多个独立样本检验,是用于检验多个独立样本之间是否具有相同的分布,零假设:多个独立样本之间的总体分布无显著性差异。
话不多说,直接上操纵。
原始数据
问题:检验三块样地的树高是否具有显著性差异
操作:分析→非参数检验→旧对话框→K个独立样本
检验变量:树高
分组变量:样地 定义范围:最小值1,最大3
检验类型
Kruskal-Wallis H:是两独立样本的非参数检验中Mann-Whitney U的扩展,是单项方差检验分析的一个模拟,用于检验多个样本总体分布的所有差异
Jonckheere-Terpstra:在总体间进行排序的情况下,相对于其他两种检验是更适用的检验,通过计算样本中一个观测值小于另一个样本的个数来判断,比检验出现的第二类错误的概率更小,
中位数:检测位置和形状的分布差别,检验多个样本是否来自具有相同中位数的总体
选项:描述性、四分位数
输出结果
从上表可知,树高案例个数30,均值为56.38,标准差为22。134,最小值(极小值)为21.3,最大值(极大值)为89.7。
Kruskal-Wallis 检验
上表可知,各个样地的个案数为10,均值分别为17.05/15.8/13.65,检验统计卡方值为0.763,渐近显著性为0.683>0.05,说明这三个样地之间的树高无显著性差异。
中值检验
上表可知,各个样地大于中位数和小于中位数的个数,检验统计的渐近显著性为0.67>0.05,说明这三个样地之间的树高无显著性差异。
上表可知,样地中的水平数(组数)为3,渐近显著性(双侧)值为0.351>0.05,说明这三个样地之间的树高无显著性差异。
综上所述三种检验,说明三个样地之间的树高无显著性差异。