在推斷統(tǒng)計學(xué)中，假設(shè)檢驗可分為兩類：參數(shù)檢驗和非參數(shù)檢驗，在IBM SPSS Statistics中這兩種檢驗方法均可直接使用。

當(dāng)樣本數(shù)據(jù)的總體數(shù)據(jù)分布情況不確定時，我們往往會選擇使用SPSS非參數(shù)檢驗的方法，今天小編就為大家介紹一下IBM SPSS Statistics中如何對兩配對樣本進行非參數(shù)檢驗。

一、樣本概述

圖1：樣本數(shù)據(jù)

小編這里選擇的樣本案例是某地10個學(xué)校開展教學(xué)評比活動前后的教學(xué)成績，其中0表示不合格，1表示合格。通過使用SPSS進行分析，可以查看開展教學(xué)評比活動前后學(xué)校的教學(xué)成績是否存在顯著差異。

這時我們對樣本的總體情況是不清楚的，在這兩個配對對象中，各個數(shù)據(jù)一一對應(yīng)，使用非參數(shù)檢驗對樣本被處理前后的效果進行比較。

二、非參數(shù)檢驗

1.McNemar變化顯著性檢驗

（1）適用性

這種檢驗方法是以研究對象自身為對照來進行顯著性檢驗的，僅適用于樣本數(shù)據(jù)均是二值數(shù)據(jù)的情況，所以可用性較低。

（2）操作

圖2：非參數(shù)檢驗

在“分析”菜單下，找到“非參數(shù)檢驗”，點擊其下“舊對話框”中的“2個相關(guān)樣本”，可以進入兩配對樣本的非參數(shù)檢驗。

圖3：調(diào)入變量

將待檢驗的變量調(diào)入到變量對話框中，“活動前”和“活動后”的順序沒有特殊要求，不影響判斷結(jié)果。

在檢驗方法中選擇“McNemar”檢驗，如果有特殊需求，還可以進行精確檢驗和其他設(shè)置，一般來說是不需要的，點擊“確定”，就可以開始非參數(shù)檢驗了。

（3）結(jié)果

圖4：檢驗結(jié)果

從第一個表中可以看出，活動前合格、活動后也合格的有4個學(xué)校，活動前后都不合格的有3個學(xué)校。

從第二個表可以看出，顯著性檢驗結(jié)果是0.250，大于0.05，所以應(yīng)該接受原假設(shè)，即開展教學(xué)活動前后各學(xué)校的合格情況沒有顯著差異。

2.Wilcoxonz符號平均秩檢驗

（1）適用性

當(dāng)樣本數(shù)據(jù)不是二值數(shù)據(jù)的時候，就可以使用這種檢驗方法。

（2）操作

圖5：變量設(shè)置

這次將活動前后的分?jǐn)?shù)調(diào)入變量檢驗框，并選擇下面的第一個檢驗方法“Wilcoxonz法”，其他設(shè)置和第一種方法類似。

（3）結(jié)果

圖6：檢驗結(jié)果

 從結(jié)果中可以看出，顯著性檢驗參數(shù)是0.008，小于0.005，所以要拒絕原假設(shè)，即開展教學(xué)活動前后學(xué)校的教學(xué)成績有顯著性差異。

可以得出，對相同的樣本的不同數(shù)據(jù)對象進行非參數(shù)分析時得出的結(jié)果可能是不同的，實際上這兩個結(jié)果并不矛盾，因為成績的增長性和合格與否沒有完全直接的關(guān)系，所以兩種結(jié)果都是可信的。

三、小結(jié)

小編這里介紹了IBM SPSS Statistics兩種檢驗兩配對樣本的方法，分別適用于樣本數(shù)據(jù)是二值數(shù)據(jù)與不是二值數(shù)據(jù)的情況