spss分析方法-多个独立样本检验（转载）

article/2025/8/18 23:58:41

参数检验的前提是关于总体分布的假设成立，但很多情况下我们无法获得有关总体分布的相关信息。

非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。

多独立样本检验用于在总体分布未知的情况下判断多个独立的样本是否具有显著差异的非参数检验方法，多独立样本检验的基本原理与双独立样本相同，双独立样本检验是多独立样本检验的特殊情况。

下面我们主要从下面四个方面来解说：

实际应用
理论思想
操作过程
分析结果

一、实际应用

多独立样本检验用于在总体分布未知的情况下检验多个样本是否来自于相同分布的总体。
当这些样本都是来自于同方差的正态总体时，可以使用方差分析过程进行检验，如果正态的假定不满足时，便可以使用多个独立样本的检验过程来进行检验。
一种产品两种以上不同工艺流程的方法差异；一种农作物两种以上不同的种地的差异等。

二、理论思想

判断多个独立的样本是否来自相同分布的总体。
SPSS提供了Kruskal-Wallis H方法（克鲁斯卡尔-沃利斯检验）、Jonckheere-Terpstra检验法（约克海尔-塔帕斯特拉检验）和推广的中位数检验法（中位数检验）三种方法进行多独立样本检验。
（1）克鲁斯卡尔-沃利斯H检验法克鲁斯卡尔-沃利斯H是曼-惠特尼U检验法的扩展，是一种推广的评价值检验。其基本思路是，首先对所有样本合并并按升序排列得出每个数据的等级，然后对各组样本求平均等级。如果平均等级相差很大，则认为两组样本所属的总体有显著差异。（2）约克海尔-塔帕斯特拉检验法约克海尔-塔帕斯特拉检验法是在总体-排序的前提下具有较高的检验效率。其检验思路与两独立样本下的曼-惠特尼U检验法相似，计算某组样本的每个等级优于其他组样本的每个等级的个数。如果这些数据差距过大，则认为两组样本所属的总体有显著差异。（3）中位数检验法中位数检验法的基本思路是，首先将所有样本合并并计算中位数，然后计算各组样本中大于或小于这个中位数的样本的个数。如果这些数据差距过大，则认为两组样本所属的总体有显著差异。

三、操作过程

检验的数据条件：

多个独立样本数据

多个独立样本检验案例：

题目：某银行新招聘的一批员工毕业于4所不同的高校，来源于4所不同高校的员工构成了4个独立的样本。待到实习期结束后，高管对这些新员工进行考察打分。试用多独立样本检验方法分析毕业于不同高校的员工在工作上的表现是否存在显著的差异。

一、数据输入

二、操作步骤1、进入SPSS，打开相关数据文件，选择“分析”“|非参数检验”“|旧对话框”|“K个独立样本”命令

2、选择进行多个独立样本检验的变量。在“针对多个独立样本的检验”对话框的左侧列表框中，选择“分数”进入“检验变量列表”列表框。

3、选择分组变量。在“针对多个独立样本的检验”对话框的左侧列表框中，选择“高校”进入“分组变量”列表框。然后单击“定义范围”按钮，在“最小值”文本框中输入1，在“最大值”文本框中输入4。设置完毕后，单击“继续”按钮返回“针对多个独立样本的检验”对话框。

4、选择检验类型。在“检验类型”选项组中，我们选中“克鲁斯卡尔-沃利斯H”复选框。这种方法通过检验多个样本在中位数上是否存在差异来判断它们是否来自于同一总体。

5、设置检验的计算方法。

6、选择相关统计量的输出和缺失值的处理方法。

单击“二项检验”对话框中的“选项”按钮，在“统计”选项组中选中“描述”复选框，也就是输出变量的描述性统计量，包括平均值、标准差、最大值、最小值等；在“缺失值”选项组中选中“按检验排除个案”单选按钮，即排除掉含有缺失值的记录后再进行卡方检验。设置完毕后，单击“继续”按钮返回“双关联样本检验”对话框。

7、单击“确定”按钮，等待输出结果。

四、结果分析

1、描述性统计量表参与检验的样本共28个，样本平均值是58.29，标准差是23.974，最小值是15，最大值是94。

2、克鲁斯卡尔-沃利斯检验结果表克鲁斯卡尔-沃利斯检验结果包括两部分：第一部分是秩表，可知各组的秩均值分别为24.79、18.21、10.71、4.29；第二部分是检验统计量表，卡方值为24.681，自由度为3，渐近显著性水平为0.000，远小于0.05，所以拒绝原假设：不同高校的员工在工作上的表现不存在显著的差异。