仅供参考，正误自辩
统计描述
例：随机测得某地20名正常人血糖结果如下，编制频数分布表，绘制频数分布图。 493 519 488 549 483 525 490 553 454 585 435 541 412 395 437 415 334 451 495 453
1. 分析→ 描述统计 → 频率 → 统计量
N
Valid Missing
Mean 均数
Std. Error of Mean 均数的标准误 Median 中位数 Mode 众数 Std. Deviation 标准差 Variance 方差 Skewness 偏度系数 Std. Error of Skewness
Kurtosis 峰度系数 Std. Error of Kurtosis
Range 极差，全距 Minimum 最小值 Maximum 最大值 Sum 合计 Percentiles
25 50 75
a. Multiple modes exist. The smallest value is shown 2. 分析→ 描述统计 → 探索 → 绘制 带检验的正态图
Tests of Normality
a
20 0
475.3500 13.76748 485.5000 334.00 61.57005 3790.871
-.321 .512 .054 .992 251.00 334.00 585.??0 9507.00 435.5000 485.5000 523.5000
a
VAR??0001
Kolmogorov-Smirnov（大样本） Statistic
.099
df
20
Sig. .200
*
Shapiro-Wilk（n≤50，小样本） Statistic
.982
df
20
Sig. .958
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
一、统计量 _
n=20， 均数 x=475.35 ， 中位数M=485.50 ， 众数Mo= 334.00,
P25= 435.50 , P75=523.50 , Xmax=585.00, Xmin=224.00， R=251.00， 方差S2=3790.87， 标准差S=61.57 二、正态检验
①假设：H0：数据分布与正态分布无差异，
H1：数据分布与正态分布有差异，α=0.05，双侧检验。 ② P=0.958 >0.05，拒绝H1 ，接受H0。 ③ 结论：数据符合正态分布。
仅供参考，正误自辩
单样本t检验（计量资料）
例：已知野生人参中M物质的含量服从正态分布，总体均值为63.5，今9次测得一批人工培植人参中M物质的含量为40.0、41.0、41.5、41.8、42.4、43.1、43.5、43.8、44.2，推断这批人工培植人参中M物质的含量与野生人参是否相同。 解题步骤： 1.正态性检验，分析→ 描述统计 →探索 →绘制，带检验的正态图； Tests of Normality Kolmogorov-Smirnov Statistic M含量 .144 df 9 Sig. .200 *aShapiro-Wilk Statistic .964 df 9 Sig. .840 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction 注：如正态性检验无法通过，则不能用单样本t检验，要用单样本秩和检验 2.单样本t检验，得出P值。分析→比较均值 → 单样本T检验 One-Sample Statistics M含量 N 9 Mean 42.3667 Std. Deviation Std. Error Mean 1.40446 .46815 One-Sample Test t df Sig. (2-tailed) Test Value = 63.5 Mean Difference 95% Confidence Interval of the Difference Lower M含量 Upper -20.0538 -45.142 8 .000 -21.13333 -22.2129 一、正态检验 ①假设：H0:M物质含量与正态分布无差异， H1：M物质含量与正态分布有差异，α=0.05，双侧检验 ②P=0.84>0.05，拒绝H1，接受H0 ③结论：M物质含量符合正态分布， 二、单样本t检验 ①假设：H0：μ=63.5，即人工培植人参中M物质含量与野生人参相同； H1：μ≠63.5，即人工培植人参中M物质含量与野生人参不相同，α=0.05，双侧检验。 ②t= -45.142，d?=8，P<0.05，拒绝H0，接受H1. ③结论：人工培植人参中M物质含量与野生人参不相同 ┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉┉
配对样本t检验（计量资料）
例：为研究三棱莪术液的抑瘤效果，将20只小白鼠配成10对，每对中的两只随机分到试验
仅供参考，正误自辩
组和对照组，两组都接种肿瘤，试验组在接种肿瘤三天后注射30%的三棱莪术液0.5，对照组则注射蒸馏水0.5，结果见表，比较两组瘤体大小是否相同。 对照组 3.6 4.5 4.2 4,4 3,7 5.6 7.0 4.1 5.0 4.5 实验组 3.0 2.3 2.4 1.1 4.0 3.7 2.7 1.9 2.6 1.3 解题步骤： 1.对配对差值进行正态检验，转换 → 计算变量 d=对照-实验 分析→ 描述统计 →探索→绘制，带检验的正态图 Tests of Normality Kolmogorov-Smirnov Statistic d .193 df 10 Sig. .200 *aShapiro-Wilk Statistic .963 df 10 Sig. .819 *. This is a lower bound of the true significance. a. Lilliefors Significance Correction 注：如正态性检验无法通过，则不能用配对样本t检验，要用配对样本秩和检验 2.进行配对样本t检验 分析→比较均值 → 配对样本T检验 Paired Samples Statistics Pair 1 对照 实验 Mean 4.6600 2.5000 N 10 10 Std. Deviation 1.00907 .93095 Std. Error Mean .31910 .29439 Paired Samples Test Paired Differences 95% Confidence Std. Mean Pair 1 Interval of the Std. Error Mean Difference Lower Upper t df 9 Sig. (2-tailed) .001 Deviation 1.32094 对照 - 实验 2.16000 .41772 1.21505 3.10495 5.171 一、配对差值正态检验 ①假设：H0：配对差值d与正态分布无差异； H1：配对差值d与正态分布有差异，α=0.05，双侧检验。 ② P=0.819>0.05，拒绝H1，接受H0。 ③结论：配对差值d符合正态分布。 二、配对t检验 ①假设：H0：配对差值d的总体均数μd=0； H1：μd≠0，α=0.05，双侧检验。 _② x对 =4.6600， S对 = 1.00907 Sx对= 0.31910 _x实 =2.5000， S实 = 0.93095 Sx实=0.29439 t=5.171 ， d?=9 ， d= 2.160 S= 1.32094 Sd=0.41772 P= 0.001＜ 0.05，拒绝H0，接受H1 ③ 结论：可认为三棱莪术液有抑瘤效果。 __——仅供参考，正误自辩
两独立样本t检验（计量资料）
例：某医师研究转铁蛋白测定对病毒性肝炎诊断的临床意义，测得12名正常人和15名病毒
性肝炎患者血清转铁蛋白含量的结果如下：
正常人：265.4、271.5、284.6、291.3、254.8、275.9、281.7、268.6、264.1、273.2、270.8、260.5
患者：256.9、235.9、215.4、251.8、224.7、228.3、231.1、253.0、221.7、218.8、233.8、230.9、240.7、260.7、224.4
本例为完全随机设计资料，推断转铁蛋白测定对病毒性肝炎诊断的意义。 解题步骤： 1. 检验两总体正态性，分析→ 描述统计 →探索（把检验变量放入因变量列表，把分组变量放入因子变量列表）→绘制 →带检验的正态图 Tests of Normality 转铁蛋白含量 观察对象 Kolmogorov-Smirnov Statistic df 12 15 Sig. .200 .200 **aShapiro-Wilk （小样本） Statistic .986 .927 df 12 15 Sig. .998 .245 正常人 dimension1 .116 .147 患者 a. Lilliefors Significance Correction *. This is a lower bound of the true significance. 注：只要存在一组不符合正态性，就不能用两独立样本t检验，要用两独立样本秩和检验。 2. 两独立样本T检验 分析→比较均值 → 独立样本T检验 （把检验变量放入因变量列表，把分组变量放入因子变量列表，并定义组） Group Statistics 转铁蛋白含量 观察对象 正常人 dimensN 12 Mean 271.867 Std. Deviation 10.3971 Std. Error Mean 3.0014 仅供参考，正误自辩
患者 ion1 15 235.207 14.3907 3.7157 Independent Samples Test Levene's Test for Equality of 转铁蛋白含量 Variances Sig. (2-taileF Equal variances assumed 方差齐 Equal variances not assumed 方差不齐 t-test for Equality of Means 95% Confidence Interval of Mean Difference 36.6600 Std. Error Difference 4.9528 the Difference Lower 26.4595 Upper 46.8605 Sig. .183 t 7.402 df 25 d) .000 1.877 7.675 24.795 .000 36.6600 4.7764 26.8186 46.5014 一、正态分布检验 P正=0.998> 0.05 ， P患=0.245 >0.05 结论：血清转铁蛋白含量符合正态分布。 二、方差齐性检验 F=1.877，P= 0.183> 0.05 结论：可认为两总体方差齐性。 三、两独立样本t检验 ① 假设：H0：μ正=μ患，即正常人与病毒性肝炎患者的转铁蛋白含量相等； H1：μ正≠μ患，α=0.05，双侧检验。 _② n正= 12 ，x= 271.867 ，S正= 10.3971 ， S x正= 3.0014 _n患= 15 ，x= 235.207 ， S患= 14.3907 ， S x患= 3.7157 t=7.402 P <0.05，拒绝H0，接受H1. ③结论：可认为病毒性肝炎患者的转铁蛋白含量较低。
__方差分析（计量资料）
例：研究单味中药对小白鼠细胞免疫机能的影响，把39只小白鼠随机分为四组，雌雄尽量各
半，用药15天后，进行E-玫瑰花结形成率测定，结果如表： 对照组 14 10 12 16 13 14 10 13 9 淫羊藿组 35 27 33 29 31 40 35 30 28 36 党参组 21 24 18 17 22 19 18 23 20 18
仅供参考，正误自辩
黄芪组 24 20 22 18 17 21 18 22 19 23 分析四种用药对小白鼠细胞免疫机能的影响是否相同。 解题步骤： 1.检验四组数据的正态性（与上面操作类似，此处略去）。 注：只要存在一组不符合正态性，就不能用方差分析，要用秩和检验。 2.方差分析及方差齐性检验： 分析→比较均值 →单因素 ANOVA（把检验变量放入因变量列表，把分组变量放入因子里） → 两两比较 LSD、Dunnett-第一个、Games-Howell → 选项 描述性、方差同质性检验 ANOVA E-SFC Between Groups Within Groups Total Sum of Squares 1978.944 296.800 2275.744 df 3 35 38 Mean Square F Sig. Test of Homogeneity of Variances (图略) 659.648 77.789 .000 8.480 Descriptives E-SFC N 对照组 淫羊霍 党参 黄芪 Total 9 10 10 10 39 12.33 32.40 20.00 20.40 21.51 Std. Mean Deviation Std. Error 2.291 4.115 2.404 2.366 7.739 .764 1.301 .760 .748 1.239 95% Confidence Interval for Mean Lower Bound 10.57 29.46 18.28 18.71 19.00 Upper Bound 14.??9 35.34 21.72 22.09 24.02 Minimum 9 27 17 17 9 Maximum 16 40 24 24 40 Multiple Comparisons Dependent Variable:E-SFC LSD (I) Group (J) Group Mean Difference??(I-J) Std. Error Sig. .000 .000 .000 .000 .000 .000 .000 .000 .761 .000 .000 .761 .000 *95% Confidence Interval Lower Bound -22.78 -10.38 -10.78 17.35 9.76 9.36 4.95 -15.04 -3.04 5.35 -14.64 -2.24 16.79 Upper Bound -17.35 -4.95 -5.35 22.78 15.04 14.64 10.38 -9.76 2.24 10.78 -9.36 3.04 23.34 对照组 dimension3 淫羊霍 党参 黄芪 -20.067 -7.667 -8.067 20.067 12.400 12.000 7.667 -12.400 -.400 8.067 -12.000 .400 20.067 **********1.338 1.338 1.338 1.338 1.302 1.302 1.338 1.302 1.302 ??.338 1.302 1.302 1.338 淫羊霍 dimension3 对??组 党参 黄芪 dimension2 党参 dimension3 对照组 淫羊霍 黄芪 黄芪 dimension3 对??组 淫羊霍 党参 Dunnett t 淫羊霍 dimension2 dimension3 对照组 仅供参考，正误自辩
(2-sided) a党参 黄芪 对照组 dimension3 7.667 8.067 **1.338 1.338 .000 .000 4.39 4.79 10.94 11.34 对照组 dimensi??n3 一、正态分布检验 P均大于0.05。结论：E-SCF形成率服从正态分布。 二、方差分析 ①假设：H0：各组E-SCF形成率相同；H1：各组E-SCF形成率不全相同，α=0.05，双侧 ②SS组间=1978.944 ，d?组间=3； SS组内= 296.800 ，d?组内=35； MS组间= 659.648 ，MS组内=8.480； F= 77.789， P<0.05，拒绝H0，接受H1. ③结论：各组E-SCF形成率不全相同。 三、方差齐性检验 假设： H0：各组方差齐； H1：各组方差不齐，α=0.05，双侧检验。 F=2.601，P= 0.067> 0.05，拒绝1，接受H0 结论：各组满足方差齐性。 四、多重比较 __对照组： x=12.33 ，S=2.291 ， Sx=0.764 __淫羊藿组: x=32.40 ，S=4.115 ， Sx=1.301 __党参组： x=20.00 ，S=2.404 ， Sx=0.760 __黄芪组： x=20.40 ，S=2.366 ， Sx=0.748 ①对照组与淫羊藿组比较： P <0.05 结论：对照组药物与淫羊藿对E-SCF的影响不同； ②对照组与党参组比较： P <0.05 结论：对照组药物与对E-SCF的影响不同； ③对照组与黄芪组比较： P <0.05 结论：对照组药物与黄芪对E-SCF的影响不同； ④淫羊藿组与党参组比较： P <0.05 结论：淫羊藿与党参对E-SCF的影响不同； ⑤淫羊藿组与黄芪组比较： P <0.05 结论：淫羊藿与黄芪对E-SCF的影响不同； ⑥党参组与黄芪组比较： P=0.761 >0.05。结论：党参与黄芪对E-SCF的影响相同。 四格表的卡方检验（计数资料）——在样本容量n≥40，且四个格子中最小的理论值≥5时 例：某中医院收治376例胃脘痛患者，随机分成两组，分别用新研制的中药胃金丹和西药治
疗，结果如下，探讨两种药物疗效有无差别; 组别 有效例数 无效例数 胃金丹组 271 5 西药组 74 26 合计 345 31
合计 276 100 376 有效率 98.19% 74% 91.76% 仅供参考，正误自辩
解题步骤： 数据→加权个案→把“例数”移入频率变量进行加权 进行X2检验，得出Pearson X2及P值。 分析→描述统计→交叉表 把“组别”移入“行”，把“疗效”移入“列” 统计量→卡方 单元格→观察值，期望值 组别 * 疗效 Crosstabulation 组别 胃金丹组 Count Expected Count 西药组 Count Expected Count Total Count Exp??cted Coun 疗效 有效 271 253.2 74 91.8 345 345.0 无效 5 22.8 26 8.2 31 31.0 Total 276 276.0 100 100.0 376 376.0 Chi-Square Tests 1≤T<5 N＜40 或 T＜1 Pearson Chi-Square Continuity Correction Likelihood Ratio Fisher's E??act Test Linear-by-Linear Association N of Valid Cases bAsymp. Sig. Value 56.772 53.619 49.468 aExact Sig. (2-sided) Exact Sig. (1-sided) df 1 1 1 (2-sided) .000 .000 .000 .000 .000 56.621 376 1 .000 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 8.24. b. Computed only for a 2x2 table Symmetric Measures Nominal by Nominal N of Valid Cases Contingency Coefficient Value .362 376 Approx. Sig. .000 有效观测数≥40,所有理论频数＞5，采用Pearson X2结果； 若存在1≤理论频数＜5，则采用Continuity Correction X2 ①假设：H0：胃金丹组与西药组疗效无差异； H1：胃金丹组与西药组疗效有差异，α=0.05，双侧检验 ②T11= 253.2 T12= 22.8 n= 376 T21= 91.8 T22= 8.2 ③pearsonχ2 检验 χ2=56.772 P ＜ 0.05,拒绝H0，接受H1 结论：认为西药治愈率不同，pearson列联系数C=0.362 仅供参考，正误自辩
四格表校正卡方检验（计数资料）——当n≥40，且存在一个格子的理论值<5但≥1时。
为观察某中草药预防流感的效果，试验组服药，28人有25人未发病；对照组不服药，30人有24人未发病。试判断该中草药有无预防流感的作用。 解题步骤： 数据→加权个案→把“例数”移入频率变量进行加权 进行X2检验，得出Pearson X2及P值。 分析→描述统计→交叉表 把“组别”移入“行”，把“疗效”移入“列” 统计量→卡方 单元格→观察值，期望值 组别 * 疗效 Crosstabulation 组别 服药 Count Expected Count 未服药 Count Expected Count Total Count Expected Count 疗效 未发病 25 23.7 24 25.3 49 49.0 发病 3 4.3 6 4.7 9 9.0 Total 28 28.0 30 30.0 58 58.0 Chi-Square Tests Pearson Chi-Square Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases bAsymp. Sig. Value .953 .376 .971 aExact Sig. (2-sided) Exact Sig. (1-sided) df 1 1 1 (2-sided) .329 .540 .324 .473 .272 .936 58 1 .333 a. 2 cells (50.0%) have expected count less than 5. The minimum expected count is 4.34. b. Computed only for a 2x2 table 仅供参考，正误自辩
Symmetric Measures Nominal by Nominal N of Valid Cases Value .127 58 Approx. Sig. .329 Contingency Coefficient ① 设：H0：服药组与未服药组疗效无差异； H1：服药组与未服药组疗效有差异，α=0.05 ② T11= 23.7 T12= 4.3 n= 58 T21= 25.3 T22= 4.7 ＜5但≥1，使用校正卡方检验 ③ 连续性校正χ2 检验 ?2=0.376 P =0.540 > 0.05,拒绝H1，接受H0 结论：不能认为该中草药有预防流感的作用。 四格表确切概率法（计数资料） ——当n<40或存在一个格子的理论值<1时
例：研究中药制剂红花散改善周围血管闭塞性病变患者的皮肤微循环状况，以安慰剂作对照，
将37个病例随机分到2组，结果如表，分析红花散的疗效。 组别 改善 无效 合计 红花散组 15 5 20 安慰剂组 3 14 17 合计 18 19 37 改善率 75.0 17.6 48.6 解题步骤： 数据→加权个案→把“例数”移入频率变量进行加权 进行X2检验，得出Pearson X2及P值。 分析→描述统计→交叉表 把“组别”移入“行”，把“疗效”移入“列” 统计量→卡方 单元格→观察值，期望值 处理 * 疗效 Crosstabulation 处理 用药组 安慰剂组 Total Count Expected Count Count Expected Count Count Expected Count 疗效 改善 15 9.7 3 8.3 18 18.0 无效 5 10.3 14 8.7 ??9 19.0 Total 20 20.0 17 17.0 37 37.0 Chi-Square Tests Pearson Chi-Square Asymp. Sig. Value 12.099 aExact Sig. (2-sided) Exact Sig. (1-sided) df 1 (2-sided) .001
仅供参考，正误自辩
Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases 37 b9.913 12.928 1 1 .002 .000 .001 .001 11.772 1 .001 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 8.27. b. Computed only for a 2x2 table ①假设：H0：红花散无效； H1：红花散有效，α=0.05，双侧检验 ②T11= 9.7 T12= 10.3 n= 37 < 40，使用四格表确切概率法 T21= 8.3 T22= 8.7 ③Fisher's Exact 检验 P =0.001 ＜ 0.05,拒绝H0，接受H1 结论：认为红花散能够改善周围血管闭塞性病变患者的皮肤微循环状况。
配对四格表（计数资料）
把205份标本的每一份分别接种甲、乙两种培养基，甲、乙均生长的36份，甲生长、乙不生长的34份，甲不生长、乙生长的0份，甲、乙均不生长的135份，比较两种培养基的效果是否相同。
解题步骤：
数据→加权个案→把“例数”移入频率变量进行加权 分析→ 非参数检验 → 旧对话框 → 2个相关样本 检验类型: McNemar
甲 & 乙
甲
生长
生长 不生长
36 0 a
乙
不生长
34 135 Test Statistics N
Chi-Square Asymp. Sig. a. McNemar Test
b. Continuity Corrected
甲 & 乙
205 b
32.029 .000 ① 设：H0：甲乙培养基的效果相同； 仅供参考，正误自辩
H1：甲乙培养基的效果不同，α=0.05 ② O12＋O21＝34＋0＝34＜40，使用校正McNemar检验 ?2=32.029 P< 0.05,拒绝H0，接受H1 结论：两种培养基的效果不同，并可以认为甲培养基的生长效果高于乙培养基。。
R×C列联表卡方 检验（计数资料） 解题步骤： 数据→加权个案→把“例数”移入频率变量进行加权 进行X2检验，得出Pearson X2及P值。 分析→描述统计→交叉表 把“组别”移入“行”，把“疗效”移入“列” 统计量→卡方 单元格→观察值，期望值 组别 * 疗效 Crosstabulation 组别 新复方 Count Expected Count 降压方 Count Expected Count 安慰剂 Count Expected Count Total Count Expected Count 疗效 有效 35 24.8 20 18.6 7 18.6 62 62.0 无效 5 15.2 10 11.4 23 11.4 38 38.0 Total 40 40.0 30 30.0 30 30.0 100 100.0 Chi-Square Tests Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases Asymp. Sig. Value 30.355 31.884 28.942 100 adf 2 2 1 (2-sided) .000 .000 .000 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 11.40. Symmetric Measures Nominal by Nominal N of Valid Cases Value .483 100 Approx. Sig. .000 Contingency Coefficient
仅供参考，正误自辩
① 设：H0：“疗法”与“疗效”独立； H1：“疗法”与“疗效”不独立，α=0.05 ② T11= 24.8 T12= 15.2 n= 100 T21= 18.6 T22=11.4 T31= 18.6 T32=11.4 ③ pearsonχ2 检验 ?2=30.355, df＝2 P< 0.05,拒绝H0，接受H1 结论：三组效果有差别。
单样本卡方检验（计数资料或等级资料）
以书上P111的例7-7为例
解题步骤：
1、输入数据
2、数据→加权个案→把“人数”移入频率变量进行加权 3、分析→非参数检验→旧对话框→卡方
把“满意度”移入检验变量列表，期望值选择“所有类别相等”
注：在例7-8中，则需要在期望值下面选择“值”，然后手动添加2，再添加1 4、点击“确定”，根据卡方值以及相应的P值做出结论。
答题步骤：
1、H0：五种态度的比例相同 H1：五种态度的比例不同
2、?2=120，P值<0.05，故拒绝H0，可以认为五种态度的比例不同。
配对秩和检验（计量资料）
例：对12份血清分别用原法（检测时间20分钟）和新法（检测时间10分钟）检测谷-丙转
氨酶，结果见下表，检验两种方法检测结果是否相同？ 编号 1 2 3 4 5 6 7 8 原法 60 112 195 80 242 180 165 38 新法 80 152 243 82 204 220 205 38 1.对配对差值进行正态检验，转换 → 计算变量 d=原法-新法 2. 分析→ 描述统计 →探索→绘制，带检验的正态图 9 10 202 44 243 44 11 12 236 65 192 100 Tests of Normality Kolmogorov-Smirnov Statistic d .233 df 12 Sig. .070 aShapiro-Wilk Statistic .846 df 12 Sig. .033 a. Lilliefors Significance Correction 3. 分析→非参数检验 → 旧对话框 → 2个相关样本 仅供参考，正误自辩
检验类型: Wilcoxon Wilcoxon Signed Ranks Test Ranks Negative Ranks 原法 - 新法 Ties Total a. 原法 < 新法 b. 原法 > 新法 c. 原法 = 新法 Positive Ranks N 8 2 2 cbaMean Rank 5.25 6.50 Sum of Ranks 42.00 13.00 12 Test Statistics Z Asymp. Sig. (2-tailed) 原法 - 新法 -1.482 .138 baa. Wilcoxon Signed Ranks Test b. Based on positive ranks. 一、对差值进行正态检验 P=0.033< 0.05 结论：差值d不服从正态分布 二、配对秩和检验 ①假设：H0：原法与新法的效果无差异； H1：原法与新法的效果有差异，α=0.05，双侧检验。 ②T（+）=13 T（-）=42 Z=-1.482 P=0.138> 0.05 , 拒绝H1，接受H0. ③结论：尚不能认为两法检测谷-丙转氨酶的结果不同。
两独立样本秩和检验（计量资料）
例：为了考察中药葛根对心脏的影响，使用3g/100mL和5g/100mL葛根的剂量，测定大鼠用
药后一分钟心肌收缩的抑制率（用药后心肌的收缩量/用药前心肌的收缩量），比较这两种葛根剂量对心肌收缩作用是否相同。 3g/100mL抑制率 94.45 54．69 —1.24 81.80 85.19 86.92 91.32 5g/100mL抑制率 90.71 98.25 79.92 90.68 68.64 91.90 解题步骤： 仅供参考，正误自辩
1.检验两总体正态性，分析→ 描述统计 →探索（把检验变量“抑制率”放入因变量列表，把分组变量“葛根剂量”放入因子变量列表）→绘制 →带检验的正态图 Tests of Normality 抑制率 葛根剂量 Kolmogorov-Smirnov Statistic df 7 6 Sig. .012 .067 Statistic .728 .889 aShapiro-Wilk df 7 6 Sig. .007 .314 3g/100 ml组 5g/100 ml组 .344 .313 a. Lilliefors Significance Correction 2． 分析→ 非参数检验 →旧对话框 → 2个独立样本 把“抑制率”移入检验变量列表，把“葛根剂量”移入分组变量并定义组1、2 检验类型选择Mann-Whitney U Ranks Sum of Ranks 43.00 48.00 Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] a. Not??corrected for ties. b. Grouping Variable: 葛根剂量 Test Statistics b 抑制率 葛根剂量 3g/100 ml组 5g/100 ml组 Total N 7 6 13 Mean Rank 6.14 8.00 Mann-Whitney U 抑制率 15.000 43.000 -.857 .391 .445 a 一、对两样本进行正态检验 第一种剂量正态性检验的P值=0.007 <0.05, 第二种剂量正态性检验的P值 = 0.314 >0.05 结论：两葛根剂量心肌收缩抑制率不全服从正态分布。 二、两独立样本秩和检验 ①假设：H0：两种葛根剂量心肌收缩抑制率的总体分布位置相同； H1：两种葛根剂量心肌收缩抑制率的总体分布位置不同，α=0.05，双侧检验。 ②T3= 43.00 ， T5=48.00 Z=-0.857 P=0.391> 0.05 , 拒绝H1，接受H0. ③结论：尚不能认为两种葛根剂量对大鼠用药后一分钟心肌收缩的抑制率不同。 多组独立样本秩和检验（计量资料）
例：比较A、B、C三种中药的灭钉螺作用，各作5批观察，每批对200只活钉螺用药后清点
每批钉螺的死亡数，计算死亡率（%），结果如下 A药 32.5 35.5 40.5 B药 16 20.5 22.5 C药 6.5 9 12.5 46 29 18 49 36 24 N=5 N=5 N=5 解题步骤： 1．因“百分率”一般不符合正态性要求，实践中可直接用Kruskal Wallis H 检验。其他类型的计量数据需要先分别对每组样本检验正态性，检验正态性的步骤和前面类似。考试时为了简单起见，包括百分率在内
仅供参考，正误自辩
的计量资料都需要检验正态性。 2． 分析→ 非参数检验 →旧对话框 → k个独立样本
把“死亡率”移入检验变量列表，把“药物”移入分组变量并定义范围1-3
检验类型选择Kruskal-Wallis H
Ranks
死亡率
Test Statistics
Mean Rank 5 5 5 15
12.60 7.60 3.80
a,b
药物 A B C Total
N
Chi-square df
Asymp. Sig.
死亡率 9.740
2 .008
a. Kruskal Wallis Test b. Grouping Variable: 药物
假设： H0：三种中药杀钉螺死亡率的总体分布位置相同； H1：三总体分布位置不全相同，α=0.05，双侧检验。 TA=63 秩均值A=12.60 TB=38 秩均值B=7.60 TC=19 秩均值C=3.80 df= 2 H = 9.740， P= 0.008 < 0.05,拒绝H0，接受H1 结论： 可认为三种药物的杀灭钉螺的效果不全相同。 等级资料两独立样本秩和检验(等级资料的多独立样本秩和检验与计量资料类似，仅仅
是多了一步“加权个案”，此处省略不写)
婴儿一般肝炎与重症肝炎患者血清胆红质数据如表4-11所示，两组血清胆红质是否不同。
表4-11 婴儿不同肝炎患者血清胆红质（mg%）数据 肝炎 一般组 重症组
4 0
11 0
血清胆红质 5～ 15 2
0 10
0 1
0 4
0 2
＜1 1～
10～ 15～ 20～ 25～
1. 数据→加权个案→把“例数”移入频率变量进行加权 2．分析→非参数检验→旧对话框→2个独立样本→ 把“血清胆红质”移入检验变量列表，在分组变量下面移入“组别” 并定义组。检验类型选择Mann-Whitney U 仅供参考，正误自辩
Ranks 组别 一般组 血清胆红质 重症组 Total Test Statistics Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) a. Grouping Variable: 组别 N 30 19 49 aMean Rank 16.00 39.21 Sum of Ranks 480.00 745.00 血清胆红质 15.000 480.000 -5.722 .000 这是等级资料，是单向有序列联表且样本容量较小，不宜用Ridit分析。 建立假设检验，H0：两总体分布相同，H1：两总体分布不同。 由上面的检验统计量可知，双侧P＜0.05，以?＝0.05水准拒绝H0，两总体分布不同。并可以认为重症肝炎患者血清胆红质高于一般肝炎患者 Kappa检验（等级资料，双向有序属性相同列联表）
以书上P118例7-13为例
解题步骤：
1、输入数据
2、数据→加权个案→把“例数”移入频率变量进行加权 3、分析→描述统计→交叉表 把“对比组”移入“行”，把“核素组”移入“列” 统计量→Kappa 单元格→观察值，期望值 根据得到的Kappa统计量的大小做出结论。≥0.75说明一致程度相当满意，≥0.4说明一致程度尚可。 答题步骤：
1、H0：两方法检验结果不一致 H1：两方法检验结果一致
2、Kappa统计量为0.6809>0.4,说明两方法测定结果的一致程度尚可。
仅供参考，正误自辩
Pearson、Spearman相关分析（计量资料）
例：测得某地10名三岁儿童的体重与体表面积如下，进行相关分析。
体重 11.0 11.8 12.0 12.3 13.1 13.7 14.4 14.9 15.2 16.0 面积 5.283 5.299 5.358 5.602 5.292 6.014 5.830 6.102 6.075 6.411 解题步骤： 1、对体重、体表面积进行正态性检验，符合正态性；(此处与上面操作类似，略去) 2、进行直线相关分析，得出P值。 分析→相关 → 双变量 → Pearson ，Spearman 两变量均服从正态分布，积差相关→Pearson；至少一个不服从正态分布→秩相关→Spearman Correlations 体重 Pearson Correlation S??g. (2-tailed) N 面积 Pearson Correlation Sig. (2-tailed) N 体重 1 体表面积 .918 .000 10 10 1 ** .918 .000 10 ** 10 **. Correlation is significant at the 0.01 level (2-tailed). 一、正态检验 体重P=0.790 体表面积P=0.153 结论：体重与体表面积的正态检验P值均>0.05，符合正态性。 二、积差相关系数 r=0.918 三、相关系数的检验 ①假设：H0：总体相关系数为零； H1：总体相关系数不为零； ②P<0.05,接受H1 ③结论：体重与体表面积有显著的直线相关关系，相关系数为0.918。 等级资料直线相关分析
例：12名急性白血病患儿的血小板数与出血症状资料见表，分析两者之间有无直线关系：
血小板数 12160 出血症状 +++ 仅供参考，正误自辩
13790 16500 31050 42600 54270 74240 106400 126170 129000 143880 200400 ++ + - ++ ++ - - - - +++ - 解题步骤： 1、将出血症状等级赋值转换成计量资料 2、等级相关分析，得出P值。 分析→相关→双变量→Kendall's tau-b ，Spearman Correlations Kendall's tau_b 血小板数 Correlation Coefficient Sig. (2-tailed) N 出血等级 Correlation Coefficient Sig. (2-tailed) N Spearman's rho 血小板数 Correlation Coefficient Sig. (2-tailed) N 出血等级 Correlation Coefficient Sig. (2-tailed) N 血小板数 1.000 . 12 -.377 .117 12 1.000 . 12 -.422 .172 12 出血等级 -.377 .11 1 1.000 . 12 -.422 .172 12 1.000 ?? 12 等级资料，宜用等级相关或秩相关分析法。 ①假设：H0：ρ=0，2-7岁急性白血病患儿的血小板数与出血症状之间无直线相关关系； H1：ρ≠0，2-7岁急性白血病患儿的血小板数与出血症状之间有直线相关关系； Kendall相关系数=-0.377，P=0.117；Spearman相关系数=-0.422，P=0.172 ②P>0.05，接受H0 ③结论：可以认为2-7岁急性白血病患儿的血小板数与出血症状之间没有直线相关关系。
一元线性回归分析及预测
回归分析一般只需要检验因变量的正态性，如果因变量不符合正态性，要做数据转换，比如对因变量开根号后作为新的因变量，考试时可以略去这步。
用双波长薄层扫描仪测定紫草含量，浓度C（mg/100ml）与测得积分值H数据如表5-10所示，建立积分值H关于浓度C的回归方程并做相关检验分析。在C0＝12时，求H的点预测值以及H的个体值95%预测区间。
仅供参考，正误自辩
表5-10 紫草含量浓度C与测得积分值H数据 浓度C 积分值H
5 15.2
10 31.7
15 46.7
20 58.9
25 76.9
30 82.8
解题步骤： 1、在spss数据视图中“浓度”这一列增加一个数据12 2、分析 → 回归 →线性 → 把“浓度”作为自变量，把“积分值”作为因变量 统计量→估计、模型拟合度 保存→在预测值栏中选中“未标准化”复选框（这样可以得到点预测值），在“预测区间”栏中选中 “单值”复选框（个体值预测置信区间），“均值”复选框则根据题目需要再选择，本题不选。点击“继续” Model Summary Model R dimension0 Adjusted R R Square aStd. Error of the Estimate 3.1313 Square .986 1 .994 .989 a. Predictors: (Constant), 浓度C ANOVA Model 1 Regression Residual Total a. Predictors: (Constant), 浓度 b. Dependent Variable: 积分值 Sum of Squares 3371.452 39.221 3410.673 df 1 4 5 Mean Square 3371.452 9.805 F 343.839 Sig. .000 ab Coefficients Model Unstandardized Coefficients B 1 (Constant) 浓度 aStandardized Coefficients Beta t 1.185 .994 18.543 Sig. .302 .000 95.0% Confidence Interval for B Lower Bound -4.640 2.360 Upper Bound 11.547 3.192 Std. Error 2.915 .150 3.453 2.776 a. Dependent Variable: 积分值 ?＝3.453＋2.776C 回归方程为H1、方差分析 H0：β= 0，即积分值与紫草含量浓度之间无直线回归关系 H1：β≠0，即积分值与紫草含量浓度之间有直线回归关系 α=0.05 SS总=3410.673，SS回=3371.452，SS残=39.221 MS回=3371.452，MS残=9.805 F=343.839，P值<0.05，故拒绝H0，接受H1，可以认为积分值与紫草含量浓度之间存在直线回归关系 仅供参考，正误自辩
2、t检验，假设和结论同上 回归系数的t=18.543，p值<0.05 3、R2= 0.989，表示此例中紫草含量浓度可以解释积分值变异性的98.9%，另外约1.1%的变异不能用紫草含量浓度来解释。 4、此时spss数据视图中会增加三列数据，分别是点预测值以及个体值95%置信区间的下限和上限。 在数据视图最后一行可查到当紫草含量浓度C0＝12（mg/100ml）时，积分值H的点预测值为36.7653，并可预测H的个体值95%置信区间为(27.1005,46.4302)
仅供参考，正误自辩
2、t检验，假设和结论同上 回归系数的t=18.543，p值<0.05 3、R2= 0.989，表示此例中紫草含量浓度可以解释积分值变异性的98.9%，另外约1.1%的变异不能用紫草含量浓度来解释。 4、此时spss数据视图中会增加三列数据，分别是点预测值以及个体值95%置信区间的下限和上限。 在数据视图最后一行可查到当紫草含量浓度C0＝12（mg/100ml）时，积分值H的点预测值为36.7653，并可预测H的个体值95%置信区间为(27.1005,46.4302)
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库中医药统计学spss操作步骤及答题格式在线全文阅读。
相关推荐：