今天和大家一起讨论一下SPSS-非参数检测--K个独立样本检测(Kruskal-Wallis检测)，并进行分类。
还是以SPSS教程为例：
假设： HO:不同地区儿童身高分布相同
H1 )不同地区身高分布不同
不同地区儿童身高样本数据如下。
提示：该样本数为4个(北京、上海、成都、广州)样本量)观察数均为5个
也就是说，K=43 n=5，此时样本逐渐变大，自由度呈现K-1的平方的分布。 (即卡方检验) ) ) ) )。
点击“分析”——非参数检测——旧对话框——K个独立样品检测，进入以下界面。
将“1岁儿童身高”变量拖动到右侧的“检查变量列表”中，将“城市(CS )变量”拖动到“组变量”中，单击“定义范围”，然后输入“最小值”和“最大值”。 (此处的变量类型必须为“数字型”。 如果不是数字类型，则必须首先定义或重新编码。
在“检验类型”下，选择“等级和检验”(Kruskal-Wallis检验)，然后单击“确定”
执行结果如下。
对结果进行如下分析。
1 :从“检验统计量a、b”表中，秩和统计量为13.900
自由度为3=k-1=4-1
接下来，我们来看看“秩和统计量”的计算过程。 如下所示。
假设“等级和统计量”为kw，则为：
其中n 1/2表示所有样本的“秩平均”Ri./ni表示第I个样本的秩平均Ri .表示第I个样本的秩和，而ni表示第I个样本的观察数目)
最终得到的公式如下
北京地区的“排名和”，平均排名*观察数(n )=14.4*5=72
上海地区的“秩和”为8.2*5=41
成都地区“秩和”为15.8*5=79
广州地区的“秩和”为3.6*5=18
接近13.90 (为了中途的计算，采用了四舍五入，舍弃了一部分数值，所以有一部分误差) )。
2 :根据“检验统计量a、b”表，“渐进显著性为0.003，为0.0030.01，故结论：
H1 )不同地区身高分布不同
转载于：https://www.cn blogs.com/answer Xin/p/3243704.html