分析方法学检验

1. spss分析方法-T检验

t检验，也称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显着。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的，并于1908年在Biometrika上公布。

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

  在统计分析中，要检验两个相关的样本是否来自具有相同均值的总体；或者检验两个有联系的正态总体的均值是否有显着差异等。例如医学界研究一种药物对某种疾病的疗效；学生性别对身高的影响；一种化学药剂对作物害虫的杀虫效果等。T检验的主要用途：

单样本检验：检验一个正态分布的总体的均值是否在满足零假设的值之内

双样本检验：其零假设为两个正态分布的总体的均值是相同的。

这一检验通常被称为学生t检验。但更为严格地说，只有两个总体的方差是相等的情况下，才称为学生t检验；否则，有时被称为Welch检验。

检验同一统计量的两次测量值之间的差异是否为零。

检验一条回归线的斜率是否显着不为零。

二、理论思想

  T检验是一种处理2个总体间计量变量比较方法， 用 t 分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显着。

T检验有3种类型：

单样本 T 检验

检验一个样本平均数与一个已知的总体平均数的差异是否显着。

独立样本 T 检验

检验两个样本平均数与其各自所代表的总体的差异是否显着。两个样本组之间毫无相关存在，即为独立样本。

配对样本 T 检验

检验两个样本平均数与其各自所代表的总体的差异是否显着。两个样本组之间存在相关，即为非独立样本。

三、操作过程

T检验的数据条件：

来自正态分布总体。

随机样本。

方差齐性。 均数比较时，要求两样本总体方差相等，即满足方差齐性。 如果不满足这些条件，可以采用校正的 t 检验，或者换用非参数检验代替 t 检验进行两组间均值的比较。

独立样本 T 检验案例：

题目：甲、乙两所学校各40名高三学生的高考数学成绩。试用独立样本T检验方法研究两所学校被调查的高三学生的高考数学成绩之间有无明显的差别。

一、数答配据输入

二、操作步骤

1.进入SPSS，打开相关数据文件，选择“分析”|“比较平均值”|“独立样本T检验”命令

2.选择进行独立样本T检验的变量。在“独立样本T检验”对话框的左侧列表框中，选择“高考数学成绩”进入“检验变量”列表框。

3.选择分组变量。在“独立样本T检验”对话框的左侧列表框中，选择“学校”进入“分组变量”列表框。然后单击“定义组”按钮，其中“组1”“组2”分别表示第一、二组类别变量的取值。在“组1”中输入1，在“组2”中输入2。

4.置信区间和缺失值的处理方法。单击“独立样本T检验”对话备举简框中的“选项”按钮，在“置信区间百分比”文本框中输入“95”，即设置显着性水平为5%。在“缺失值”选项组中选中“按具体分析排除个案”单选按钮，单击“继续”按钮，返回“独立样本T检验”对话框。

5.其余设置采用系统默认值即可

6.单击“确定”按钮，等待输出结果。

四、结果分析

1. 数据仿裤基本统计量表参与分析的样本中，甲组的样本容量是40，样本平均值是119.95，标准差是12.249，标准误差平均值是1.937；乙组的样本平均值是132.65，标准差是11.263，标准误差平均值是1.781。

2.独立样本T检验结果表F统计量的值是0.652，对应的置信水平是0.422，说明两样本方差之间不存在显着差别，采用的方法是两样本等方差T检验。T统计量的值是-4.827，自由度是78，95%的置信区间是（-17.938，-7.462），临界置信水平为0.000，远小于5%，说明两所学校被调查的高三学生的高考数学成绩之间有着明显的差别。

分析结论：

综上所述，T检验检验结果拒绝原假设，说明两所学校被调查的高三学生的高考数学成绩之间有着明显的差别。

（获取更多知识，前往wx 公z号 程式解说）

原文来自https://mp.weixin.qq.com/s/3Z6O7Mf8M06M4r5CbGeCUw

2. 统计学检验方法有哪些

统计学检验方法如下：

一、正态性检验

正态性特质是很多分析方法的基础前提，如果不满足正态性特质，则应该选择其它的分析方法，因销闷此在做某些分析时，需要先进行正态性检验。如果样本量大于50，则应该使用Kolmogorov-Smirnov检验结果，反之则使用Shapro-Wilk检验的结果。

常见的分析方法正态性特质要求归纳如下表（包括分析方法，以及需要满足正态性的分析项，如果不满足时应该使用的分析方法）。

三、相关性检验

相关分析是一种简单易行的测量定量数据之间的关系情况的分析凯斗弯方法。可以分析包括变量间的关系情况以及关系强弱程度等。相关系数常见有三类，分别是：Pearson相关系数。Spearman等级相关系数。Kendall相关系数。

三种相关系数最常使用盯闷的是Pearson相关系数；当数据不满足正态性时，则使用Spearman相关系数，Kendall相关系数用于判断数据一致性，比如裁判打分。

3. 检验一个新的分析方法是否正确,可以采用哪些方法

分析方法，是指实验室对样品进行分析检验的依据。其中以科学、技术、实践经验和综合成果为基础，经有关方面协商一致，由主管机构批准，以特定形式发布，作为共同遵守的准则和依据的分析方法称为标准方法，或称方法标准。标准方法在技术上并不一定是最先进的，准确度也可能不是最高的，而是在一般条件下简便易行

4. spss分析方法-卡方检验

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。

卡方检验是一种用于 判断样本是否来自于特定分布的总体 的 非参数检验 方法，其根据样本的频数来推断总体分布与理论分布是否有显着差异。

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

例如抽取某学校的学生的数据，推断性别比例是否4：6；医学家在研究心脏病人猝死人数与日期的关系时发现：一周之中，星期一心脏病人猝死者较多，其他日子则基本相当。当天的比例近似为2.8：1：1：1：1：1：1。现收集到心脏病人死亡日期的样本数据，推断其总体分布是否与上述理论分布相吻合。

二、理论思想

卡方检验方法可以根据样本数据，推断总体分布与期望分布或某一理论分布是否存在显着差异，是一种吻合性检验，通常适于对有多项分类值的总体分布的分析。H0原假设是： 样本来自的总体分布与期望分布或某一理论分布无差异 。

三、操作过程

卡方检验的数据条件：

条件宽松、对样本数据要求较低、计算相对简单

卡方检验案例：

题目：随机抽取的100名山东省某地区新出生婴儿的性别情况。试用卡方检验方法研究该地区新出生婴儿的男女比例是否存在明显的差别。

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”|“卡方”命令

2.选择进行卡方检验的变量。在“卡方检验”对话框的左侧列表框中，选择“性别”进入“检验变量列表”列表框。

3.设置期望范围和期望值。在“卡方检验”对话框内的“期望范围”选项组中，选中“从数据中获取”单选按钮，也就是根据数据本身的最大值和最小值来确定检验值范围；在“期望值”选项组中，选中“所有类别相等”单选按钮，因为本例中各类别的构成比相同。

4.设定卡方检验的计算方法。单击“卡方检验”对话框中的“精确”按钮，选中“仅渐进法”单选按钮，单击“继续”按钮返回“卡方检验”对话框。

选择相关统计量的输出和缺失值的处理方法。

5.单击“卡方检验”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“卡方检验”对话框。

6.其余设置采用系统默认值即可。

7.单击“确定”按钮，等待输出结果。

四、结果分析

1.   描述性统计量表接受检验的样本共100个，样本平均值是1.49，标准差是0.502，最小值是1，最大值是2。

2.  卡方检验频数表参与检验的男性婴儿共51个，女性婴儿共49个，期望数都是50.0，残差分别是1.0和-1.0。

3.   卡方检验统计量表卡方值是0.040，自由度是1，渐近显着性水平为0.841，远大于0.05，检验结果接受原假设。

分析结论：

综上所述，通过卡方检验，该地区新出生婴儿的男女比例没有明显的差别。

（获取更多知识，前往前往我的wx ————公z号 （程式解说）

原文来自https://mp.weixin.qq.com/s/4HW9cWF96yG7GKre5OFNHQ

5. 统计学常用数据分析方法（二）推断统计&参数检验

01

推论统计

推论统计是统计学中研究年份较为短的一部分内容。

推论统计主要以结果为依据，来证明或推翻某个命题也就是通过分析样本与样本分布的差异从而去估算样本与总体、同一样本的前后两次的差异、样本与样本的差异、总体与总体的差异是否具有显着性差异。

举个例子，我们想研究教育背景是否会影响人的收入。然后我们可以找1000名30岁大学毕业生和1000名30岁初中毕业生。采集他们的工作以及收入情况。用推论统计方法进行数据处理，最后会得出类似这样儿的结论：“研究发现，大学毕业生组的收入显着高于初中毕业生组的收入，二者在0.01水平上具有显着性差异，说明大学毕业生的一些收入情况优于中学毕业生组，也就是学历会影响收入。”

02

正态性检 验

很多统计方法的前提条件是数值服从或近似服从正态分布，所以在进行数据分析之前需要进行正态性检验。

常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。

03

参数检验

已知总体分布的条件下（一般要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验叫做参数检验。

Z检验：使用条件：当样本含量n较大时，样本值符合正态分布

T检验：使用条件：当样本含量n较小时，样本值符合正态分布

单样本t检验：想知道来自总体的一个样本均值μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别；

配对样本t检验：当总体均值未知时，并且两个样本可以配对，同对中的两者一一对应，对于处理效果的各种条件方面扱为相似；

两独立样本t检验：利用两个总体的独立样本，通过推断两个总体的均值是否存在显着性差异；两独立样本的样本容量可以相等，也可以不相等。

04

非参数检验

非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一般性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。

主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。

6. 药品检验时，有哪些常用分析方法

1、重量分析法：

重量分析法是药物分析检测中化学分析的基础方法，指的是称取一定重量的试样，用适当的方法将被测组分与试样中其他组分分离后，转化成一定的称量形式，称重，从而求得该组分含量的方法。

2、酸碱滴定法：

酸碱滴定法在药品分析检测中的应用十分广泛，是将一种已知其准确浓度的试剂溶液滴加到被测物质的溶液中，直到化学反应完全时为止，然后根据所用试剂溶液的浓度和体积可以求得被测组分的含量。

3、PH值测定方法：

pH值是溶液中氢离子活度的负对数，用来表示溶液的酸度。用于pH值测定的装置称为pH计或酸度计，酸度计由pH测量电池和pH指示器两部分组成。

4、光谱技术：

光谱技术的主要原理就是可以通过不同的频率对其要检测的药物进行辐射，在一定范围中的频率被一些物质接受的时候就会出现振动以及转动的状况。

5、化学发光技术：

在药物分析检测中，化学发光法是一种较为常见的技术方式，其主要就是基于化学检测系统中相关检测物的浓度以及体系的化学发光强度在特定状况之下呈线性定量关系的原理，通过仪器对整个体系的化学发光强度进行检测，确定待检测的实际含量的方式就是一种痕量分析方法。

6、色谱法：

色谱法又称为“色谱分析”、“色谱分析法”、“层析法”，是一种分离以及分析的方式与手段。它主要就是通过不同的物质在不同的相态之下对其进行有选择的分配，通过流动相对固定相中存在的混合物进行洗脱操作，而在混合物中存在的不同物质会则会通过不同的速度基于固定相进行移动，进而实现分离的最终效果。

7、电泳法：

电泳法是生物技术及生化药物分析的重要手段之一，具有灵敏度高、重现性好、检测范围广、操作简便并兼备分离、鉴定、分析等优点。

8、DNA扩增法：

DNA扩增技术属于PCR技术，可以把试管中的DNA样品的片段进行拓展，达到上百万倍左右，可以通过肉眼直接对其进行观察。

综上，药品质量的优劣关系着人民的用药和身体健康，为了保证药品的质量，应严格按照药品质量标准进行药物分析检测，为药品能否流通上市和提供用药提供依据。

7. 药品检验有哪些化学分析方法及这些方法分别适用对象

药学专业主要课程：马克思主义基本原理、思想道德修养、法律基础、大学英语、高等数学、医用物理学、计算机基础、形态学概论、生理学、细胞生物学、分子生物学、医学免疫学、病理生理学、医学微生物学、无机化学、有机化学、生物化学、定量分析、仪器分析、物理化学、基础化学实验、药物化学、天然药物化学、药剂学、药物分析、药理学、毒理学基础、药物的波谱解析、药事管理学、专业技能实验等。

8. spss分析方法-两个关联样本检验（转载）

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。

两个关联样本检验指在总体分布未知的条件下对样本来自的两相关配对总体是否具有显着差异进行的检验 的 非参数检验 方法，其所谓两配对样本是指两样本具有相同或相似的非处理因素，基本功能是可以判断两个相关的样本是否来自相同分布的总体。

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

一般用于对成对研究对象给予不同处理并进行处理前后是否具有显着性差异的分析。一种产品两种不同工艺流程的方法差异；一种农拦消禅作物两种不同的种地的差异等。

二、理论思想

判断两个相关的样本是否来自相同分布的总体。SPSS提供了威尔科克森、符号、麦克尼马尔和边际齐性4种检验方法进行两配对样本的检验。（1）符号检验符号检验是一种利用正、负号的数目对某种假设作出判定的非参数检验方法。符号检验的 基本思路是，将第二组样本的每个观测值减去第一个样本的对应观测值，观测所得到的差值的符号。 如果差值中正数的个数和负数的个数差距较大，则认为两样本来自的两相关配对总体具有显着差异。（2）威尔科克森检验威尔科克森检验是一种扩展的符号检验。其 基本思路是，如果两样本来自的两相关配对总体没有显着差异的话，不但差值中正数的个数和负数的个数应大致相等，而且正值和负值的秩和也大致相等。 （3）麦克尼马尔检验麦克尼马尔检验的思想是 以其自身为对照，进行二项分布检验。其通过初始的观测比率和事后的观测比率的变化计算二项分布的概率值 ，麦克尼马尔变化显着性检验要求数据必须为两分类数据。（4）边际齐性检验边际齐性检验是麦克尼马尔变化显着性检验 从两分类数据向多分类数据的推广，通过卡方分布检验的观测比率简尘和事后的观测比率的变化 来计算。

三、操作过程

检验的数据条件：

两个样本数据相关

两个关联样本检验案例：

题目：为分析一种新药的效果，特选取了15名病人进行试验，表5.14给出了试验者服药前后的血红蛋白数量。试用两个关联样本检验方法判断该药能否引起患者体内血红蛋白数量的显着变化。

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”|“2个相关样本”命令

2、选择进行两个关联样本检验的变量。在“双关联样本检验”对话框的左侧列表框中，同时选中“服药前血红蛋白数量”和“服药后血红蛋白数量”进入“检验对”列表框。

3、选择检验方法。在“双关联样本检验”对话框内的“检验类型”选项组中，我们选中威尔科克森和“符号”复选框。这两种方法都用来检验两个样本是否来自于相同的总体。

4、设置检验的计算方法。

5、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。

6、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服药前血红蛋白数量测量的样本共15个，样本平均值是13.060，标准差是1.3010，最小值是10.9，最大值是15.2；服药后血红蛋白数量的样本平均值是12.940，最小值是11.0，最大值是14.6。

2、威尔科桥衫克森带符号秩检验结果表威尔科克森带符号秩检验结果包括两部分：第一部分是秩表，可知共有15对变量参与了检验，服药前比服药后大的共有8对，秩均值为8.31，服药前比服药后小的共有7对，秩均值为7.64；第二部分是检验统计量表，Z值为-0.370，渐近显着性为0.712，远大于0.05，接受原假设。

3、符号检验结果表符号检验结果也包括两部分：第一部分是频数表，内容类似于威尔科克森带符号秩检验结果中的秩表；第二部分是检验统计量表，精确显着性为1，远大于0.05，接受原假设。

分析结论：

综上所述，从以上两种检验方法得出的结果可知，显着性均远大于0.05，接受原假设，所以该药不能引起患者体内血红蛋白数量的显着变化。

参考案例数据：

【1】spss统计分析与行业应用案例详解(第四版)  杨维忠,张甜,王国平  清华大学出版社

（获取更多知识，前往前往我的wx ————公z号 （程式解说）

原文来自：https://mp.weixin.qq.com/s/3Vab0Z1Z1vU-egI4lalE7w

9. 统计学怎样用方差分析方法检验有无显着差异性

什么是方差分析
方差分析（ANOVA）又称“变异数分析”或“F检验”，是R.A.Fister发明的，用于两个及两个以上样本均数差别的显着性检验。
由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。
一个复杂的事物，其中往往有许多因素互相制约又互相依存。方差分析的目的是通过数据分析找出对该事物有显着影响的因素，各因素之间的交互作用，以及显着影响因素的最佳水平等。方差分析是在可比较的数组中，把数据间的总的“变差”按各指定的变差来源进行分解的一种技术。对变差的度量，采用离差平方和。方差分析方法就是从总离差平方和分解出可追溯到指定来源的部分离差平方和，这是一个很重要的思想。
经过方差分析若拒绝了检验假设，只能说明多个样本总体均数不相等或不全相等。若要得到各组均数间更详细的信息，应在方差分析的基础上进行多个样本均数的两两比较。

1、多个样本均数间两两比较
多个样本均数间两两比较常用q检验的方法，即Newman-kueuls法，其基本步骤为：建立检验假设-->样本均数排序-->计算q值-->查q界值表判断结果。

2、多个实验组与一个对照组均数间两两比较
多个实验组与一个对照组均数间两两比较，若目的是减小第II类错误，最好选用最小显着差法（LSD法）；若目的是减小第I类错误，最好选用新复极差法，前者查t界值表，后者查q'界值表。

方差分析的基本思想
基本思想：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。
下面我们用一个简单的例子来说明方差分析的基本思想：
如某克山病区测得11例克山病患者和13名健康人的血磷值（mmol/L）如下：
患者：0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11
健康人：0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
问该地克山病患者与健康人的血磷值是否不同？
从以上资料可以看出，24个患者与健康人的血磷值各不相同，如果用离均差平方和（SS）描述其围绕总均数的变异情况，则总变异有以下两个来源：
组内变异，即由于随机误差的原因使得各组内部的血磷值各不相等；
组间变异，即由于克山病的影响使得患者与健康人组的血磷值均数大小不等。
而且：SS总=SS组间+SS组内 v总=v组间+v组内
如果用均方（即自由度v去除离均差平方和的商）代替离均差平方和以消除各组样本数不同的影响，则方差分析就是用组内均方去除组间均方的商（即F值）与1相比较，若F值接近1，则说明各组均数间的差异没有统计学意义，若F值远大于1，则说明各组均数间的差异有统计学意义。实际应用中检验假设成立条件下F值大于特定值的概率可通过查阅F界值表（方差分析用）获得。

方差分析的应用条件
应用方差分析对资料进行统计推断之前应注意其使用条件，包括：
1、可比性。若资料中各组均数本身不具可比性则不适用方差分析。
2、正态性。即偏态分布资料不适用方差分析。对偏态分布的资料应考虑用对数变换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变为正态或接近正态后再进行方差分析。
3、方差齐性。即若组间方差不齐则不适用方差分析。多个方差的齐性检验可用Bartlett法，它用卡方值作为检验统计量，结果判断需查阅卡方界值表。

方差分析主要用于：
1、均数差别的显着性检验；
2、分离各有关因素并估计其对总变异的作用；
3、分析因素间的交互作用；
4、方差齐性检验。

方差分析的主要内容
根据资料设计类型的不同，有以下两种方差分析的方法：
1、对成组设计的多个样本均数比较，应采用完全随机设计的方差分析，即单因素方差分析。
2、对随机区组设计的多个样本均数比较，应采用配伍组设计的方差分析，即两因素方差分析。

两类方差分析的基本步骤相同，只是变异的分解方式不同，对成组设计的资料，总变异分解为组内变异和组间变异（随机误差），即：SS总=SS组间+SS组内，而对配伍组设计的资料，总变异除了分解为处理组变异和随机误差外还包括配伍组变异，即：SS总=SS处理+SS配伍+SS误差。整个方差分析的基本步骤如下：
1、建立检验假设；
H0：多个样本总体均数相等；
H1：多个样本总体均数不相等或不全等。
检验水准为0.05。
2、计算检验统计量F值；
3、确定P值并作出推断结果。

10. 差异分析的检验方法

众所周知，当你所自己今年比去年更优秀的时候是不可以随便吹牛的，请把你在上发文的频率以及质量摆出来！

面对今年和去年的数据，或许你需要一个统计检验的方法...

也就是方差相等，在t检验和方差分析中，都需要满足这一前提条件。在两组和多组比较中，方差齐性的意思很容易理解，无非就是比较各组的方差大小，看看各组的方差是不是差不多大小，如果差别太大，就认为是方差不齐，或方差不等。如果差别不大，就认为方差齐性或方差相等。当然，这种所谓的差别大或小，需要统计学的检验，所以就有了方差齐性检验。

在t检验和方差分析中，要求样本是来自正态分布的样本。以此为前提才可以对样本的均值进行统计检验。检验的目的是判断这两个样本是否来自于同一个总体的随机抽样结果还是来自完全不同的样本。另外需要注意的是，如果样本量大于30，此时样本的均值也近似服从正态分布，这是我们也可以使用t检验。

组间差异检验，终于有人讲清楚了!

参数检验和非参数检验的区别：

1 参数检验是针对参数做的假设，非参数检验是针对总体分布情况做的假设，这个是区分参数检验和非参数检验的一个重要特征。 例如两样本比较的t 检验是判断两样本分别代表的总体的均值是否具有差异，属于参数检验。而两样本比较的秩和检验（wilcoxcon 检验及Mann-Whitney 检验）是判断两样本分别代表的总体的位置有无差别（即两总体的变量值有无倾向性的未知偏离），自然属于非参数检验。

2 二者的根本区别在于参数检验要利用到总体的信息（总体分布、总体的一些参数特征如方差），以总体分布和样本信息对总体参数作出推断；非参数检验不需要利用总体的信息（总体分布、总体的一些参数特征如方差），以样本信息对总体分布作出推断。

3，参数检验只能用于等距数据和比例数据，非参数检验主要用于记数数据。也可用于等距和比例数据，但精确性就会降低。

如何理解非参数检验

参数检验 通常是假设 总体服从正态分布，样本统计量服从T分布 的基础之上，对总体分布中一些未知的参数，例如总体均值、总体方差和总体标准差等进行统计推断。如果总体的分布情况未知，同时样本容量又小，无法运用中心极限定理实施参数检验，推断总体的集中趋势和离散程度的参数情况。这时，可以用非参数检验，非参数检验对总体分布不做假设，直接从样本的分析入手推断总体的分布。

与参数检验相比，非参数检验适用范围广，特别适用于小样本数据、总体分布未知或偏态、方差不齐及混合样本等各类型数据。

非参数检验应用广，但参数检验精确度更高。

采用SPSS进行各项检验

方差和T检验 的区别在于，对于T检验的X来讲，其只能为2个类别比如男和女。如果X为3个类别比如本科以下，本科，本科以上；此时只能使用方差分析。

方差分析(Analysis of Variance，简称ANOVA) ，又称“变异数分析”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显着性检验。

均为无序分类变量

① 卡方检验

卡方检验常用于分析无序分类变量之间的相关性，也可以用于分析二分类变量之间的关系。但是该检验只能分析相关的统计学意义，不能反映关联强度。因此，我们常联合Cramer's V检验提示关联强度。

② Fisher精确检验

Fisher精确检验可以用于检验任何R*C数据之间的相关关系，但最常用于分析2*2数据，即两个二分类变量之间的相关性。与卡方检验只能拟合近似分布不同的是，Fisher精确检验可以分析精确分布，更适合分析小样本数据。但是该检验与卡方检验一样，只能分析相关的统计学意义，不能反映关联强度。

(1)从总体中随机抽取容量为n的一切可能个样本的平均数之平均数，等于总体的平均数。

(2)从正态总体中，随机抽取的容量为n的一切可能 样本平均数 的分布 也呈正态分布。

(3)虽然总体不是正态分布，如果样本容量较大，反映总体μ和σ的 样本平均数 的抽样分布，也接近于正态分布。

原始数据比较符合正态分布，那么推荐使用T检验，如果偏离较大，那么推荐使用非参数检验，如果样本量较大，那么两种检验方法都是可以的。