多個獨立樣本的非參數檢驗

多個獨立樣本的非參數檢驗

多組定量數據的比較用什麼檢驗方法？在介紹檢驗方法之前，首先回顧一下計量資料的統計描述，集中趨勢的統計指標有：算術均數，幾何均數，中位數，百分位數。變異程度的統計指標有：極差，四分位數間距，方差，標準差，變異係數。正態分布的數據資料以均數±標準差描述其數量特徵，非正態分布或偏態分布以中位數（p25,p75）描述其數量特徵。

多組定量數據的比較，基本的方法有2種。一種是成組F檢驗，一種是多樣本的非參數秩和檢驗（Kruskal Wallis 秩和檢驗）。究竟採用哪種方法，必須考慮「三個性」的條件：正態性、獨立性、方差齊性。如果這三個條件都符合時，就採用成組F檢驗。

非參數檢驗對數據的分布沒有要求，不要求正態性、方差齊性的應用條件，它們主要是探討總體的分布位置有沒有差異，而非總體均數。因此，多組樣本檢驗如果是正態性不符合時，我們採用多樣本秩和檢驗。

非參數秩和檢驗是參數檢驗重要的補充。秩和檢驗是非參數檢驗的重要方法。多組定量數據的比較，當得出幾個樣本之間有統計學意義的結果時，我們需要進一步進行兩兩之間的差別檢驗。 

非參數檢驗的特點：穩定性，對數據的改變不敏感；廣泛適用性；可用於等級資料分析；難以充分利用資料信息；正態分布時，檢驗效能不如參數檢驗

如何SPSS進行多樣本秩和檢驗？

案例：為研究霍亂菌疫苗不同給苗途徑的免疫效果，隨機將小鼠分為三組，分別施加不同的給苗途徑，測定免疫21天後血清抗體滴度水平，問各組間的血清抗體滴度水平之間是否存在差異？

1、秩和檢驗入口有兩個，本處採用常用的入口：分析—非參數檢驗—舊對話框-K個獨立

2、 檢驗類型：克魯斯卡爾-沃利斯H 檢驗即Kruskal Wallis 方法。

精確&選項：「精確」按鈕中可以選擇確切概率的方法進行分析。一般可以不選擇，默認為正態法；「選項按鈕」可統計描述。

定義範圍：是要填寫該分組變量在資料庫賦值中的最大值和最小值。

3、多樣本秩和檢驗結果有兩張表。第一張表為不同組數據平均秩次的描述。

第二張表為多樣本秩和檢驗結果，如下表：檢驗統計量H值（近似於卡方檢驗的卡方值）12.67，P=0.002。

4、多樣本秩和檢驗的結果，當P<0.05，可以進行多重比較。具體入口界面如下：分析—非參數檢驗—獨立樣本

然後，「欄位」界面，選擇納入"抗體滴度"到"檢驗欄位"，選擇分組變量到「組」。

接著，「設置」界面，選擇定製檢驗，在定製檢驗中，選擇「克魯斯卡爾-沃利斯單因素分析」，多重比較中選擇「全部成對」。

點擊「運行」，得到以下結果：本結果即多樣本秩和檢驗的分析結果，顯示P值。

然後，雙擊該結果，得到以下的結果。該結果顯示多樣本秩和檢驗的檢驗統計量，P值（①），點擊右下方選項框，選擇成對比較即可（②）。

最終顯示，多重比較的結果：分別進行三次多重比較，顯示各次比較的統計量，標準誤、P值和Bonfferroni校正P值（Adj.Sig. 以校正P值為準）

以上就是SPSS進行多樣本非參數檢驗的具體操作步驟。