杏花开医学统计
医学统计教程，统计分析服务
SPSS非参数检验视频案例汇总
关键词：SPSS 非参数检验
非参数检验是医学统计中的一个重要部分，我们曾详细讲解过K个独立样本的非参数检验（Kruskal-Wallis Test）和K个相关样本的非参数检验（Friedman Test），也详细讲到过配对样本的非参数检验（Wilcoxon Test），具体见下方文章：
K个独立样本的非参数检验（Kruskal-Wallis Test）
本期，我们来讲解两个独立样本的非参数检验秩和检验（Mann-Whitney U Test）。本期的课程讲解之后，非参数检验中的各个方法就全部讲解完毕。
请观看下方视频教程
全屏播放请关闭手机中“方向锁定”，然后将手机横向放置
（若无法播放，请联系客服微信3301888200）
1
非参数检验方法梳理
非参数检验依据样本数据是否独立而划分为独立非参数检验和配对非参数检验两大类；更进一步，又依据组别的数量分为2组和K组（≥3）。屡清楚非参数检验中各个方法的区别和联系之后，才能保证我们选择正确的非参数检验方法。
2
非参数检验的数据要求
非参数检验是相对于参数检验而言的。我们都知道，参数检验都要求被检验变量是连续型变量且服从正态分布；而对于不服从正态分布的连续型被检验变量，或者是等级变量则需要选择非参数检验。
3
SPSS中非参数检验的操作步骤
案例背景：将75名患者随机分为两组，试验组37人，对照组38人。然后再搜集这些患者的血小板PLT数据和疾病严重程度数据。最后，考察两组患者的PLT、疾病严重程度是否存在显著差异。数据如下（部分）：
3.1 两组患者的PLT差异比较
3.1.1 正态性检验
PLT为连续型变量，首先需要考察其正态性才能选择正确的差异比较方法。正态性检验的操作及结果解读方法见下文：
PLT正态性检验的结果如下：
以上是正态性检验的结果，由于样本量低于2000，因此选择“夏皮洛-威尔克”正态性检验结果，P值全部小于0.05，意味着两组的PLT数据全部非正态，因此选择2个独立样本的非参数检验（Mann-Whitney U Test），并对数据采用中位数（下四分位数~上四分位数）的表达形式（如果数据服从正态分布，则数据采用均值±标准差的表达形式）。
3.1.2 两独立样本非参数检验（Mann-Whitney U Test）操作步骤：
第一步：点击“分析”→“非参数检验”→“旧对话框”→“2个独立样本”，如下图所示：
第二步：“血小板PLT”选进“检验变量列表”，“组别”选进“分组变量”，勾上“Mann-Whitney U Test”，如下图所示：
第三步：点击“定义组”，并输入1和2，输入的数值必须和组别编码一致：
然后点击“继续”，再点击“确定”，就会得到如下结果：
非参数检验的结果显示，Z=-0.594，P=0.553>0.05，意味着两组的PLT无显著差异。
3.1.3 分别计算两组PLT的四分位数
第一步：点击：“分析”→“描述统计”→“探索”
第二步：“PLT”选进“因变量”，“组别”选进“自变量”，勾选“统计”→“四分位数”：
点击“继续”再点击“确定”，得到如下结果：
基于以上的全部运算，最终运算结果在论文中的三线表展现形式如下：
以上结果还需要配上箱式图，对结果进行可视化处理：
上图为graphpad prism软件绘制，可参见:
3.2 两组患者的严重程度差异比较
由于严重程度分为轻度、中度、重度，直接判断，两组的差异比较必须选择非参数秩和检验，且数据表达形式为：人数（占比）。操作和3.1一致，如下：
勾选“Kruskal-Wallis Test”，点击“继续”得出如下结果：
P=0.817>0.05，意味着两组的严重程度无显著差异。
接下来，需要计算两组的轻中重人数占比：
点击“分析”→“描述统计”→“交叉表”
“组别”选进“行”，“严重程度”选进“列”，点击“单元格”，勾选“行”：
点击“继续”和“确定”，得出如下结果：
最后，将以上结果整理成以下的论文标准三线表格式：
论文中，对以上的最终表格结果还需要配上可视化统计图：
注意：绘制柱状图时，轻度、中度、重度最好不要使用颜色区分，而要选择网格形式的黑白图，因为打印出来一般是黑白打印，颜色无法清晰在图中反映出来。
本期课程就到这里，我们将每周推出更多、更实用的医学统计教程，提供医学统计相关服务。涵盖医学科研设计、数据统计分析、SPSS、Meta、GraphPad、SAS、R、Eexel等，欢迎大家关注！感谢大家的观看，下期再见！
杏花开医学统计
精品课程推荐
杏花开医学统计
统计分析服务
统计分析服务
联系客服
