《非參數(shù)檢驗(yàn)(卡方檢驗(yàn)) 實(shí)驗(yàn)報(bào)告.doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《非參數(shù)檢驗(yàn)(卡方檢驗(yàn)) 實(shí)驗(yàn)報(bào)告.doc（9頁珍藏版）》請(qǐng)?jiān)趨R文網(wǎng)上搜索。

1、評(píng)分大理大學(xué)實(shí)驗(yàn)報(bào)告 課程名稱 生物醫(yī)學(xué)統(tǒng)計(jì)分析 實(shí)驗(yàn)名稱 非參數(shù)檢驗(yàn)（卡方檢驗(yàn)） 專業(yè)班級(jí) 姓 名 學(xué) 號(hào) 實(shí)驗(yàn)日期 實(shí)驗(yàn)地點(diǎn) 20152016學(xué)年度第 2 學(xué)期一、 實(shí)驗(yàn)?zāi)康膶?duì)分類資料進(jìn)行卡方檢驗(yàn)。二、實(shí)驗(yàn)環(huán)境 1、硬件配置：處理器：Intel（R） Core(TM) i5-4210U CPU 1.7GHz 1.7GHz 安裝內(nèi)存（RAM）：4.00GB 系統(tǒng)類型：64位操作系統(tǒng)2、軟件環(huán)境：IBM SPSS Statistics 19.0軟件三、實(shí)驗(yàn)內(nèi)容(包括本實(shí)驗(yàn)要完成的實(shí)驗(yàn)問題及需要的相關(guān)知識(shí)簡(jiǎn)單概述)（1） 課本第六章的例6.1-6.5運(yùn)行一遍，注意理解結(jié)果；（2） 然后將實(shí)驗(yàn)指導(dǎo)

2、書的例1-4運(yùn)行一遍，注意理解結(jié)果。四、實(shí)驗(yàn)結(jié)果與分析 （包括實(shí)驗(yàn)原理、數(shù)據(jù)的準(zhǔn)備、運(yùn)行過程分析、源程序（代碼）、圖形圖象界面等）例6.1表1 滅螨A和滅螨B殺滅大蜂螨效果的交叉制表效果合計(jì)殺滅未殺滅組別滅螨A321244滅螨B142236合計(jì)463480分析：表1是滅螨A和滅螨B殺滅大蜂螨效果的樣本分類的頻數(shù)分析表，即交叉列聯(lián)表。表2 卡方檢驗(yàn)X2值df漸進(jìn) Sig. (雙側(cè))精確 Sig.(雙側(cè))精確 Sig.(單側(cè))Pearson 卡方9.277a1.002連續(xù)校正b7.9441.005似然比9.4191.002Fisher 的精確檢驗(yàn).003.002有效案例中的 N80a. 0 單元格

3、(.0%) 的期望計(jì)數(shù)少于 5。最小期望計(jì)數(shù)為 15.30。b. 僅對(duì) 2x2 表計(jì)算分析：表2是卡方檢驗(yàn)的結(jié)果。因?yàn)閮山M各自的結(jié)果互不影響，即相互獨(dú)立。對(duì)于這種頻數(shù)表格式資料，在卡方檢驗(yàn)之前必須用“加權(quán)個(gè)案”命令將頻數(shù)變量定義為加權(quán)變量，才能進(jìn)行卡方檢驗(yàn)。 Pearson 卡方：皮爾遜卡方檢驗(yàn)計(jì)算的卡方值（用于樣本數(shù)n40且所有理論數(shù)E5）； 連續(xù)校正b：連續(xù)性校正卡方值（df=1，只用于2*2列聯(lián)表）； 似然比：對(duì)數(shù)似然比法計(jì)算的卡方值（類似皮爾遜卡方檢驗(yàn)）； Fisher 的精確檢驗(yàn):精確概率法計(jì)算的卡方值（用于理論數(shù)E5）。 不同的資料應(yīng)選用不同的卡方計(jì)算方法。 例6.1為2*2列聯(lián)表

4、，df=1，須用連續(xù)性校正公式，故采用“連續(xù)校正”行的統(tǒng)計(jì)結(jié)果。 X2=7.944，P（Sig）=0.0050.05,差異不顯著，可以認(rèn)為不同的治療方法與治療效果無關(guān)，即三種治療方法對(duì)治療效果的影響差異不顯著。例6.3表5 灌溉方式* 稻葉情況 交叉制表計(jì)數(shù)稻葉情況合計(jì)123灌溉方式114677160218391320531521416182合計(jì)4813036547分析：表5是灌溉方式* 稻葉情況資料分析的列聯(lián)表。表6 卡方檢驗(yàn)X2值df漸進(jìn) Sig. (雙側(cè))Pearson 卡方5.622a4.229似然比5.5354.237線性和線性組合4.5101.034有效案例中的 N547a. 0

5、單元格(.0%) 的期望計(jì)數(shù)少于 5。最小期望計(jì)數(shù)為 8.78。分析：表6是卡方檢驗(yàn)的結(jié)果。自由度df=4，樣本數(shù)n=547。表格下方的注解表明理論次數(shù)小于5的格子數(shù)為0，最小的理論次數(shù)為8.78。各理論次數(shù)均大于5，無須進(jìn)行連續(xù)性校正，因此可以采用第一行（Pearson 卡方）的檢驗(yàn)結(jié)果，即X2=5.622，P=0.2290.05,差異不顯著，即不同灌溉方式對(duì)稻葉情況的影響差異不顯著。例6.4表7 場(chǎng)地* 奶牛類型 交叉制表計(jì)數(shù)奶牛類型合計(jì)123場(chǎng)地115241251242713320131144合計(jì)393930108分析：表5是場(chǎng)地* 奶牛類型資料分析的列聯(lián)表。表8 卡方檢驗(yàn)X2值df漸進(jìn)

6、 Sig. (雙側(cè))精確 Sig.(雙側(cè))精確 Sig.(單側(cè))點(diǎn)概率Pearson 卡方9.199a4.056.056似然比8.8134.066.079Fisher 的精確檢驗(yàn)8.463.072線性和線性組合.719b1.397.404.217.036有效案例中的 N108a. 3 單元格(33.3%) 的期望計(jì)數(shù)少于 5。最小期望計(jì)數(shù)為 3.61。b. 標(biāo)準(zhǔn)化統(tǒng)計(jì)量是 -.848。分析：表8是卡方檢驗(yàn)的結(jié)果。自由度df=4，樣本數(shù)n=108。表格下方的注解表明理論次數(shù)小于5的格子數(shù)為3，最小的理論次數(shù)為3.61。需采用精確概率法計(jì)算，即用第三行（Fisher 的精確檢驗(yàn)）的檢驗(yàn)結(jié)果，即X2

7、=8.463，P=0.0720.05,差異不顯著，即3種奶牛牛場(chǎng)不同類型奶牛的構(gòu)成比對(duì)差異不顯著。例6.5表9 LPA* FA 交叉制表FA合計(jì)12LPA11701724711合計(jì)21728分析：表9是LPA* FA資料分析的列聯(lián)表。表10 配對(duì)卡方檢驗(yàn)值精確 Sig.(雙側(cè))McNemar 檢驗(yàn).125a有效案例中的 N28a. 使用的二項(xiàng)式分布。分析： 表10是LPA和FA兩種檢測(cè)方法的配對(duì)卡方檢驗(yàn)。由于b+c0.05，差異不顯著，即LPA法和FA法對(duì)番鴨細(xì)小病毒抗原的檢出率差異不顯著。表11 對(duì)稱度量值漸進(jìn)標(biāo)準(zhǔn)誤差a近似值 Tb近似值 Sig.一致性度量Kappa.680.1403.79

8、8.000有效案例中的 N28a. 不假定零假設(shè)。b. 使用漸進(jìn)標(biāo)準(zhǔn)誤差假定零假設(shè)。分析：表11為L(zhǎng)PA和FA兩種檢測(cè)結(jié)果的的一致性檢驗(yàn)。Kappa值是內(nèi)部一致性系數(shù)，除數(shù)據(jù)P值判斷一致性有無統(tǒng)計(jì)學(xué)意義外，根據(jù)經(jīng)驗(yàn)，Kappa0.75，表明兩者一致性較好0.7Kappa0.4，表明一致性一般，Kappa0.4，則表明一致性較差。本例Kappa值為0.680，P=0.000Kappa0.4，表明一致性一般。例1表12 周內(nèi)日頻數(shù)表觀察數(shù)期望數(shù)殘差11116.0-5.021916.03.031716.01.041516.0-1.051516.0-1.061616.0.071916.03.0總數(shù)11

9、2分析：表12結(jié)果顯示一周內(nèi)各日死亡的理論數(shù)（Expected）為16.0，即一周內(nèi)各日死亡均數(shù)；還算出實(shí)際死亡數(shù)與理論死亡數(shù)的差值（Residual）。表13 檢驗(yàn)統(tǒng)計(jì)量周日卡方2.875adf6漸近顯著性.824a. 0 個(gè)單元 (.0%) 具有小于 5 的期望頻率。單元最小期望頻率為 16.0。分析：Chi-Square過程，調(diào)用此過程可對(duì)樣本數(shù)據(jù)的分布進(jìn)行卡方檢驗(yàn)?？ǚ綑z驗(yàn)適用于配合度檢驗(yàn)，主要用于分析實(shí)際頻數(shù)與某理論頻數(shù)是否相符?？ǚ街礨2=2.875，自由度數(shù)（df）=6，P=0.8240.05，差異不顯著，即可認(rèn)為一周內(nèi)各日的死亡危險(xiǎn)性是相同的。例2表14 二項(xiàng)式檢驗(yàn)類別N觀察比

10、例檢驗(yàn)比例精確顯著性（雙側(cè)）性別組 1012.30.50.017組 2128.70總數(shù)401.00分析：調(diào)用Binomial過程可對(duì)樣本資料進(jìn)行二項(xiàng)分布分析。表14的二項(xiàng)分布檢驗(yàn)表明，女嬰12名，男嬰28名，觀察概率為0.70（即男嬰占70%），檢驗(yàn)概率為0.50，二項(xiàng)分布檢驗(yàn)的結(jié)果是雙側(cè)概率為0.017，可認(rèn)為男女比例的差異有高度顯著性，即與通常0.5的性比例相比，該地男嬰比女嬰明顯為多。例3表15 兩組工人的血鉛值及秩groupN秩均值秩和血鉛值1105.9559.502713.3693.50總數(shù)17分析：Independent Samples過程：調(diào)用此過程可對(duì)兩個(gè)獨(dú)立樣本的均數(shù)、中位數(shù)、離散趨勢(shì)、偏度等進(jìn)行差異比較檢驗(yàn)。有四種檢驗(yàn)方法：Mann-Whitney U：主要用于判別兩個(gè)獨(dú)立樣本所屬的總體是否有相同的分布；Kolmogorov-Smirnov Z：推測(cè)兩個(gè)樣本是否來自具有相同分布的總體；Moses extreme reactions：檢驗(yàn)兩個(gè)獨(dú)立樣本之觀察值的散布范圍是否有差異存在，以檢驗(yàn)兩個(gè)樣本是否來自具有同一分布的總體；Wald-Wolfowitz