SPSS-Friedman 秩和检验-非参数检验-K个相关样本检验 案例解析
2014-05-10 14:00
531 查看
三人行,必有我师,是不是真有我师?三种不同类型的营销手段,最终的营销效果是否一样,随即区组秩和检验带你进入分析世界
今天跟大家讨论和分享一下:spss-Friedman 秩和检验-非参数检验-K个(多个)相关样本检验,下面以“数学,物理,生物”样本数据为例,
假设:H0: 数学,物理,生物三门课程的总体分布是相同的
H1:数学,物理,生物三门课程的总体分布是不相同的。
样本数据如下所示:
从上图可以看出:处理组为:3组 (假设用K表示) 区组为:5组 (我们只取前面的5组) (假设用b表示) (上图只截取了一部分)
1:我们先将每一组进行“秩序编号”并进行排序, 例如第一组秩序为:1, 2,, 3.
第二组秩序为:1, 2, 3
第三组秩序为:1, 2, 3
第四组秩序为:1, 2, 3
第五组秩序为:2, 1, 3
我们相加可以得出RI, RI分别为:6, 9, 15
(先横向排序,最后再纵向相加,就可以得出RI, RI表示:第i个处理组“秩和”)
好,回归正题
打开SPSS软件后,点击“分析”——非参数检验——旧对话框—K个相关样本分析,进入如下页面:
提供三种“检验类型”一般选择“Friedman(F)(秩和检验)类型,将变量移入“检验变量”下拉框内,点击确定,得到如下结果:
从以上结果,我们可以得出以下结论:
1:卡方,检验统计量为:12.088
2:自由度为:K-1 =2
3:渐近显著性为:0.002 由于0.002<0.01 所以否定H0的假设,得出H1的假设
也说明:“数学,物理,生物”三门学科的成绩水平是不相同的。
今天跟大家讨论和分享一下:spss-Friedman 秩和检验-非参数检验-K个(多个)相关样本检验,下面以“数学,物理,生物”样本数据为例,
假设:H0: 数学,物理,生物三门课程的总体分布是相同的
H1:数学,物理,生物三门课程的总体分布是不相同的。
样本数据如下所示:
从上图可以看出:处理组为:3组 (假设用K表示) 区组为:5组 (我们只取前面的5组) (假设用b表示) (上图只截取了一部分)
1:我们先将每一组进行“秩序编号”并进行排序, 例如第一组秩序为:1, 2,, 3.
第二组秩序为:1, 2, 3
第三组秩序为:1, 2, 3
第四组秩序为:1, 2, 3
第五组秩序为:2, 1, 3
我们相加可以得出RI, RI分别为:6, 9, 15
(先横向排序,最后再纵向相加,就可以得出RI, RI表示:第i个处理组“秩和”)
好,回归正题
打开SPSS软件后,点击“分析”——非参数检验——旧对话框—K个相关样本分析,进入如下页面:
提供三种“检验类型”一般选择“Friedman(F)(秩和检验)类型,将变量移入“检验变量”下拉框内,点击确定,得到如下结果:
从以上结果,我们可以得出以下结论:
1:卡方,检验统计量为:12.088
2:自由度为:K-1 =2
3:渐近显著性为:0.002 由于0.002<0.01 所以否定H0的假设,得出H1的假设
也说明:“数学,物理,生物”三门学科的成绩水平是不相同的。
相关文章推荐
- spss-非参数检验-K多个独立样本检验( Kruskal-Wallis检验)案例解析
- SPSS-非参数检验—两独立样本检验 案例解析
- SPSS——非参数检验——2 Related Independent sample两个相关样本检验
- SPSS——非参数检验——K Related Independe sample K个相关样本检验
- SPSS——非参数检验——2 Independent sample 两个独立样本检验
- SPSS——非参数检验——1-Sample K-S 单个样本(Kolmogorov-Smirnov)柯尔莫哥洛夫-斯米诺夫检验
- SPSS-比较均值-独立样本T检验 案例解析
- SPSS——非参数检验——K Independent sample K个独立样本检验
- SPSS-单因素方差分析(ANOVA) 案例解析
- SPSS中八类常用非参数检验之一:总体分布的卡方(Chi-square)检验
- SPSS独立样本t检验结果分析
- Excel在统计分析中的应用—第九章—非参数检验-等级相关检验
- SPSS—非线性回归(模型表达式)案例解析
- SPSS—回归—曲线估计方程案例解析
- 【Python五篇慢慢弹(5)】类的继承案例解析,python相关知识延伸
- SPSS--回归-多元线性回归模型案例解析
- 【Python五篇慢慢弹(5)】类的继承案例解析,python相关知识延伸
- SPSS中八类常用非参数检验之四:单样本K-S检验
- SPSS典型相关分析案例
- SPSS--回归-多元线性回归模型案例解析!(一)