【SPSS】两独立样本的曼-惠特尼U检验详细操作教程（附案例实战）

‍♂️ 个人主页：@艾派森的个人主页

✍作者简介：Python学习者
希望大家多多支持，我们一起进步！
如果文章对你有帮助的话，
欢迎评论 点赞 收藏 加关注+

---

目录

SPSS非参数检验概述

两独立样本的非参数检验

两独立样本的曼-惠特尼U检验

---

SPSS非参数检验概述

参数检验 VS 非参数检验

• 参数检验：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
• 非参数检验：在总体分布未知的情况下，利用样本数据对总体分布形态等进行推断的一类方法 

注意：

• 由于非参数检验方法不涉及有关总体分布的参数，因而得名“非参数”检验
• 如果样本不能很好的代表总体，任何检验方法都是无效的 

SPSS中的非参数检验方法

• 单样本的非参数检验
• 两独立样本的非参数检验
• 两配对样本的非参数检验 

两独立样本的非参数检验

两独立样本的非参数检验

• 在对总体分布不甚了解的情况下，通过对两个独立样本的分析推断样本来自的两总体的分布是否存在显著差异的方法
• 独立样本是指在从一个总体中随机抽样对在另一个总体中随机抽样没有影响的情况下所获得的样本

主要方法

• 曼-惠特尼U检验（Mann-Whitney U）
• K-S检验
• W-W游程检验
• 极端反应检验 

注意：

        不同分析方法对同一批数据的分析结论有可能不相同。这 一方面说明分析过程中对数据进行反复的探索性分析是极为必 要的；另一方面也说明了不同方法本身侧重点的差异性。 

 两独立样本的曼-惠特尼U检验

两独立样本的曼-惠特尼U检验（Mann-Whitney U）

• 基本思想：通过对两个样本平均秩的研究来进行推断        
  • 秩：简单说就是变量值排序的名次
• 原假设H0：两独立样本来自的两总体的分布无显著差异
• 检验统计量： 

         在小样本下，U统计量服从曼-惠特尼分布，SPSS自动计算出U统计量的观测值和概率P值；在大样本下，U统计量近似服从正态分布，SPSS将自动计算Z统计量和对应的概率P值。

        决策：如果概率P值小于等于给定的显著性水平α,则拒绝原假设,认为样本来自的两总体的分布存在显著差异;反之则接受原假设，认为样本来自的两总体的分布不存在显著差异。

【案例】 某工厂用甲、乙两种不同的工艺生产同一种产品。如果希望检验两种工艺下产品的使用寿命的分布是否存在显著差异，可从两种工艺生产出的产品中随机抽样，得到各自的使用寿命数据。

操作步骤：

①选择菜单【分析】----> 【非参数检验】----> 【旧对话框】----> 【2个独立样本】

②选择检验变量、分组变量、检验类型

③点击“确定”，分析结果如下： 

        结论：从上表可知，从甲、乙两种工艺中分别抽取了7个和8个样品，由于是小样本，因此采用U统计量的精确概率。如果显著性水平α为0.05，由于概率P值小于显著性水平α，因此应该拒绝原假设，认为甲、乙两种工艺下产品使用寿命的分布存在显著差异。 

文末福利

《商务统计学基础：从不确定性到人工智能》免费送出！

内容简介：

        在大数据时代背景下，统计学作为数据分析领域的基础，被应用于各行各业，其方法发挥着重要作用。为了更广泛地普及统计学知识，培养更多的统计学人才，本书应运而生。 

        作为入门级图书，本书内容安排如下。第1章从不确定性出发，讲述统计学和不确定性的关系，以及统计学中用于描述不确定性的各种概率模型。第2章是参数估计，系统讲述统计学中矩估计和极大似然估计两种常用的参数估计方法，并基于两种方法介绍各种常见概率分布中参数的点估计和区间估计。第3章是假设检验，首先从不确定性的角度探讨实际中的各种决策问题，帮助读者理解假设检验的思想和应用场景，然后系统介绍假设检验的方法论及各种常见推广。第4章是回归分析，首先介绍回归分析的思想和广泛的应用场景，然后系统地介绍各类常用模型，从线性回归到广义线性回归，最终落脚到两种机器学习算法（决策树、神经网络）。 

        本书特别强调实际应用，因此各个章节都辅以大量的实际案例，在介绍统计学基础知识的同时培养读者使用统计学方法解决实际问题的能力。

参与福利 

• 抽奖方式：评论区随机抽取2位小伙伴免费送出！
• 参与方式：关注博主、点赞、收藏、评论区评论“人生苦短，我用Python！”（切记要点赞+收藏，否则抽奖无效，每个人最多评论三次！）
• 活动截止时间：2023-04-15 20:00:00
•  京东自营购买链接：https://item.jd.com/10069307972258.html

名单公布时间：2023-04-15 21:00:00