在推斷統(tǒng)計(jì)學(xué)中，假設(shè)檢驗(yàn)可分為兩類：參數(shù)檢驗(yàn)和非參數(shù)檢驗(yàn)，在IBM SPSS Statistics中這兩種檢驗(yàn)方法均可直接使用。

當(dāng)樣本數(shù)據(jù)的總體數(shù)據(jù)分布情況不確定時(shí)，我們往往會(huì)選擇使用SPSS非參數(shù)檢驗(yàn)的方法，今天小編就為大家介紹一下IBM SPSS Statistics中如何對(duì)兩配對(duì)樣本進(jìn)行非參數(shù)檢驗(yàn)。

一、樣本概述

圖1：樣本數(shù)據(jù)

小編這里選擇的樣本案例是某地10個(gè)學(xué)校開(kāi)展教學(xué)評(píng)比活動(dòng)前后的教學(xué)成績(jī)，其中0表示不合格，1表示合格。通過(guò)使用SPSS進(jìn)行分析，可以查看開(kāi)展教學(xué)評(píng)比活動(dòng)前后學(xué)校的教學(xué)成績(jī)是否存在顯著差異。

這時(shí)我們對(duì)樣本的總體情況是不清楚的，在這兩個(gè)配對(duì)對(duì)象中，各個(gè)數(shù)據(jù)一一對(duì)應(yīng)，使用非參數(shù)檢驗(yàn)對(duì)樣本被處理前后的效果進(jìn)行比較。

二、非參數(shù)檢驗(yàn)

1.McNemar變化顯著性檢驗(yàn)

（1）適用性

這種檢驗(yàn)方法是以研究對(duì)象自身為對(duì)照來(lái)進(jìn)行顯著性檢驗(yàn)的，僅適用于樣本數(shù)據(jù)均是二值數(shù)據(jù)的情況，所以可用性較低。

（2）操作

圖2：非參數(shù)檢驗(yàn)

在“分析”菜單下，找到“非參數(shù)檢驗(yàn)”，點(diǎn)擊其下“舊對(duì)話框”中的“2個(gè)相關(guān)樣本”，可以進(jìn)入兩配對(duì)樣本的非參數(shù)檢驗(yàn)。

圖3：調(diào)入變量

將待檢驗(yàn)的變量調(diào)入到變量對(duì)話框中，“活動(dòng)前”和“活動(dòng)后”的順序沒(méi)有特殊要求，不影響判斷結(jié)果。

在檢驗(yàn)方法中選擇“McNemar”檢驗(yàn)，如果有特殊需求，還可以進(jìn)行精確檢驗(yàn)和其他設(shè)置，一般來(lái)說(shuō)是不需要的，點(diǎn)擊“確定”，就可以開(kāi)始非參數(shù)檢驗(yàn)了。

（3）結(jié)果

圖4：檢驗(yàn)結(jié)果

從第一個(gè)表中可以看出，活動(dòng)前合格、活動(dòng)后也合格的有4個(gè)學(xué)校，活動(dòng)前后都不合格的有3個(gè)學(xué)校。

從第二個(gè)表可以看出，顯著性檢驗(yàn)結(jié)果是0.250，大于0.05，所以應(yīng)該接受原假設(shè)，即開(kāi)展教學(xué)活動(dòng)前后各學(xué)校的合格情況沒(méi)有顯著差異。

2.Wilcoxonz符號(hào)平均秩檢驗(yàn)

（1）適用性

當(dāng)樣本數(shù)據(jù)不是二值數(shù)據(jù)的時(shí)候，就可以使用這種檢驗(yàn)方法。

（2）操作

圖5：變量設(shè)置

這次將活動(dòng)前后的分?jǐn)?shù)調(diào)入變量檢驗(yàn)框，并選擇下面的第一個(gè)檢驗(yàn)方法“Wilcoxonz法”，其他設(shè)置和第一種方法類似。

（3）結(jié)果

圖6：檢驗(yàn)結(jié)果

 從結(jié)果中可以看出，顯著性檢驗(yàn)參數(shù)是0.008，小于0.005，所以要拒絕原假設(shè)，即開(kāi)展教學(xué)活動(dòng)前后學(xué)校的教學(xué)成績(jī)有顯著性差異。

可以得出，對(duì)相同的樣本的不同數(shù)據(jù)對(duì)象進(jìn)行非參數(shù)分析時(shí)得出的結(jié)果可能是不同的，實(shí)際上這兩個(gè)結(jié)果并不矛盾，因?yàn)槌煽?jī)的增長(zhǎng)性和合格與否沒(méi)有完全直接的關(guān)系，所以兩種結(jié)果都是可信的。

三、小結(jié)

小編這里介紹了IBM SPSS Statistics兩種檢驗(yàn)兩配對(duì)樣本的方法，分別適用于樣本數(shù)據(jù)是二值數(shù)據(jù)與不是二值數(shù)據(jù)的情況