㈠ SPSS中常用的參數和非參數檢驗方法、基本原理和操作步驟——【杏花開生物醫葯統計】
在SPSS中，參數檢驗和非參數檢驗是兩種常用的數據分析方法。參數檢驗主要包括正態總體均值和方差的假設檢驗，以及二項分布總體的檢驗，如t檢驗（比較均值）、卡方檢驗（比較方差）和F檢驗（多組均值比較）。
非參數檢驗則更為靈活，如Neyman-Pearson擬合優度檢驗（檢驗數據分布或組間分布一致性）、Kolmogorov-Smirnov檢驗（無需分組的一元分布檢驗）、Pearson卡方和Fisher精確獨立性檢驗（檢驗分布和影響因素關系）、符號檢驗和秩和檢驗（樣本與總體或組間差異）。非參數檢驗在總體分布未知時特別適用，如計數數據或分布特性不明確的情況。
區分兩樣本和K樣本時，要注意不同問題的處理方式，如2樣本可能涉及二項分布，而K樣本則需要考慮分組變數的運算。匹配樣本和獨立樣本的區分在於數據的對應性，匹配樣本通常用於控制干擾因素，而獨立樣本則強調數據來源的獨立性。
SPSS中提供了Mann-Whitney U檢驗（兩樣本）、Wilcoxon檢驗（匹配樣本）和Kruskal-Wallis檢驗（K樣本）等工具，用於分析不同情況下的差異性。這些檢驗提供了描述性統計、秩表和p值判斷，幫助我們理解數據的顯著性差異。
通過學習SPSS的這些方法，可以幫助你在生物醫葯統計中更有效地分析數據，做出准確的推斷。更多統計教程和應用，可在【杏花開生物醫葯統計】微信公眾號（xhkdata）中找到，如生存曲線繪制、樣本差異比較、生存分析和結構方程模型等。
㈡ 常用的參數檢驗和非參數檢驗方法
1.正態總體均值的假設檢驗（t檢驗）
檢驗1組數據樣本的均值是否等於，大於或小於某個值，或者檢驗兩組數據樣本的均值的大小情況。其中的統計量Z一般服從t分布。
2.正態總體方差的假設檢驗
檢驗1組數據樣本的方差是否等於，大於或小於某個值，或者檢驗兩組數據樣本的方差的大小情況。其中單樣本檢驗的統計量X2一般服從卡方分布。雙樣本檢測的統計量F一般服從F分布。
3.二項分布總體的假設檢驗（非正態總體的假設檢驗）
非正態總體的假設檢驗有很多，二項分布總體的假設檢驗相對較為常用。常用於隨機抽樣實驗的成功概率的檢驗。
1.Neyman-Pearson χ2 擬合優度檢驗
檢驗樣本數據是否符合某種分布，Neyman-Pearson擬合優度檢驗是非常重要的非參數檢驗方法，既可以用於檢驗數據的分布特性，又可以檢驗不同組數據之間的分布關系（是否是同一分布）。
2.Kolmogorov-Smirnov檢驗
也是一個相當重要的檢驗方法，和Pearson方法一樣屬於擬合優度檢驗方法。但是Kolmogorov-Smirnov方法無需對要檢驗的數據分組，且使用經驗累積分布函數（ECDF）來定義統計量，可以用於任何分布的檢驗。但Kolmogorov-Smirnov只適用於一元分布的情況。因此適用面與Pearson方法相比稍小。
3.獨立性檢驗
很重要的檢驗方法，具體有Pearson卡方檢驗，Fisher精確獨立性檢驗。這些檢驗方法通常用於檢驗數據的分布和假設影響因素的關系。
4.符號檢驗和秩和檢驗
檢驗樣本與總體的情況，或樣本總體間的差異。
㈢ 參數檢驗和非參數檢驗
非參數檢驗(Nonparametric tests)是統計分析方法的重要組成部分，它與參數檢驗共同構成統計推斷的基本內容。
參數檢驗是在總體分布形式已知的情況下，對總體分布的參數如均值、方差等進行推斷的方法。參數檢驗的方法有Z檢驗、T檢驗，這些檢驗都是假設 樣本來自於正態分布的總體 ，將總體的數字特徵看作未知的「參數」，通過樣本的數據特徵對其總體進行統計推斷。
但是，在數據分析過程中，由於種種原因，人們往往無法對總體分布形態作簡單假定，此時參數檢驗的方法就不再適用了。
非參數檢驗是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等進行推斷的方法。由於非參數檢驗方法在推斷過程中不涉及有關總體分布的參數，因而得名為「非參數」檢驗。
非參數檢驗的優點：
SPSS給出的四種獨立樣本的非參數檢驗的方法：
SPSS中多個獨立樣本檢驗的方法主要有3種：Kruskal-Wakkis H檢驗、中位數（Median）檢驗和Jonckheere-Terpstra檢驗。
該檢驗一般應用於對同一研究對象（或配對對象）分別給予K種不同處理或處理前後的效果進行比較，前者推斷K種效果有無顯著差異，後者推斷某種處理是否有效。
在SPSS種兩個相關樣本檢驗的方法主要有：Wilcoxon檢驗、Sign（符號）檢驗、McNemar檢驗和Marginal Homogeneity檢驗。
在SPSS種兩個相關樣本檢驗的方法主要有：Friedman檢驗、Kendall's W檢驗和Cochran『s Q檢驗。
㈣ 參數檢驗參數檢驗運用范圍
參數檢驗是一種統計推斷方法，主要應用於已知總體分布的情況下，例如總體為正態分布。此方法的目的是通過樣本數據，對總體的統計參數進行估計或檢驗。
在參數檢驗中，總體的分布形式通常是已知或假定的，而其中的參數值或范圍未知。分析的焦點在於估計這些未知參數的值，或者執行統計檢驗來評估假設參數值的合理性。
參數檢驗不僅限於估計總體特徵參數，它還能夠用於比較兩個或多個總體的參數。通過這種方法，我們可以得出結論，例如，一個總體的平均值是否顯著高於另一個總體的平均值，或者兩個總體的方差是否存在顯著差異。
參數檢驗方法包括假設檢驗和置信區間構建。在假設檢驗中，首先建立原假設和備擇假設，然後計算統計量並根據給定的顯著性水平來決定是否拒絕原假設。置信區間則提供了一個估計參數值的范圍，以及這個區間包含真實參數值的概率。
總體而言，參數檢驗為研究者提供了有效的工具，用於基於樣本數據對總體分布的統計參數進行推斷。它適用於各種研究場景，從社會科學到自然科學，廣泛應用於各個領域。