非参数检验的论文格式

总体的特征值叫参数，一些特定分布都有其参数，如正态分布由μ、σ两个参数所决定。参数之于总体，相当于统计量之于样本。如果说1楼的完全看不懂，那要问楼主对统计学了解多少。也好知道怎么解释。

检验问题可划分为两大类：参数检验和非参数检验，其中总体分布的具体函数形式的前提下，只是其中若干个参数未知称为参数检验，否则称为非参数检验。 一、研究场景 非参数检验用于研究定类数据与定量数据之间的关系情况。例如研究人员想知道不同性别学生的购买意愿是否有显著差异。如果购买意愿呈现出正态性，则建议使用方差分析，如果购买意愿没有呈现出正态性特质，此时建议可使用非参数检验。 二、非参数检验方法类型 对于不同的样本形式所使用的非参数检验方法不同，以及使用参数检验时对应方法参考下表： 非参数检验还有很多，比如卡方检验、游程检验等。本篇文章以Kruskal-Wallis检验为例分析。 补充说明： 如果X的组别为两组，比如男和女共两组，则应该使用MannWhitney统计量，如果组别超过两组，则应该使用Kruskal-Wallis统计量结果。SPSSAU自动为你选择MannWhitney或者Kruskal-Wallis统计量。 三、SPSSAU操作 1.SPSSAU上传数据 登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。 2.拖拽分析项 点击通用方法里的“非参数检验”将分析项拖拽到右侧分析框后点击“开始分析”按钮。 3.选择参数 四、Kruskal一Wallis检验分析 背景：研究不同文化程度的人群对“淘宝客服服务态度”，“淘宝商家服务质量”这两项的差异性（此案例仅针对该文章使用）。 1.非参数检验分析结果 结果来源于SPSSAU 从上表可知，利用非参数检验去研究学历对于淘宝客服服务态度, 淘宝商家服务质量共2项的差异性，从上表可以看出：学历超过两组组成，因而使用Kruskal-Wallis检验统计量进行分析。 不同学历样本对于淘宝客服服务态度共1项不会表现出显著性(p>0.05) ，意味着不同学历样本对于淘宝客服服务态度全部均表现出一致性，并没有差异性。 另外学历样本对于淘宝商家服务质量共1项呈现出显著性(p<0.05)，意味着不同学历样本对于淘宝商家服务质量有着差异性。 2.箱线图分析 “蓝色”代表淘宝客服服务态度，“桔色”代表淘宝商家服务质量。可通过对比箱线图可以明显的看出不同学历样本对于淘宝客服服务态度共1项不会表现出显著性差异，另外学历样本对于淘宝商家服务质量共1项呈现出显著性差异。 3.Nemenyi法两两比较结果 首先满足非参数Kruskal-Wallis检验时呈现出显著性(p<0.05)，才能进一步进行事后检验；由非参数检验分析结果可以得到不同学历样本对于淘宝商家服务质量共1项呈现出显著性，根据Nemenyi法两两比较结果可以看出：高中与专科、高中与本科、专科与本科之间进行比较p值均<0.05,所以两两比较结果均具有显著性差异，以及表格还提供了中位数、差值等。 4.非参数检验分析结果(简化格式) （1）横向 简化后的格式没有提供25%和75%分位数，但是提供了关键指标：统计量以及p值等。 （2）纵向 上表所展示的是非参数分析结果的纵向格式与简化横向格式相比，输出指标相同只是表达方式一个横向、一个纵向。 五、其它问题 1. 提示‘数据质量异常’如何解决？ 如果是X的某个组别下，Y的个数小于2个，此时会出现异常情况。建议使用分类汇总进行检查，确认此种异常情况后，使用筛选样本功能处理后再次分析即可。 2.事后比较时：Nemenyi，Dunn’s t 检验和Dunn’s t 检验(校正p 值)如何选择？ 实际研究中，Dunn’t t 检验使用较多，Dunn’s t 检验(校正p 值)的检验效能较低非常保守（尤其是组别较多时），不建议使用。建议研究者参考文献进行选择即可。 3.P25,P75是什么意思？ 非参数检验时SPSSAU默认输出中位数,25%和75%分位数，同时建议结合箱线图对比数据分布的差异性情况等。 六、总结 以上就是非参数检验的分析步骤，其他方法也是一样的，事实上在大部分研究中，如果可以使用参数检验，即使不满足正态分布，也优先选择参数检验，尤其是在样本量较大的情况下。 更多干货请前往 SPSSAU 官网查看。

两个,, 相关样本的非参数检验结果 我， 这边给您做， 可以的， 帮助你的，

参数检验是针对参数做的假设，非参数检验是针对总体分布情况做的假设，这个是区分参数检验和非参数检验的一个重要特征。

参数检验和非参数检验的本质区别：

1.参数检验要利用到总体的信息（总体分布、总体的一些参数特征如方差），以总体分布和样本信息对总体参数作出推断；非参数检验不需要利用总体的信息（总体分布、总体的一些参数特征如方差），以样本信息对总体分布作出推断。

2.参数检验只能用于等距数据和比例数据，非参数检验主要用于记数数据。也可用于等距和比例数据，但精确性就会降低。

扩展资料：

参数检验与非参数检验的优缺点。

1）参数检验：优点是符合条件时，检验效率高；其缺点是对资料要求严格，如等级数据、非确定数据（＞50mg）不能使用参数检验，而且要求资料的分布型已知和总体方差相等。

2）非参数检验：优点是应用范围广、简便、易掌握；缺点是若对符合参数检验条件的资料用非参数检验，则检验效率低于参数检验。如无效假设是正确的，非参数法与参数法一样好，但如果无效假设是错误的，则非参数检验效果较差，如需检验出同样大小的差异的差异往往需要较多的资料。

另一点是非参数检验统计量是近似服从某一部分，检验的界值表也是有近似的（如配对秩和检验）因此其结果有一定近似性。

1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。

H0：样本与总体或样本与样本间的差异是由抽样误差引起的；

H1：样本与总体或样本与样本间存在本质差异；

预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。

2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。

3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立。

如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。

两独立样本的非参数检验是在对总体分布不甚了解的情况下，通过对两组独立样本的分析来推断样本来自的两个总体的分布等是否存在显著差异的方法。独立样本是指在一个总体中随机抽样对在另一个总体中随机抽样没有影响的情况下所获得的样本。

SPSS中提供了多种两独立样本的非参数检验方法，其中包括曼-惠特尼U检验、K-S检验、W-W游程检验、极端反应检验等。

某工厂用甲乙两种不同的工艺生产同一种产品。如果希望检验两种工艺下产品的使用是否存在显著差异，可从两种工艺生产出的产品中随机抽样，得到各自的使用寿命数据。

参考资料：百度百科——参数检验

参考资料：百度百科——非参数检验