㈠ SPSS中常用的参数和非参数检验方法、基本原理和操作步骤——【杏花开生物医药统计】
在SPSS中，参数检验和非参数检验是两种常用的数据分析方法。参数检验主要包括正态总体均值和方差的假设检验，以及二项分布总体的检验，如t检验（比较均值）、卡方检验（比较方差）和F检验（多组均值比较）。
非参数检验则更为灵活，如Neyman-Pearson拟合优度检验（检验数据分布或组间分布一致性）、Kolmogorov-Smirnov检验（无需分组的一元分布检验）、Pearson卡方和Fisher精确独立性检验（检验分布和影响因素关系）、符号检验和秩和检验（样本与总体或组间差异）。非参数检验在总体分布未知时特别适用，如计数数据或分布特性不明确的情况。
区分两样本和K样本时，要注意不同问题的处理方式，如2样本可能涉及二项分布，而K样本则需要考虑分组变量的运算。匹配样本和独立样本的区分在于数据的对应性，匹配样本通常用于控制干扰因素，而独立样本则强调数据来源的独立性。
SPSS中提供了Mann-Whitney U检验（两样本）、Wilcoxon检验（匹配样本）和Kruskal-Wallis检验（K样本）等工具，用于分析不同情况下的差异性。这些检验提供了描述性统计、秩表和p值判断，帮助我们理解数据的显着性差异。
通过学习SPSS的这些方法，可以帮助你在生物医药统计中更有效地分析数据，做出准确的推断。更多统计教程和应用，可在【杏花开生物医药统计】微信公众号（xhkdata）中找到，如生存曲线绘制、样本差异比较、生存分析和结构方程模型等。
㈡ 常用的参数检验和非参数检验方法
1.正态总体均值的假设检验（t检验）
检验1组数据样本的均值是否等于，大于或小于某个值，或者检验两组数据样本的均值的大小情况。其中的统计量Z一般服从t分布。
2.正态总体方差的假设检验
检验1组数据样本的方差是否等于，大于或小于某个值，或者检验两组数据样本的方差的大小情况。其中单样本检验的统计量X2一般服从卡方分布。双样本检测的统计量F一般服从F分布。
3.二项分布总体的假设检验（非正态总体的假设检验）
非正态总体的假设检验有很多，二项分布总体的假设检验相对较为常用。常用于随机抽样实验的成功概率的检验。
1.Neyman-Pearson χ2 拟合优度检验
检验样本数据是否符合某种分布，Neyman-Pearson拟合优度检验是非常重要的非参数检验方法，既可以用于检验数据的分布特性，又可以检验不同组数据之间的分布关系（是否是同一分布）。
2.Kolmogorov-Smirnov检验
也是一个相当重要的检验方法，和Pearson方法一样属于拟合优度检验方法。但是Kolmogorov-Smirnov方法无需对要检验的数据分组，且使用经验累积分布函数（ECDF）来定义统计量，可以用于任何分布的检验。但Kolmogorov-Smirnov只适用于一元分布的情况。因此适用面与Pearson方法相比稍小。
3.独立性检验
很重要的检验方法，具体有Pearson卡方检验，Fisher精确独立性检验。这些检验方法通常用于检验数据的分布和假设影响因素的关系。
4.符号检验和秩和检验
检验样本与总体的情况，或样本总体间的差异。
㈢ 参数检验和非参数检验
非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。
参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。参数检验的方法有Z检验、T检验，这些检验都是假设 样本来自于正态分布的总体 ，将总体的数字特征看作未知的“参数”，通过样本的数据特征对其总体进行统计推断。
但是，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。
非参数检验是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。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。
非参数检验的优点：
SPSS给出的四种独立样本的非参数检验的方法：
SPSS中多个独立样本检验的方法主要有3种：Kruskal-Wakkis H检验、中位数（Median）检验和Jonckheere-Terpstra检验。
该检验一般应用于对同一研究对象（或配对对象）分别给予K种不同处理或处理前后的效果进行比较，前者推断K种效果有无显着差异，后者推断某种处理是否有效。
在SPSS种两个相关样本检验的方法主要有：Wilcoxon检验、Sign（符号）检验、McNemar检验和Marginal Homogeneity检验。
在SPSS种两个相关样本检验的方法主要有：Friedman检验、Kendall's W检验和Cochran‘s Q检验。
㈣ 参数检验参数检验运用范围
参数检验是一种统计推断方法，主要应用于已知总体分布的情况下，例如总体为正态分布。此方法的目的是通过样本数据，对总体的统计参数进行估计或检验。
在参数检验中，总体的分布形式通常是已知或假定的，而其中的参数值或范围未知。分析的焦点在于估计这些未知参数的值，或者执行统计检验来评估假设参数值的合理性。
参数检验不仅限于估计总体特征参数，它还能够用于比较两个或多个总体的参数。通过这种方法，我们可以得出结论，例如，一个总体的平均值是否显着高于另一个总体的平均值，或者两个总体的方差是否存在显着差异。
参数检验方法包括假设检验和置信区间构建。在假设检验中，首先建立原假设和备择假设，然后计算统计量并根据给定的显着性水平来决定是否拒绝原假设。置信区间则提供了一个估计参数值的范围，以及这个区间包含真实参数值的概率。
总体而言，参数检验为研究者提供了有效的工具，用于基于样本数据对总体分布的统计参数进行推断。它适用于各种研究场景，从社会科学到自然科学，广泛应用于各个领域。