1、參數、非參數檢驗操作步驟參數檢驗非參數檢驗對象針對參數做的假設針對總體分布情況做的假設使用范圍等距數據和比例數據（度量）定類數據和定序數據（名義和有序）分布正態分布正態、非正態分布內容Means檢驗 單樣本T檢驗 獨立樣本T檢驗 配對樣本T檢驗卡方檢驗（均勻分布） 二項分布檢驗（兩個變量） 游程檢驗（隨機分布）K-S檢驗（正態分布檢驗）參數檢驗一 Means過程Means過程用于統計分組變量的的基本統計量，這些基本統計量包括：均值（Mean）、標準 差（Standard Deviation）、觀察量數目（Number of Cases）、方差（Variance）。1數據編輯窗口輸入分析的數據2

2、分析一比較均值一均值因變量、自變量的選擇可根據實際情況。“選項”3結果分析數據集0 C： Documents and SettingsAdministrator桌面均值過程.maw案洌處理摘要案例已包含已排除總計N百分比N百分比N百分比酸蟲百株腿咽查時26100.0%0.0%26100.0%報告棉鈴蟲百株卵星調杳時間均值N標唯差方差暴雨前122.30461315.95065254.423暴雨后104.461 51315.10358228.269總計113.42312617.75426315.214ANOVA表平方和df均方F顯著性弼鈴蟲百株卵量*調查時組間（組合）間組內總計2038.03857

3、92.3087030.346124252038.038241.3468.652.007相關性度量EtaE怕方辭蟲百株叱調查時.515.265PV0.05，拒絕原假設，顯著性強。結果報告，分別給出暴雨前和暴雨后卵量的統計量：暴雨前有13個樣本，平均數122.3846, 標準差15.95065,方差254.423;暴雨后有13個樣本，平均數104.4615,標準差15.10858, 方差228. 269；總體26個樣本，平均數113.4231，標準差17.75426，方差315.214。方差分析表，共有六列，第一列說明方差的來源，Be tween Groups是組間的，Wit hin Groups

4、 組內的，Tot al總的。第二列為平方和，其大小說明了各方差來源作用的大小。第三列為自 由度。第四列為均方，即平方和除以自由度。第五列F值是F統計量的值，其計算公式為模 型均方除以誤差均方，用來檢驗模型的顯著性。第六列是F統計量的顯著值，由于這里的顯 著值0.007小于0.05，所以模型是顯著的，降雨對卵量有顯著影響。二單一樣本的T檢驗T檢驗是檢驗單個變量的均值與指定的檢驗值之間是否存在顯著差異。如:研究人員可能想 知道一組學生的IQ平均分與100分的差異。1分析一比較均值一單一樣本的T檢驗檢驗值中輸入用于比較的均值（一般題目中會提供）。S3 r檢驗喪曼D：選頃0.確走取苗幫助圍單樣本T檢驗

5、:選項賣信區間:95缺失値幣助2結果分析惓驗數據集 1 C： Dociments and SettingsAdjninistrator桌面DATA4-2. SAV單個祥本統計量N均值標淮差均值的標淮誤防治效果992.673.0S21.027單于拌本檢驗檢驗值=90tdfsia.mm均佰弄值差分的95%置信醫間下限上限防治效果2.5960.0322.667.305.04結果中比較有用的值：Mean和Sig顯著性概率值。零假設H0樣本均值Mean=常數（檢驗值）；Sig=0.0320.05，接受原假設，兩樣本均值相等。三配對樣本T檢驗配對樣本T檢驗用于檢驗兩個相關樣本是否來自相同均值的正態總體，即

6、推斷兩個總體的均值是否存在顯著差異。1分析比較均值配對樣本T檢驗園囲對樣本T檢驗爐訓練前 廖訓練后成對園 囲對樣本T檢驗選項爐訓練前 廖訓練后成對園 囲對樣本T檢驗選項丑信區間（：95|缺失值幣助確定牯貼（E）sa（R）幣助2結果分析配對樣本T檢驗的基本描述統計量:成對樣本統計量均值N標準差均值的標準誤對1訓練前77.671510.1042.609訓練后83.60158.4332.177配對樣本相關性檢驗成對樣本相關系數N相關系數Sig.對1訓練前&訓練后15.407.132H。：兩樣本沒有相關性。表中顯示訓練前和訓練后兩樣本的相關系數為0.407，相關系數的檢驗P值為0.1320.05, 接

7、受原假設，可以認為訓練前后的成績沒有明顯的線性關系。配對樣本T檢驗結果成對樣本槍驗成對差分tdfSia.Mib均值的標井課差分的95%S信區間下阻卜阻對1訓練前-訓練后-5.93310.1872.630-11.575-.292-2.25614.041H。：兩樣本沒有相關性。概率p值為0.041 V0.05，拒絕零假設，可以認為訓練前后對成績有顯著效果。非參數檢驗非參數檢驗是指總體分布未知或知之甚少時，利用已知樣本數據對整體分布形態等做出推斷 的分析方法。非參數檢驗分為兩大類：分布類型檢驗和分布位置檢驗SPSS的單樣本非參數檢驗方法包括卡方檢驗、二項分布檢驗、游程檢驗、K-S檢驗及Wilcoxo

8、n符號檢驗五種。一卡方檢驗也稱卡方擬合優度檢驗，用于檢驗觀測數據是否與某種概率分布的理論數值相符合，進而推斷觀測數據是否是來自于該分布的樣本的問題。1分析：由于考慮的是次品是否服從均勻分布的問題，故用卡方檢驗。2加權處理（對頻率變量進行加權處理）“數據”一“加權個案”3分析一非參數檢驗一卡方4結果分析檢驗統計量次品數卡方12.556adf4漸近顯著性.014檢驗統計量次品數卡方12.556adf4漸近顯著性.014a. 0個單元（.0%）具有小 于5的期望頻率。單元最 小期望頻率為18.0。H0服從原假設分布。Sig. = 0.014 0.05,說明應拒絕原假設，認為工作日的類別是以不同概率發生的。二二項分布檢驗1分析一非參數檢驗一二項式2結果分析園二式強:選項2結果分析園二式強:選項二項式檢驗類別N觀察比例檢驗比例精確顯著性（雙側）成績組1 895.25總數201.00H。：假設分布服從整體分布Sig.=0.041v0.05,應拒絕零假設，即小于90分的學生所占的比例與總體分布存在顯著差異, 即小于90分的學生所占比例比90%小。這說明優秀學生所占的比重是大于10%的。三 游程檢驗（隨機分布）1分析一非參數檢驗一游程2結果分析描述