非參數分類(lèi)方法(非參數統計的統計方法)
1.非參數統計的統計方法有哪些
統計方法有：
1、計量資料的統計方法
分析計量資料的統計分析方法可分為參數檢驗法和非參數檢驗法。
參數檢驗法主要為t檢驗和 方差分析（ANOVN，即F檢驗）等，兩組間均數比較時(shí)常用t檢驗和u檢驗，兩組以上均數比較時(shí)常用方差分析；非參數檢驗法主要包括秩和檢驗等。t檢驗可分為單組設計資料的t檢驗、配對設計資料的t檢驗和成組設計資料的t檢驗；當兩個(gè)小 樣本比較時(shí)要求兩 總體分布為 正態(tài)分布且方差齊性，若不能滿(mǎn)足以上要求，宜用t 檢驗或非參數方法（ 秩和檢驗）。 方差分析可用于兩個(gè)以上 樣本均數的比較，應用該方法時(shí)，要求各個(gè)樣本是相互獨立的隨機樣本，各樣本來(lái)自正態(tài)總體且各處理組總體方差齊性。根據設計類(lèi)型不同，方差分析中又包含了多種不同的方法。對于 定量資料，應根據所采用的設計類(lèi)型、資料所具備的條件和分析目的，選用合適的統計分析方法，不應盲目套用t檢驗和 單因素方差分析。
2、計數資料的統計方法
計數資料的統計方法主要針對四格表和R*C表利用檢驗進(jìn)行分析。
檢驗或u檢驗，若不能滿(mǎn)足 檢驗：當計數資料呈配對設計時(shí)，獲得的四格表為配對四格表，其用到的檢驗公式和校正公式可參考書(shū)籍。 R*C表可以分為雙向無(wú)序，單向有序、雙向有序屬性相同和雙向有序屬性不同四類(lèi)，不同類(lèi)的行列表根據其研究目的，其選擇的方法也不一樣。
3、等級資料的統計方法
等級資料（有序變量）是對性質(zhì)和類(lèi)別的等級進(jìn)行分組，再清點(diǎn)每組觀(guān)察單位個(gè)數所得到的資料。在臨床醫學(xué)資料中，常遇到一些定性指標，如臨床療效的評價(jià)、疾病的臨床分期、病癥嚴重程度的臨床分級等，對這些指標常采用分成若干個(gè)等級然后分類(lèi)計數的辦法來(lái)解決它的量化問(wèn)題，這樣的資料統計上稱(chēng)為等級資料。
統計方法的選擇：
統計資料豐富且錯綜復雜，要想做到合理選用統計分析方法并非易事。對于同一 個(gè)資料，若選擇不同的統計分析方法處理，有時(shí)其結論是截然不同的。
正確選擇統計方法的依據是：
①根據研究的目的，明確研究試驗設計類(lèi)型、研究因素與水平數；
②確定數據特征（是否正態(tài)分布等）和樣本量大小；
③ 正確判斷統計資料所對應的類(lèi)型（計量、計數和等級資料），同時(shí)應根據統計方法的適宜條件進(jìn)行正確的統計量值計算；
最后，還要根據專(zhuān)業(yè)知識與資料的實(shí)際情況，結合統計學(xué)原則，靈活地選擇統計分析方法。
2.常用非參數假設檢驗方法有哪些
1、秩和檢驗法的主要思想是把原始數據轉化成秩，利用秩構造統計量來(lái)比較不同樣本的分布。在這里每個(gè)樣本的秩是指把原始數據按從大到小的順序排列，該數據值在原始數據中的位置。
例如：
原始數據：A組（5,7）,B組（3,2）
對應的秩：A組（3,4）,B組（2,1）
A組的秩和為7,B組的秩和為3，每組的秩和被用來(lái)檢驗兩組數據是否相同。
2、中位數評分檢驗法的主要思想是將原始數據轉換成中位數評分，利用中位數評分構造統計量比較不同樣本的分布。當計算中位數評分時(shí)，如果數據值小于等于該組數據的中位數，則中位數評分為0，如果數據值大于該組數據的中位數，則中位數評分為1。
擴展資料
非參數檢驗的作用：
在以前的均值T檢驗中，我們分析的都是連續型隨機變量，并且前提條件是樣本滿(mǎn)足正態(tài)性條件。當分析不再是連續型或者不再是正態(tài)性條件時(shí)，則應當使用非參數的方法對均值和方差進(jìn)行假設檢驗。
在數據分析過(guò)程中，由于種種原因，人們往往無(wú)法對總體分布形態(tài)作簡(jiǎn)單假定，此時(shí)參數檢驗的方法就不再適用了。
非參數檢驗正是一類(lèi)基于這種考慮，在總體方差未知或知道甚少的情況下，利用樣本數據對總體分布形態(tài)等進(jìn)行推斷的方法。由于非參數檢驗方法在推斷過(guò)程中不涉及有關(guān)總體分布的參數，因而得名為“非參數”檢驗。
參考資料來(lái)源：搜狗百科-非參數檢驗
3.參數檢驗和非參數檢驗分別有哪些
1、非參數檢驗
SPSS單樣本非參數檢驗是對單個(gè)總體的分布形態(tài)等進(jìn)行推斷的方法，其中包括卡方檢驗、二項分布檢驗、K-S檢驗以及變量值隨機性檢驗等方法。
2、參數檢驗
當總體分布已知（如總體為正態(tài)分布），根據樣本數據對總體分布的統計參數進(jìn)行推斷。
此時(shí)，總體的分布形式是給定的或是假定的，只是其中一些參數的取值或范圍未知，分析的主要目的是估計參數的取值，或對其進(jìn)行某種統計檢驗。這類(lèi)問(wèn)題往往用參數檢驗來(lái)進(jìn)行統計推斷。它不僅僅能夠對總體的特征參數進(jìn)行推斷，還能夠實(shí)現兩個(gè)或多個(gè)總體的參數進(jìn)行比較。
擴展資料
1、參數檢驗一般對總體有一定的要求，而非參數檢驗對總體無(wú)特殊的需求，因此，非參數檢驗比參數檢驗應用范圍要廣。
2、符合參數檢驗條件，也符合非參數檢驗，我們選擇哪種方法進(jìn)行分析呢？答案是選擇參數檢驗。因為參數檢驗的準確度比非參數檢驗要高；
3、對于同時(shí)符合參數與非參數檢驗的數據，如果參數檢驗P<0.05，非參數檢驗不一定P<0.05。
4、對于同時(shí)符合參數與非參數檢驗的數據，如果非參數檢驗P<0.05，那么參數檢驗一定P<0.05。
5、很多人采用非參數檢驗得到P<0.05的結果時(shí)，發(fā)在表文章時(shí)不自信，總認為自己的數據不好，其實(shí)大可不必。
參考資料來(lái)源：百度百科-參數檢驗
參考資料來(lái)源：百度百科-非參數檢驗
4.有哪些非參數檢驗
SPSS單樣本非參數檢驗是對單個(gè)總體的分布形態(tài)等進(jìn)行推斷的方法，其中包括卡方檢驗、二項分布檢驗、K-S檢驗以及變量值隨機性檢驗等方法。
總體分布的卡方檢驗例如，醫學(xué)家在研究心臟病人猝死人數與日期的關(guān)系時(shí)發(fā)現：一周之中，星期一心臟病人猝死者較多，其他日子則基本相當。當天的比例近似為2.8:1:1:1:1:1:1。
現收集到心臟病人死亡日期的樣本數據，推斷其總體分布是否與上述理論分布相吻合。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(zhù)差異，是一種吻合性檢驗，通常適于對有多項分類(lèi)值的總體分布的分析。
它的原假設是：樣本來(lái)自的總體分布與期望分布或某一理論分布無(wú)差異。二項分布檢驗在生活中有很多數據的取值是二值的，例如，人群可以分成男性和女性，產(chǎn)品可以分成合格和不合格，學(xué)生可以分成三好學(xué)生和非三好學(xué)生，投擲硬幣實(shí)驗的結果可以分成出現正面和出現反面等。
通常將這樣的二值分別用1或0表示。如果進(jìn)行n次相同的實(shí)驗，則出現兩類(lèi)（1或0）的次數可以用離散型隨機變量X來(lái)描述。
如果隨機變量X為1的概率設為P，則隨機變量X值為0的概率Q便等于1-P，形成二項分布。SPSS的二項分布檢驗正是要通過(guò)樣本數據檢驗樣本來(lái)自的總體是否服從指定的概率為P的二項分布，其原假設是：樣本來(lái)自的總體與指定的二項分布無(wú)顯著(zhù)差異。
從某產(chǎn)品中隨機抽取23個(gè)樣品進(jìn)行檢測并得到檢測結果。用1表示一級品，用0表示非一級品。
根據抽樣結果驗證該批產(chǎn)品的一級品率是否為90%。單樣本K-S檢驗K-S檢驗方法能夠利用樣本數據推斷樣本來(lái)自的總體是否服從某一理論分布，是一種擬合優(yōu)度的檢驗方法，適用于探索連續型隨機變量的分布。
例如，收集一批周歲兒童身高的數據，需利用樣本數據推斷周歲兒童總體的身高是否服從正態(tài)分布。再例如，利用收集的住房狀況調查的樣本數據，分析家庭人均住房面積是否服從正態(tài)分布。
單樣本K-S檢驗的原假設是：樣本來(lái)自的總體與指定的理論分布無(wú)顯著(zhù)差異，SPSS的理論分布主要包括正態(tài)分布、均勻分布、指數分布和泊松分布等。變量值隨機性檢驗變量值隨機性檢驗通過(guò)對樣本變量值的分析，實(shí)現對總體的變量值出現是否隨機進(jìn)行檢驗。
例如，在投硬幣時(shí)，如果以1表示出現的是正面，以0表示出現的是反面，在進(jìn)行了若干次投幣后，將會(huì )得到一個(gè)以1,0組成的變量值序列。這時(shí)可能會(huì )分析“硬幣出現正反面是否是隨機的”這樣的問(wèn)題。
變量值隨機性檢驗正是解決這類(lèi)問(wèn)題的一個(gè)有效方法。它的原假設是：總體變量值出現是隨機的。
變量隨機性檢驗的重要依據是游程。所謂游程是樣本序列中連續出現相同的變量值的次數。
可以直接理解，如果硬幣的正反面出現是隨機的，那么在數據序列中，許多個(gè)1或許多個(gè)0連續出現的可能性將不太大，同時(shí)，1和0頻繁交叉出現的可能性也會(huì )較小。因此，游程數太大或太小都將表明變量值存在不隨機的現象。
例：為檢驗某耐壓設備在某段時(shí)間內工作是否持續正常，測試并記錄下該時(shí)間段內各個(gè)時(shí)間點(diǎn)上的設備耐壓的數據。現采用游程檢驗方法對這批數據進(jìn)行分析。
如果耐壓數據的變動(dòng)是隨機的，可認為該設備工作一直正常，否則認為該設備有不能正常工作的現象。2檢驗方法編輯兩獨立樣本的非參數檢驗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(guò)對兩組獨立樣本的分析來(lái)推斷樣本來(lái)自的兩個(gè)總體的分布等是否存在顯著(zhù)差異的方法。
獨立樣本是指在一個(gè)總體中隨機抽樣對在另一個(gè)總體中隨機抽樣沒(méi)有影響的情況下所獲得的樣本。SPSS中提供了多種兩獨立樣本的非參數檢驗方法，其中包括曼-惠特尼U檢驗、K-S檢驗、W-W游程檢驗、極端反應檢驗等。
某工廠(chǎng)用甲乙兩種不同的工藝生產(chǎn)同一種產(chǎn)品。如果希望檢驗兩種工藝下產(chǎn)品的使用是否存在顯著(zhù)差異，可從兩種工藝生產(chǎn)出的產(chǎn)品中隨機抽樣，得到各自的使用壽命數據。
甲工藝：675 682 692 679 669 661 693乙工藝：662 649 672 663 650 651 646 652曼-惠特尼U檢驗兩獨立樣本的曼-惠特尼U檢驗可用于對兩總體分布的比例判斷。其原假設：兩組獨立樣本來(lái)自的兩總體分布無(wú)顯著(zhù)差異。
曼-惠特尼U檢驗通過(guò)對兩組樣本平均秩的研究來(lái)實(shí)現判斷。秩簡(jiǎn)單說(shuō)就是變量值排序的名次，可以將數據按升序排列，每個(gè)變量值都會(huì )有一個(gè)在整個(gè)變量值序列中的位置或名次，這個(gè)位置或名次就是變量值的秩。
K-S檢驗K-S檢驗不僅能夠檢驗單個(gè)總體是否服從某一理論分布，還能夠檢驗兩總體分布是否存在顯著(zhù)差異。其原假設是：兩組獨立樣本來(lái)自的兩總體的分布無(wú)顯著(zhù)差異。
這里是以變量值的秩作為分析對象，而非變量值本身。游程檢驗單樣本游程檢驗是用來(lái)檢驗變量值的出現是否隨機，而兩獨立變量的游程檢驗則是用來(lái)檢驗兩獨立樣本來(lái)自的兩總體的分布是否存在顯著(zhù)差異。
其原假設是：兩組獨立樣本來(lái)自的兩總體的分布無(wú)顯著(zhù)差異。兩獨立樣本的游程檢驗與單樣本游程檢驗的思想基本相同，不同的是計算游程數的方法。
兩獨立樣本的游程檢驗中，游程數依賴(lài)于變量的秩。極端反應檢驗極端反應檢驗從另一個(gè)角度檢驗兩獨立樣本所來(lái)自的兩總體分布是否存。
5.下列檢驗中,要使用非參數統計方法的是（）
非參數統計最常用于具備下述特征的情況：
1、待分析數據不滿(mǎn)足參數檢驗所要求的假定，因而無(wú)法應用參數檢驗。例如，我們曾遇到過(guò)的非正態(tài)總體小樣本，在t-檢驗法也不適用時(shí)，作為替代方法，就可以采用非參數檢驗。
2、僅由一些等級構成的數據，不能應用參數檢驗。例如，消費者可能被問(wèn)及對幾種不同商標的飲料的喜歡程度，雖然，他們不能對每種商標都指定一個(gè)數字來(lái)表示他們對該商標的喜歡程度，卻能將幾種商標按喜歡的順序分成等級。這種情形也宜采用非參數檢驗。
3、所提的問(wèn)題中并不包含參數，也不能用參數檢驗。例如，我們想判斷一個(gè)樣本是否為隨機樣本，采用非參數檢驗法就是適當的。
4、當我們需要迅速得出結果時(shí)，也可以不用參數統計方法而用非參數統計方法來(lái)達到目的。一般說(shuō)來(lái)，非參數統計方法所要求的計算與參數統計方法相比，完成起來(lái)既快且易。有些非參數統計方法的計算，就算對統計學(xué)知識不熟練的人，也能在收集數據時(shí)及時(shí)予以完成。
