，即從總體中隨機抽取一定數量的樣本進行

3、研究來推論總體的特性。能否用樣本均數估計總體均數？兩個變量均數接近的樣本是否來自均值相同的總體？這就要進行均值比較。均值比較的基本步驟為： 第一步，用戶指定一個或多個變量作為分組變量，并按分組變量的不同取值對個案數據進行分組。 第二步，指定一個變量作為匯總變量，并計算該匯總變量在各分組下的基本描述統計量。 第三步，對第一分組變量各分組下的匯總變量均值有無顯著差異作統計檢驗。 原假設是：分組變量各水平下匯總變量的均值無顯著差異。（二）均值比較分析過程在SPSS中的實現 1、建立數據文件 2、點擊AnalyzeCompare MeansMeans進入Means主對話框，見圖5-1所示。 圖5-1

4、均值比較主對話框 3、選擇被解釋變量 在左邊的變量表中選擇要分析的變量作為被解釋變量，并將其送入Dependent List被解釋變量框中。被解釋變量可以選擇一個，也可以選擇多個。4、解釋變量的選擇及分層控制 選擇解釋變量作為分組變量，對被解釋變量將按解釋變量分組計算基本描述統計量。選擇的若干解釋變量可以放在第一層，也可以放在不同層。5、Option選項在主對話框中單擊Option選項，展開Option對話框，如圖5-2所示。圖5-2 Option對話框（1）Statistics選項框，選擇統計量。（2）Statistics For First Layer框,對第一層每個控制變量的分析。具體含

5、義是： Anova table and eta復選項：表示輸出單因素方差分析表和eta值。 Test of linearity復選項：表示作線性檢驗。二、單樣本 檢驗 （一）單樣本 檢驗的概念和基本步驟 單樣本 檢驗是檢驗某個變量的總體均值與指定的檢驗值之間是否存在顯著差異。這里，前提條件是樣本來自的總體應服從正態分布。如果已知總體均數，進行樣本均數與總體均數之間的差異顯著性檢驗也屬于單樣本的 檢驗。 單樣本 檢驗的基本步驟為：1、提出原假設。單樣本 檢驗的原假設為：總體均值與檢驗值之間不存在顯著差異 2、選擇檢驗統計量。單樣本 檢驗的檢驗統計量為 統計量。 3、計算檢驗統計量觀測值和概率值。

6、SPSS將自動計算 統計量的觀測值和對應的概率 值。 4、給定顯著性水平，并作出決策 。給定顯著性水平，與檢驗統計量的概率值作比較。如果概率值小于顯著性水平，則應拒絕原假設；反之，如果概率值大于顯著性水平，則不能拒絕原假設。 （二）單樣本 檢驗過程在SPSS中的實現 1、建立或選擇數據文件后，按“Analyze” “Compare Means”“One-Sample T Test”進入One-Sample T Test單樣本 檢驗主對話框，如圖5-3所示。圖5-3 單樣本T檢驗對話框 2、在左邊的源變量框中選擇要分析的變量，將其送入Test Variable(s)框中。在Test Value檢

7、驗值一欄中填入的大小。 3、單擊“Options”按鈕，彈出Options選項對話框，如圖5-4所示。 圖5-4 單樣本 檢驗Options 選項對話框 （1）Confidence Interval 一欄為可信水平，系統默認為95%，用戶可以改寫。 （2）Missing Values 一欄中有兩個選項，一為Exclude cases analysis by analysis 選項，帶有缺失值的觀測量，當它與分析有關時才被剔除。一為Exclude cases listwise 選項，剔除在主對話框中Variables 矩形框中列出的變量帶有缺失值的所有觀測量。 點擊“Continue”按鈕可返回

8、主對話框。三、獨立樣本 檢驗（一）獨立樣本 檢驗的概念和基本步驟 獨立樣本 檢驗就是根據樣本數據對它們來自的兩獨立總體的均值是否有顯著差異進行推斷。這個推斷的前提是：（1）兩樣本應是相互獨立的，即從一總體中抽取一批樣本對從另一總體中抽取一批樣本沒有任何影響，兩組樣本的個案數目可以不同，個案順序可以隨意調整，即沒有配對關系。（2）樣本來自的兩個總體應服從正態分布。 兩獨立樣本 檢驗的基本步驟： 1、提出原假設：兩總體均值無顯著差異 2、選擇檢驗統計量：在具體實現時通過兩步完成：第一，利用 檢驗判斷兩總體的方差是否相等；第二，根據前一步的判斷結果決定 統計量和自由度的計算公式。 3、計算檢驗統計量

9、觀測值和概率值：SPSS將自動依據單因素方差分析的方法計算 統計量和相伴概率值，并自動根據兩組樣本的均值、樣本數、抽樣分布方差等計算出 統計量的觀測值和相伴概率值。 4、給定顯著性水平 ，并作出決策 第一步，利用 檢驗的相伴概率值判斷兩總體的方差是否相等，如果概率值小于顯著性水平，則應拒絕原假設，認為兩總體方差有顯著差異；反之，如果概率值大于顯著性水平，則不應拒絕原假設，認為兩總體方差無顯著差異。 第二步，利用 檢驗的相伴概率值判斷兩總體均值是否存在顯著差異。如果概率值小于顯著性水平，則應拒絕原假設，認為兩總體均值有顯著差異；反之，如果概率值大于顯著性水平，則不應拒絕原假設，認為兩總體均值無顯

10、著差異。（三）獨立樣本 檢驗在SPSS中的實現 1、建立或打開數據文件后，按AnalyzeCompare MeansIndependent-Sample T Test進入Independent-Sample T Test 獨立樣本 檢驗主對話框，如圖5-5所示。 圖5-5 獨立樣本 檢驗主對話框 2、選擇若干變量作為檢驗變量到Test Variable(s)檢驗變量框中。 3、選擇一個變量作為標識變量到Grouping Variable 分組變量框中。該標識變量的兩個不同取值可對應兩個不同的總體。 4、單擊“Define Groups”按鈕，可進入Define Groups 子對話框，如圖5-

11、6 所示。其中：Use specified values表示分別輸入兩個值，每個值代表一個總體；對于Cut point 分割點欄，如果分組變量是連續變量，則選用此項。 5、Options 選擇含義與單樣本t檢驗中的相同。圖5-6 分組子對話框 在此對話框中，選中左邊的源變量矩形框中的用于檢驗的變量，點擊源變量框與Variable 變量框之間的向右按鈕，將其移入選中用于，用同樣的方法將其移入。四、兩配對樣本 檢驗（一）兩配對樣本 檢驗的概念和基本步驟 兩配對樣本 檢驗是根據樣本數據對樣本來自的兩配對總體的均值是否有顯著差異進行推斷。前提條件是：（1）兩樣本應該是配對的。首先，兩樣本的觀察數目相等

12、；其次，兩樣本的觀察值的順序不能隨意更改。（2）樣本來自的總體應服從正態分布。兩配對樣本 檢驗的基本步驟為： 1、提出原假設：兩總體均值之間不存在顯著差異。 2、選擇檢驗統計量：配對樣本 檢驗所采用的檢驗統計量為 統計量。 3、計算檢驗統計量觀測值和相伴概率值：SPSS將自動計算 統計量的觀測值以及相伴概率 值。 4、給定顯著性水平 ，并作出決策：如果相伴概率值小于或等于用戶心中的顯著性水平，則拒絕原假設，認為兩總體均值存在顯著差異；相反，如果相伴概率值大于用戶心中的顯著性水平，則不能拒絕原假設，可以認為兩總體均值不存在顯著差異。（二）配對樣本 檢驗在SPSS中的實現 1、建立或打開數據文件后

13、，按AnalyzeCompare MeansPaired-Samples T Test進入Paired-Samples T Test配對樣本 檢驗主對話框，如圖5-7所示。圖5-7 Paired-Sample T Test 配對樣本 檢驗主對話框 2、選擇一對或若干對配對變量作為檢驗變量到Paired Variable框中，選擇好配對變量。在配對變量欄中，配對變量處于同一行，中間有“-”連接。 3、Options 選擇含義與單樣本檢驗中的相同。第二節 非參數檢驗 一、 卡方檢驗 （一）卡方檢驗的概念和基本步驟 卡方檢驗方法可以根據樣本數據，推斷總體分布與期望分布或某一理論分布是否存在顯著差異。

14、它是是一種吻合性檢驗，通常適于對有多項分類值的總體分布的分析，變量為離散型數據。卡方檢驗的基本步驟為： 1、提出原假設：樣本來自的總體分布與期望分布或某一理論分布無顯著差異。 2、選擇檢驗統計量：卡方檢驗的統計量為 統計量。 3、計算檢驗統計量觀測值和相伴概率 值：SPSS將自動計算 統計量的觀測值及相伴概率 值。 4、給定顯著性水平 ，并做出決策：如果的概率值小于顯著性水平，則應拒絕原假設；反之，如果的概率值大于顯著性水平，則不能拒絕原假設。 （二）卡方檢驗過程在SPSS中的實現 1建立或打開數據文件后，打開Analyze Nonparametric Tests Chi-Square Tes

15、t 對話框，如圖5-8 所示。圖5-8 Chi-Square Test 對話框 2、指定待檢驗的變量到Test Variable List框。 3、在Expected Range 欄中，確定檢驗值的范圍。 （1）Get from data 選項，即最小值和最大值所確定的范圍。 （2）Use specified range 選項，只檢驗數據中一個子集的值，在Lower 和Upper 參數框中鍵入檢驗范圍的下限和上限。 4、在Expected Values 欄中，指定期望值。 （1）All categories equal 選項，系統默認的檢驗值是所有分組的期望頻數都相同。 （2）Values 選

16、項，要求用戶輸入期望分布的頻數值。 5、單擊“Options”按鈕，打開Chi-Square Test ：Options對話框，如圖5-9所示。圖5-9 Options 對話框 （l） Statistics 欄，選擇輸出統計量。其中，Descriptive 復選項，輸出變量的均值、標準差、最大值、最小值、非缺失個體的數量。Quartiles 復選項，輸出結果將包括四分位數的內容。 （2） 在Missing Values 欄中選擇對缺失值的處理方式。其中，Exclude cases test-by-test 選項，將參與對比中的缺失值排除；Exclude cases listwise 選項，將任

17、何變量中所有含有缺失值的分析個體排除。 二、二項分布檢驗 （一）二項分布檢驗的基本概念和基本步驟 二項分布檢驗是通過樣本數據檢驗樣本來自的總體是否服從指定的概率為 的二項分布，其基本步驟為： 1、提出原假設：樣本來自的總體與指定的二項分布無顯著差異。 2、選擇檢驗統計量：在小樣本中采用精確檢驗方法，對于大樣本則采用近似檢驗方法，采用 檢驗統計量。 3、計算檢驗統計量觀測值和相伴概率 值：SPSS自動計算檢驗統計量觀測值和近似概率 值。 4、給定顯著性水平 ，并做出決策：如果概率值小于顯著性水平，則拒絕原假設；如果概率值大于顯著性水平，則不能拒絕原假設。（二）二項分布檢驗在SPSS中的實現 1、

18、建立或打開數據文件后，打開Analyze Nonparametric Tests Binomial Test 對話框，如圖5-10所示。圖5-10 二項分布檢驗對話框 2、從左側變量列表中選擇需要進行檢驗的變量，將其移到Test Variable 框中。 3、Define Dichotomy 欄，定義二分值。 （1）Get from data 選項，適用于指定的變量只有兩個有效值，無缺失值。 （2）Cut point 選項，如果指定的變量超過兩個值，在參數框中鍵入一個分界點值，比分界點值小的將形成第一項，比分界點值大的將形成第二項。 4、Test 參數框，指定檢驗概率值。系統默認的檢驗概率值是

19、0.5，這意味著要檢驗的二項是服從均勻分布的。 5、 Options 對話框，選擇輸出結果形式及缺失值處理方式。三、游程檢驗 游程是樣本序列中連續出現的變量值的次數。游程檢驗又稱單樣本變量隨機性檢驗，是對變量的變量值出現是否隨機進行檢驗。基本步驟為： 1、提出原假設：總體某變量的變量值出現是隨機的。 2、選擇檢驗統計量：SPSS單樣本變量值隨機性檢驗中，利用游程數構造檢驗統計量。在大樣本時，游程近似服從正態分布，采用 檢驗統計量。 3、計算檢驗統計量觀測值和相伴概率 值：SPSS將自動計算 統計量及相伴概率 值。 4、給定顯著性水平 ，并做出決策：如果概率值小于給定的顯著性水平，則應拒絕原假設

20、；如果概率值大于給定的顯著性水平，則不能拒絕原假設。（二）游程檢驗在SPSS中的實現 1、建立或打開數據文件后進入Analyze Nonparametric Tests Run Test 對話框，如圖5-11所示。圖5-11 游程檢驗主對話框 2、指定待檢驗的變量到Test Variable List框。 3、在Cut point框中確定計算游程的分界點。其中，Median表示以樣本中位數為分界點；Mode表示以樣本眾數為分界點；Mean表示以樣本均值為分界點； Custom表示以用戶輸入的值為分界點。 4、 Options 對話框，選擇輸出結果形式及缺失值處理方式。四、單樣本K-S 檢驗（一

21、）單樣本K-S 檢驗的概念和基本步驟 單樣本K-S 檢驗又稱單樣本柯爾莫哥洛夫- 斯米諾夫檢驗(one-smple Kolmogorov-Smirnov test)，是利用樣本數據推斷總體是否服從某一理論分布，適用于探索連續性隨機變量的分布形態。 基本步驟為： 1、提出原假設：樣本來自的總體與指定的理論分布無顯著差異。SPSS的理論分布主要包括正態分布、均值分布、指數分布和泊松分布等。 2、選擇檢驗統計量：單樣本K-S檢驗的統計量為 統計量。 3、計算檢驗統計量觀測值和相伴概率值：SPSS將自動計算 的 統計量，依據 分布表（小樣本）或正態分布表（大樣本）給出對應的相伴概率 值。 4、給定顯著

22、性水平 ，并做出決策：如果相伴概率值小于顯著性水平，則應拒絕原假設；如果相伴概率值大于顯著性水平，則不能拒絕原假設。在SPSS中，無論是大樣本還是小樣本，僅給出大樣本下的和對應的概率值。（二）單樣本K-S 檢驗在SPSS中的實現 1、建立或打開數據文件后，進入Analyze Nonparametric Tests One-Sample Kolmogorov -Smirnov Test 對話框，如圖5-12所示。圖5-14 One-Sample Kolmogorov-Smirnov Test 對話框 2、選擇檢驗變量到Test Variable 框。 3、在Test Distribution 框

23、中選擇理論分布，其中：Normal為正態分布，Uniform為均勻分布，Poisson為泊松分布，Exponential為指數分布。 4、Options 對話框，選擇輸出結果形式及缺失值處理方式，同前。 五、兩個獨立樣本非參數檢驗 （一）兩獨立樣本非參數檢驗的基本概念和檢驗方法 兩獨立樣本的非參數檢驗是在對總體分布不甚了解的情況下，通過對兩組獨立樣本的分析來推斷樣本來自的兩個獨立總體的分布是否存在顯著差異，一般檢驗兩個獨立總體的均值或中位數是否存在顯著差異來進行推斷。 SPSS提供了四種兩獨立樣本的非參數檢驗方法。 1、兩獨立樣本的曼-惠特尼檢驗 兩獨立樣本的曼-惠特尼檢驗（Mann-Whit

24、ney U）的原假設是：兩組獨立樣本來自的兩總體分布無顯著差異。 曼-惠特尼檢驗的基本步驟是： （1）將兩組樣本數據 混合并按升序排序，得到每個數據各自的秩。 （2）分別對兩組樣本的秩求平均，得到兩個平均秩。對兩個平均秩的差距進行比較。 （3）計算第一組樣本每個秩優于第二組樣本每個秩的個數，以及第二組樣本每個秩優于第一組樣本每個秩的個數，并對其進行比較。 （4）SPSS將自動計算Wilcoxon W和Mann-Whitney U統計量，并計算出相伴概率值；同時，SPSS還計算近似于正態分布的 統計量及相伴概率值。 （5）給出顯著性水平 ，如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；

25、相反，如果相伴概率值大于給定的顯著性水平，則不能拒絕原假設。2、兩獨立樣本的K-S檢驗 兩獨立樣本K-S檢驗的原假設是：樣本來自的兩個獨立總體的分布無顯著差異 。 兩獨立樣本的K-S檢驗的基本步驟為： （1）將兩組樣本混合并按升序排序。 （2）分別計算兩組樣本秩的累計頻數和累計頻率。 （3）將兩個累計頻率相減，得到秩的差值序列并得到 統計量 。 （4）SPSS將自動計算在大樣本下的 的觀測值和相伴概率 值。 （5）給出顯著性水平 ，如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果相伴概率值大于給定的顯著性水平，則不能拒絕原假設。 3、兩獨立樣本的游程檢驗（Wald-Wolfo

26、witz Runs） 原假設是：樣本來自的兩個總體的分布無顯著差異。兩獨立樣本游程檢驗基本步驟為： （1）將兩組樣本混合并按升序排序。 （2）對組標記值序列按前面討論的方法計算游程數。 （3）SPSS將利用游程數自動計算 統計量的觀測值及相伴概率 值。 （4）給出顯著性水平 ，如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果相伴概率值大于給定的顯著性水平，則不能拒絕原假設。 4、兩獨立樣本的極端反應檢驗（Moses extreme reactions） 原假設是：樣本來自的兩個總體的分布無顯著差異。兩獨立樣本極端反應檢驗的基本步驟為： （1）將兩組樣本混合并按升序排序。 （2

27、）找出控制樣本最低秩和最高秩之間包含的觀察值個數，稱為跨度或截頭跨度。 （3）SPSS自動計算跨度和截頭跨度后，會依據分布表給出對應的相伴概率 值。 （4）給出顯著性水平 ，如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果相伴概率值大于給定的顯著性水平，則不能拒絕原假設。（二）兩獨立樣本非參數檢驗在SPSS中的實現 1建立或打開數據文件后，進入Analyze Nonparametric Tests Two-Independent-Samples Test對話框，如圖5-13所示。圖5-13 Two-Independent-Samples Test 對話框 2、Test Var

28、iable 框，指定檢驗變量。 3、Grouping Variable 框，指定分組變量。 從左側變量列表中指定用來分組的變量，并使之移到Grouping Variable 框中，點擊“Define Groups”按鈕，進入Define Groups 對話框，如圖5-14所示。在Define Groups對話框中的Group 1 和Group 2 后的欄中可指定分組變量的值。圖5-14 Define Groups 對話框 4、Test Type 框，確定用來進行檢驗的方法。 在Test Type 框中提供了可供用來檢驗的四種方法，它們分別是：Mann-Whitney U 復選項、Kolmogo

29、rov-Smirnov Z 復選項、Moses extreme reactions 復選項、Wald-Wolfowitz runs復選項，系統默認值為Mann-Whitney U 復選項。在這四種方法中至少應選擇一種。 5、Options 對話框，選擇輸出結果形式及缺失值處理方式。 六、多獨立樣本非參數檢驗 （一）多獨立樣本非參數檢驗的基本概念和檢驗方法 多獨立樣本非參數檢驗也是通過分析樣本數據，推斷樣本來自的多個獨立總體的分布是否存在顯著差異，一般用來推斷多個獨立總體的均值或中位數是否存在顯著差異。多獨立樣本檢驗的基本原理與兩獨立樣本檢驗相同，兩獨立樣本檢驗是多獨立樣本檢驗中最基本的形式。

30、SPSS提供了三種多獨立樣本的非參數檢驗方法。 1、多獨立樣本的中位數檢驗 原假設是：多個獨立樣本來自的多個總體的中位數無顯著差異。 檢驗的基本步驟是： （1）將多組樣本數混合并按升序排序，求出混合樣本數據中的中位數，并假設它是共同的中位數。 （2）分別計算每組樣本中大于或小于這個共同中位數的樣本數。 （3）SPSS將自動計算 統計量及相伴概率 值。 （4）給出顯著性水平 ，如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果相伴概率值大于給定的顯著性水平，則不能拒絕原假設。2、多獨立樣本的 檢驗 原假設是：多個獨立樣本來自的多個總體的分布無顯著差異。多獨立樣本檢驗的基本步驟是：

31、 （1）將多組樣本數據混合并按升序排序，求出每個觀察值的秩。 （2）對多組樣本的秩分別求平均數。 （3）SPSS將自動計算 統計量及相伴概率 值。 （4）給出顯著性水平 ，如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果相伴概率值大于給定的顯著性水平，則不能拒絕原假設。 3、多個獨立總體的 檢驗 Jonkheere-Terpstra檢驗的基本思想方法與兩獨立樣本的曼-惠特尼U檢驗比較類似，它也是計算一組樣本的觀察值小于其他組樣本的觀察值的個數。 SPSS將自動計算 統計量及相伴概率 值。如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果相伴概率值大于給定的顯著

32、性水平，則不能拒絕原假設。（二）多獨立樣本非參數檢驗在SPSS中的實現 1、建立或打開數據文件后，進入Analyze Nonparametric Tests Tests for Several Independent Samples對話框，如圖5-15所示。圖5-15 Tests for Several Independent Samples 主對話框 2、從左側變量列表中選擇需要進行檢驗的變量移入Test Variable 框。 3、Grouping Variable 框，指定分組變量值范圍。從左面變量列表中指定用來分組的變量，并使之移到該框中，單擊“Define Range”按鈕，進入De

33、fine Range 對話框，如圖5-16 所示，定義變量值范圍。圖5-16 Define Range 對話框 4、Test Type 框，確定用來進行檢驗的方法。在該框中提供了可供用來檢驗的三種方法，分別為Kruskal-Wallis H 復選項、Median 復選項和Jonckheere-Terpstra 復選項。系統默認值為 Kruskal Wallis H 法。在這三種方法中至少應選擇一種。 5、Options 對話框，選擇輸出結果形式及缺失值處理方式。七、兩配對樣本檢驗 （一）兩配對樣本檢驗的概念和檢驗方法 兩配對樣本的非參數檢驗是在對總體分布不甚了解的情況下，通過對兩組配對樣本的分

34、析，推斷樣本來自的兩個總體的分布是否存在顯著差異的方法。 SPSS17.0提供了四種兩配對樣本非參數檢驗的方法，運用廣泛的主要有以下三種： 1、McNemar變化顯著性檢驗 原假設是：兩配對樣本來自的兩總體的分布無顯著差異。 McNemar變化顯著性檢驗仍采用二項分布檢驗的方法，在小樣本下計算二項分布的累計精確概率，大樣本下采用修正的 統計量，它近似服從正態分布。SPSS將自動計算 統計量和相伴概率 值。如果概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果概率值大于給定的顯著性水平，則不能拒絕原假設。2.兩配對樣本的符號（Sign）檢驗 原假設是：兩配對樣本來自的兩總體分布無顯著差異

35、。兩配對樣本的符號（Sign）檢驗的基本步驟是： 分別將第二組樣本的各個觀察值減去第一組樣本的各個觀察值，差值為正則記為正號，差值為負則記為負號。 計算正號的個數和負號的個數。 SPSS將自動計算 統計量及相伴概率 值。 給出顯著性水平 ，如果概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果概率值大于給定的顯著性水平，則不能拒絕原假設。 3.兩配對樣本的Wilcoxon符號平均秩檢驗 原假設是：兩配對樣本來自的兩總體分布無顯著差異。 兩配對樣本的Wilcoxon符號平均秩檢驗基本思想是： 分別將第二組樣本的各個觀察值減去第一組樣本的各個觀察值，差值為正則記為正號，差值為負則記為負號，

36、并同時保存差值數據。 將差值數據按升序排序，并求出相應的秩。 分別計算正號秩總和、負號秩總和，以及正號平均秩和負號平均秩。 SPSS將自動計算 統計量及相伴概率 值。 給出顯著性水平 ，如果相伴概率值小于或等于給定的顯著性水平，則拒絕原假設；相反，如果相伴概率值大于給定的顯著性水平，則不能拒絕原假設。（二）兩配對樣本檢驗在SPSS中的實現 1、建立或打開數據文件后，進入Analyze Nonparametric Tests Two-Relate-Samples Tests 主對話框，如圖5-17所示。圖5-17 兩配對樣本非參數檢驗主對話框 2、指定檢驗變量對。 3、Test Type 框，確定用來進行檢驗的方法。在Test Type 框中，提供了可供用來檢驗的四種方法，它們分別是：Wilcoxon