非参数检验范文（精选12篇）
非参数检验 第1篇
评分
大理大学 实验报告
课程名称
生物医学统计分析
实验名称
非参数检验(卡方检验)
专业班级
姓
名
学
号
实验日期
实验地点
2015—2016 学年度第2
学期 一、实验目得 对分类资料进行卡方检验。
二、实验环境、硬件配置:处理器:Intel(R)Core(TM)i5-4210U CPU 1、7GHz 1、7GHz 安装内存(RAM):4、00GB
系统类型:64 位操作系统 2、软件环境:IBM SPSS Statistics 19、0 软件
三、实验内容 (包括本实验要完成得实验问题及需要得相关知识简单概述)（1）
课本第六章得例 6、1-6、5 运行一遍,注意理解结果;（2）
然后将实验指导书得例 1-4 运行一遍,注意理解结果。
四、实验结果与分析
(包括实验原理、数据得准备、运行过程分析、源程序(代码)、图形图象界面等)例 例 6、1 表 1 灭螨A A 与灭螨B B 杀灭大蜂螨效果得 交叉制表
效果 合计 杀灭 未杀灭 组别 灭螨A 32 12 44 灭螨B 14 22 36 合计 46 34 80 分析: 表1就是灭螨A与灭螨B杀灭大蜂螨效果得样本分类得频数分析表,即交叉列联表。
表 2 卡方检验
X2 值 df 渐进 Sig、(双侧)精确 Sig、(双侧)精确 Sig、(单侧)Pearson 卡方 9、277a、002
连续校正b
7、944 1、005
似然比 9、419 1、002
Fisher 得精确检验、003、002 有效案例中得 N 80
a、0 单元格(、0%)得期望计数少于 5。最小期望计数为 15、30。
b、仅对 2x2 表计算
分析: 表2就是卡方检验得结果。因为两组各自得结果互不影响,即相互独立。对于这种频数表格式资料,在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量,才能进行卡方检验。
Pearson 卡方:皮尔逊卡方检验计算得卡方值(用于样本数n≥40且所有理论数E≥5);
连续校正b : 连续性校正卡方值(df=1,只用于2*2列联表);
似然比:对数似然比法计算得卡方值(类似皮尔逊卡方检验);
Fisher 得精确检验:精确概率法计算得卡方值(用于理论数E<5)。
不同得资料应选用不同得卡方计算方法。
例6、1为2*2列联表,df=1,须用连续性校正公式,故采用“连续校正”行得统计结果。
X2 = 7、944, P(Sig)=0、005<0、01,表明灭螨剂A组得杀螨率极显著高于灭螨剂B组。
例6 6、2 2
表 3
治疗方法 * 治疗效果
交叉制表 计数
治疗效果 合计 1 2 3 治疗方法 1 19 16 5 40 2 16 12 8 36 3 15 13 7 35 合计 50 41 20 111 分析: 表3就是治疗方法* 治疗效果资料分析得列联表。
表 4
卡方检验
X2 值 df 渐进 Sig、(双侧)Pearson 卡方 1、428a、839 似然比 1、484 4、830 线性与线性组合、514 1、474 有效案例中得 N 111
a、0 单元格(、0%)得期望计数少于 5。最小期望计数为 6、31。
分析: 表4就是卡方检验得结果。自由度df=4,表格下方得注解表明理论次数小于5得格子数为0,最小得理论次数为6、13。各理论次数均大于5,无须进行连续性校正,因此可以采用第一行(Pearson 卡方)得检验结果,即X2 =1、428,P=0、839>0、05,差异不显著,可以认为不同得治疗方法与治疗效果无关,即三种治疗方法对治疗效果得影响差异不显著。
例6 6、3 3
表 5
灌溉方式 * 稻叶情况
交叉制表 计数
稻叶情况 合计 1 2 3 灌溉方式 1 146 7 7 160 2 183 9 13 205 3 152 14 16 182 合计 481 30 36 547 分析: 表5就是灌溉方式* 稻叶情况资料分析得列联表。
表 6
卡方检验
X2 值 df 渐进 Sig、(双侧)Pearson 卡方 5、622a、229 似然比 5、535 4、237 线性与线性组合 4、510 1、034 有效案例中得 N 547
a、0 单元格(、0%)得期望计数少于 5。最小期望计数为 8、78。
分析: 表6就是卡方检验得结果。自由度df=4,样本数n=547。表格下方得注解表明理论次数小于5得格子数为0,最小得理论次数为8、78。各理论次数均大于5,无须进行连续性校正,因此可以采用第一行(Pearson 卡方)得检验结果,即X2 =5、622,P=0、229>0、05,差异不显著,即不同灌溉方式对稻叶情况得影响差异不显著。
例 例 6 6、4 4
表 7
场地 * 奶牛类型
交叉制表 计数
奶牛类型 合计 1 2 3 场地 1 15 24 12 51 2 4 2 7 13 3 20 13 11 44 合计 39 39 30 108 分析: 表5就是场地* 奶牛类型资料分析得列联表。
表 8
卡方检验
X2 值 df 渐进 Sig、(双侧)精确 Sig、(双侧)精确 Sig、(单侧)点概率 Pearson 卡方 9、199a、056、056
似然比 8、813 4、066、079
Fisher 得精确检验 8、463
、072
线性与线性组合、719b、397、404、217、036 有效案例中得 N 108
a、3 单元格(33、3%)得期望计数少于 5。最小期望计数为 3、61。
b、标准化统计量就是-、848。
分析: 表 8 就是卡方检验得结果。自由度 df=4,样本数 n=108。表格下方得注解表明理论次数小于 5 得格子数为 3,最小得理论次数为 3、61。需采用精确概率法计算,即用第三行(Fisher 得精确检验)得检验结果,即 X2 =8、463,P=0、072>0、05,差异不显著,即 3 种奶牛牛场不同类型奶牛得构成比对差异不显著。
例 例 6 6、5 5
表 9
LPA* FA 交叉制表
FA 合计 1 2 LPA 1 17 0 17 2 4 7 11 合计 21 7 28 分析: 表9就是LPA* FA资料分析得列联表。
表 10
配对 卡方检验
值 精确 Sig、(双侧)McNemar 检验、125a
有效案例中得 N 28
a、使用得二项式分布。
分析: 表10就是LPA与FA两种检测方法得配对卡方检验。由于b+c<40,SPSS选用二项分布得直接计算概率法(相当于进行了精确校正),计算该配对资料得检验得精确双侧概率,并且不能给出卡方值。本例P=0、125>0、05,差异不显著,即LPA法与FA法对番鸭细小病毒抗原得检出率差异不显著。
表 11
对称度量
值 渐进标准误差 a
近似值 T b
近似值 Sig、一致性度量 Kappa、680、140 3、798、000 有效案例中得 N 28
a、不假定零假设。
b、使用渐进标准误差假定零假设。
分析: 表11为LPA与FA两种检测结果得得一致性检验。Kappa值就是内部一致性系数,除数据P值判断一致性有无统计学意义外,根据经验,Kappa≥0、75,表明两者一致性较好0、7>Kappa≥0、4,表明一致性一般,Kappa<0、4,则表明一致性较差。
本例Kappa值为0、680,P=0、000<0、01,拒绝无效假设,即认为两种检测方法结果存在一致性,Kappa值=0、680,0、7>Kappa≥0、4,表明一致性一般。
例1 1
表 12
周 内日频数表
观察数 期望数 残差 1 11 16、0-5、0 2 19 16、0 3、0 3 17 16、0 1、0 4 15 16、0-1、0 5 15 16、0-1、0 6 16 16、0、0 7 19 16、0 3、0 总数 112
分析: 表12结果显示一周内各日死亡得理论数(Expected)为16、0,即一周内各日死亡均数;还算出实际死亡数与理论死亡数得差值(Residual)。
表 13
检验统计量
周日 卡方 2、875a
df 6
渐近显著性、824 a、0 个单元(、0%)具有小于 5 得期望频率。单元最小期望频率为 16、0。
分析: Chi-Square过程,调用此过程可对样本数据得分布进行卡方检验。卡方检验适用于配合度检验,主要用于分析实际频数与某理论频数就是否相符。卡方值X2 =2、875,自由度数(df)=6,P=0、824>0、05,差异不显著,即可认为一周内各日得死亡危险性就是相同得。
例2 2
表 14
二项式检验
类别 N 观察比例 检验比例 精确显著性(双侧)性别 组 1 0 12、30、50、017 组 2 1 28、70
总数1、00
分析: 调用Binomial过程可对样本资料进行二项分布分析。表14得二项分布检验表明,女婴12名,男婴28名,观察概率为0、70(即男婴占70%),检验概率为0、50,二项分布检验得结果就是双侧概率为0、017,可认为男女比例得差异有高度显著性,即与通常0、5得性比例相比,该地男婴比女婴明显为多。
例3 3
表 15
两组工人得血铅值 及秩
group N 秩均值 秩与 血铅值 1 10 5、95 59、50 2 7 13、36 93、50 总数 17
分析: Independent Samples过程:调用此过程可对两个独立样本得均数、中位数、离散趋势、偏度等进行差异比较检验。有四种检验方法:Mann-Whitney U:主要用于判别两个独立样本所属得总体就是否有相同得分布;Kolmogorov-Smirnov Z:推测两个样本就是否来自具有相同分布得总体;Moses extreme reactions:检验两个独立样本之观察值得散布范围就是否有差异存在,以检验两个样本就是否来自具有同一分布得总体;Wald-Wolfowitz runs:考察两个独立样本就是否来自具有相同分布得总体。
表 16
检验统计量b b
血铅值 Mann-Whitney U 4、500 Wilcoxon W 59、500 Z-2、980 渐近显著性(双侧)、003 精确显著性[2*(单侧显著性)]、001a
a、没有对结进行修正。
b、分组变量: group
分析: 本例选Mann-Whitney U检验方法,表15结果表明,第1组得平均秩次(Mean Rank)为5、95,第2组得平均秩次为13、36,U = 4、5,W = 93、5,精确双侧概率P = 0、001,可认为铅作业组工人得血铅值高于非铅作业组。
例4 4
表 17
group* effect 交叉制表 计数
effect 合计 无效 有效 group 对照组 21 75 96 实验组 5 99 104 合计 26 174 200 分析: 表17就是group* effect资料分析得列联表。
表 18 卡方检验
X2 值 df 渐进 Sig、(双侧)精确 Sig、(双侧)精确 Sig、(单侧)Pearson 卡方 12、857a、000
连续校正b
11、392 1、001
似然比 13、588 1、000
Fisher 得精确检验、001、000 有效案例中得 N 200
a、0 单元格(、0%)得期望计数少于 5。最小期望计数为 12、48。
b、仅对 2x2 表计算
分析: 表18卡方检验资料n=200>40 , 表格下方得注解表明理论次数小于5得格子数为0,最小得理论次数为12、48。,可取Pearson卡方值与似然比(Likelihood ratio)值 ,二者值分别为12、857与13、588,P<0、01,试验组与对照组得疗效差别有统计学意义,可认为异梨醇口服液降低颅内压得疗效优于氢氯噻嗪 + 地塞米松。
五、实验小结:
(包括主要实验问题得最终结果描述、详细得收获体会,待解决得问题等)在此次实验中,由于实验内容更贴近生活应用,因此比起上学期,我们更容易领悟该程序得表达,只就是在细节方面还就是很容易出错,甚至不容易拐过弯来。但经过此次实验,我们懂得要学着从复杂得程序中剥茧抽丝,把程序尽可能得简单化。
在实验中应注意得点:
1、因为两组各自得结果互不影响,即相互独立。对于这种频数表格式资料,在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量,才能进行卡方检验。
2、Pearson 卡方:皮尔逊卡方检验计算得卡方值(用于样本数 n≥40 且所有理论数 E≥5);
连续校正 b:连续性校正卡方值(df=1,只用于 2*2 列联表);
似然比:对数似然比法计算得卡方值(类似皮尔逊卡方检验);
Fisher 得精确检验:精确概率法计算得卡方值(用于理论数 E<5)。
不同得资料应选用不同得卡方计算方法。
3、有列联表用于描述分析得卡方检验,而其它用于非参数检验就是对拟合优度得检验。
4、有计数用加权个数,就是具体数值,如例 3,则不用加权,因为两组数据长度不同,用独立 性检验,不知道总体分布情况,所有用非参数检验,要就是假设它为正态分布,也可以用 卡方检验。
5、描述统计里得交叉表得行、列选择可以互换,互换只就是转置,不影响最后得结果。
手写签名:
非参数检验 第2篇
一、引言
商业银行是金融市场的重要组成部分，在以间接融资为主的经济体系内，商业银行的作用更为明显，截至年末，我国银行业金融资产总额达到了151. 35万亿元，远远超出20UDP。银行业的健康发展直接影响到金融市场和实体经济的健康发展，因此，学界和业界一直都重视其运营的风险，特别是在次债危机之后，一些大型银行也陷入了金融风险的泥潭，并且银行危机加剧了金融危机的破坏程度，这使得国内外对商业银行风险的关注度进一步提升。
准确判断商业银行资产市场价值的变化，是商业银行金融风险评估和预警的基础。Rupp等，苏健等团，以及吴恒煌叫等分别以商业银行资产市场价值为计算基础，设计了或有权益方法(Contain-gent Claims Analysis, CCA)对商业银行风险进行度量，实证研究结果表明，资产市场价值的变化是商业银行经营的结果，并隐含了其资产价值未来变化信息，研究认为资产市场价值变化具有较强的前瞻性(Forward Looking)，因而能有效判断商业银行的风险。
与此同时，一些文献探讨了资产价值的时序变化特征，资产市场价值具有时间连续性，其资产价格收益率应具有平稳特征。Kaman等分析了银行资产市场价值的变化规律;梁海鸥和玄永生、彭伟在连续时间金融的条件下分析了上市商业银行股票日收益风险困;彭建刚和马亚芳从系统重要性角度，通过评价商业银行资产价值等信息分析了银行风险的变化过程。
近年来，不少研究如王钰等、罗长青等叫等文献均表明资产价值并不满足平稳特征，而是会出现“突变”现象，从某一时间点开始，时间序列模型参数会发生变化，也就是资产价格出现了突变，而这类变点称之为结构变点。陈希孺给出了一般的结构变点研究方法，韩四儿对金融市场上常用的过程的多变点问题进行了研究口，Tray在建模的过程检测结构变点的位置与跳跃度，郑仲民对金融资产价格跳跃行为研究。
然而，这些方法对数据附加了一些分布假设条件或者模型假设条件，使得应用范围比较局限。而且在结构变点检测过程中，需要估计分布或模型的参数，使得计算量增大。提出了一种非参数方法检测均值变点.门，这种方法的优点是计算较快，但是的检验统计量的极限分布是在只有一个均值变点的假设条件下给出的，已不能用于多个均值变结构点的情形，更不能用于方差变结构点的情形，特别是多个方差变结构点的情形，因此，在对时间序列变结构点进行检验时，需要对己有方法进行改进，以便能够一次性识别均值和方差多个变结构点。
受宏观宏观经济的波动，或国家重要政策、重大信息和公告的发布等因素的影响，商业银行资产价格在近似连续的时间内很有可能会出现较大幅度的波动，这种由突发信息引起对商业银行资产价格(收益)及波动过程所造成的冲击现象即银行资产价格的“突变”。而且，在一段时间内，商业银行资产价值可能出现连续突变现象，而传统的检验方法难以一次性检出多个变结点。商业银行资产价格的突变现象直接影响金融资产收益波动率的估计和预报的准确程度，进而对商业银行风险管理产生重大影响，传统的计量模型和方法也就需要进行相应的调整。
鉴此，本文提出商业银行资产价格均值和方差的多变结构点检验方法，并基于该方法对商业银行变结构点进行实证检验，从而进一步发现商业银行资产价格变化的规律和特征。
二、商业银行资产价格变结构点非参数检验的实证结果及分析
这里运用国内16家商业银行的资产价格作为实证研究对象来验证本文方法的有效性。样本期限为第1季度-年第4季度。运用本文设计的非参数方法对资产价格的均值变结构点做出检测，估计出结构点的位置。然后应用本文的方法得到方差多变结构点的位置，其中参数R=0.5。方差检验的结果在表3的第3列。样本商业银行的代码，从估计结果来看，商业银行权益资产价格的均值和方差变结构点大多在4个以上，反映了本文所设计的方法能够一次性检测出时间序列的多个变结构点。
变结构点的产生原因各异，总体来看，商业银行资产价格变结构点的出现受系统因素、行业因素以及其自身特质因素的影响。在系统因素方而，经济金融危机等因素会产生系统风险，导致大多数商业银行出现在较为接近的时间段内同时出现资产价格的变结构点。
华夏银行(600015)、民生银行(600016)等在208月左右出现了权益资产价值的变结构点，在此期间，贝尔斯登、巴黎银行瑞穗银行等出现了较大的次货投资损失。虽然国内银行参与次债投资的程度不深，但是金融危机所带来的恐慌也影响了投资者对银行的预期，并在一定程度上动摇了对银行的信心，从而导致己上市的银行权益资产价值的波动出现了变化，并导致商业银行权益资产价值变结构点的出现。年末-初，大多数商业银行的权益资产价值均出现了均值和方差变结构点，这一时期正是次债危机愈演愈烈的阶段，2007年末-20初，市场流动性压力急剧增加。
至年3月，美国第五大投资银行贝尔斯登濒临破产，而美国房利美和房地美两大放贷机构宣布亏损110亿美元，次债危机逐渐演化成全球金融危机，并导致世界主要经济体陷入衰退周期。在危机冲击和风险传染影响下，国内企业的景气指数也逐渐下降，外部环境的严重恶化，导致商业银行风险提高，并且这种风险变化反映到了其在证券市场的资产价格，样本商业银行在此期间均出现了变结构点。
11月8日-14日，中国共产党第十八次全国代表大会成功召开，对政治经济产生了较为深远的影响，在深化金融体制改革方而，要求进一步深化金融改革，加快推进利率和汇率市场化改革，并逐步实现资本项目可兑换和加快民间金融机构的发展。月，制造业PMI指数为50.6，高于50%的荣枯线，显示制造业需求在上升。规模以上工业增加值同比增长10.300，带动全年增长10% , 2012年12月，全国规模以上工业企业累计利润在12月份实现转负为正。一系列经济数据表明宏观经济“最差的时候己经过去”，同时，新一轮金融改革的启动标志着银行业发展将迎来一个新的环境。
行业监管政策等行业因素也是商业银行变结构点产生的原因之一。如，2008年底-年初，各商业银行资产价值均值和方差又一次先后出现系统性的变结构点。从2008年11月27日起，下调金融机构一年期人民币存贷款基准利率各1. 08个百分点，其他期限档次存贷款利率作相应调整，同时下调央行再贷款再贴现利率。从2008年12月5日起，下调工商银行、农业银行、中国银行、建设银行、交通银行和邮政储蓄银行等大型存款类金融机构人民币存款准备金率1个百分点，下调中小型存款类金融机构人民币存款准备金率2个百分点。此轮降息和调准超出市场预期，行业监管政策的变化导致了大多数银行的权益资产价值出现了变结构点。也可以发现，商业银行资产价格变结构点出现的时间较为接近，这反映出系统因素和行业因素等共同因素是商业银行资产价格变结构点出现的主因。
此外，商业银行特质因素也会导致其权益资产变结构点的出现。如深发展(自2012年7月27日起变更为平安银行股份有限公司，简称“平安银行”)在205月7日出现资产价值的变结构点，深发展(000001)与中国平安人寿保险股份有限公司(简称“平安寿险”)于年6月8日停牌，并于该月12日签署了《深圳发展银行股份有限公司和中国平安人寿保险股份有限公司之股份认购协议》，公司拟向中国平安人寿保险股份有限公司非公司发行不少于3%亿股，但不超过5. 85亿股人民币普通股，该重组方案实施后，中国三大保险公司之一平安集团旗下的.平安人寿将成为了该行新的战略投资者，深发展也更名为平安银行，市场投资者对此次股权结构的重大变化提前做出了市场反应，导致其权益资产价值出现了变结构点。该银行在207月24日出现了资产价值的变结构点，其后深发展在7月28日晚发布公告称，深发展与平安集团的重大资产重组工作己经完成，重大资产重组完成以后，中国平安及中国平安控股子公司中国平安人寿保险股份有限公司合计持有公司52. 38，成为公司的控股股东，该银行由重组期进入重组后的稳定发展期，市场对此次重大事件的反应提前了5个交易日，在24日即出现了资产价值的变结构点。
值得关注的是，对于系统因素和行业因素，商业银行的变结构点可能出现在重大事件之前或之后，而对特质因素的反应，则一般出现在商业银行重大事件公布日之前，如宁波银行(002142)在7月8日出现了变结构点，而在207月13日，宁波银行发布的《宁波银行中期业绩修正公告》将预计归属于上市公司股东的净利润与上年同期相比增长幅度调整至70 00^8000，并称总行大厦拆迁将获得拆迁收入4. 05亿元，该事件对宁波银行权益资产价值起到了一定的提振作用。华夏银行(600015)在年4月18日出现了变结构点，而在4月28日，华夏银行公布实施定向增发，增发数量185919. 746万股，增发金额达208亿。民生银行于2013年4月8日出现了变结构点，在同年4月24日和25日，该行分别发布第一季报和《关于公开发行有锁定期的A股可转换债券上市交易的提示性公告》等对股权价值有重要影响的信息，根据该季报和公告的时间节点，也可以发现商业银行资产价值对特质因素的反应时间一般出现在其重大事件公布之前。
三、结论及启示
基于改进后的非参数检验方法，本文对商业银行资产价格变结构特征进行了实证检验，实证研究表明，商业银行资产价格存在较为显著的变结构特征，系统因素、行业因素和商业银行特质因素均可能会导致商业银行资产价格变结构点的出现，且系统因素和行业因素在样本期内对估计出的变结构点起主导作用。
通过以上实证结论带来以下启示:
(1)本文所构建的多变结构点非参数检验方法适用于检测商业银行资产价格的变结构点，此外，对于其他时间序列的变结构点检验，也可以尝试运用该非参数检验方法。
(2)基于商业银行资产价格的风险度量模型和管理模型需考虑资产价格的变结构特征，否则有可能出现模型设定偏差，从而会导致模型准确度和风险预警效能下降。
非参数检验的概念 第3篇
非参数检验是相对于参数检验而言。一般来说, 参数检验, 假定比较数据服从某分布, 通过参数的估计量 (x±s) 对比较总体的参数 (μ) 作检验, 统计上称为参数法检验 (parametric test) 。如t、u检验、方差分析。
非参数检验是指在统计测量中不需要假定总体分布形式和用参数估计量, 直接对比较数据的分布进行统计检验的方法, 称为非参数检验 (nonparametric test) 。
非参数检验 第4篇
【摘要】在生物医学以及质量测评等领域中，时常会遇到两独立样本的对比问题，而经常会用到的参数检验方式就是通过u检验和t检验。若所掌控的数据没有达到u检验或是t检验的要求，那么采取非参数检验的方式就能更好的解决此类问题。本文是通过教学案例以及R软件对两独立样本位置的非参数检验进行分析、说明。
【关键词】非参数统计 非参数检验 R软件 Mann-Whit-ney-Wilcoxon检验
【中图分类号】G64 【文献标识码】A 【文章编号】2095-3089（2015）05-0253-02
1.前言
在生物医学以及质量测评等领域中，时常会遇到两独立样本的对比问题，而经常会用到的参数检验方式就是通过u检验和t检验。u检验和t检验都是假设整体分布为正态分布，并且u检验需要事先知晓总体的方差，而t检验则需要满足相同的总体方差。在進行实际操作的过程中，因为种种原因，所要进行分析的数据常常不能达到u检验抑或是t检验的标准，从而导致了无法使用u检验或者t检验进行参数检验对比。如若依旧使用u检验或t检验的方法，那么将会得到错误的判断数据。因此在尚未得知数据的整体分布或整体分布是非正态分布的时候，应怎么解决两独立样本的对比问题呢？非参数检验即是解决此类问题的最科学有效的办法。
2.通过案例分析R软件在非参数检验的实用性
通过观察到的样本数据去估算出整体的分布数据，这是统计推理的重点问题。比如整体的平均数的有关系数与回归系数、区间估计或者是点估计的假设检验等。统计推断是为了对未知的参数进行检验或是估计。对统计分析方法来说，非参数检验属于其重要的形成部分。参数检验与非参数检验共同形成了统计分析的基础。参数检验是在整体分列已经明确的状况下，对整体分列的数据进行分析，但在实际操作的过程中，常常会因种种原因无法对整体分列的形态作出假设，这时候就需要非参数检验运用样本数据对整体分列的形态作出判断，从而解决问题。R软件里的Wilcox.test（ ）函数能够运用在Wilcoxon符号秩检验，在R软件中输进help（Wilcox.tes）就能够详细了解它的使用方法和功能。接下来笔者将结合案例来说明R软件在两独立样本位置的非参数检验中的实用性。例：甲公司有9名员工，乙公司有11名员工，他们的工资（单位：千元）如下表：
问：哪家公司的员工工资较高？
解法1：运用t检验，假设甲公司（X）和乙公司（Y）的员工工资分别符合正态分布N（μ1，σ2）和N（μ2，σ2），假设检验问题：H0∶μ1=μ2;H1∶μ1≠μ2，运用R软件中的函数t.test（ ）进行以下分析：
X=c（2，3，4，5，6，7，8，9，25）
Y=c（9，10，11，12，13，14，15，16，18，36，54）
t.test（X，Y，var.equal=TRUE）
从而运算得出p值为0.2315>0.05，无法拒绝原假设，因此认为两公司的员工工资基本无差异。
解法2：运用Mann-Whitney-Wilcoxon检验，不对甲公司（X）和乙公司（Y）的分布进行假设，假设检验问题：H0∶MX=MY;H1∶MX≠MY，运用R软件中的函数Wilcox.test（ ）进行以下分析：
wilcox.test（X，Y）
从而运算得出p值为 0.009016<0.05， 拒绝原假设，因此认为两公司的员工工资有着明显差异。
通过运用t检验和Mann-Whitney-Wilcoxon检验对该组数剧进行分析，得出了不同的结果。根据数据来看，甲公司的员工工资明显要比乙公司的低，t检验得到的结果与数据不相符，根本原因就在于运用t检验的时候假设了整体的分布是正态分布，但是两个企业的员工工资并不属于正态分布。所以当假设违逆了实际数据的时候，运用t检验得出的分析结论是不正确的。由于Mann-Whitney-Wilcoxon检验没有对数据进行任何的假设，从而得出了更加科学合理的分析结果。
3.结束语
在解决问题的过程中，想要选择出准确的方案来对比分析两独立样本，值得关注的是要分析的数据有没有满足所选择的检验方法的假设要求，比如在选用t检验方法的时候，运用柯尔莫哥洛夫检验方法对数据进行分析它是否为正态分布，两样本的正态整体的方差相不相等，唯有满足了这些条件，才能够使用t检验方法。如若完全不知晓两样本的整体分列，那就不妨运用非参数检验方式来进行分析数据。值得一提的是，如果所要分析的数据可以运用参数检验方式进行检验的时候，仍旧采取非参数检验方式解析该数据，会造成检验成果的丢失，这是因为非参数检验没有将数据信息充分使用。
参考文献：
半参数模型的粗差检验问题的研究 第5篇
半参数模型的粗差检验问题的研究
基于参数回归统计诊断的分析方法,从理论上证明半参数删除模型与漂移模型解的等价性,提出半参数模型粗差检验方法.通过模拟计算验证方法的正确性,并得出一些有益的.结论.
作 者：丁士俊 陶本藻 靳祥升 DING Shi-jun TAO Ben-zao JIN Xiang-sheng 作者单位：刊 名：测绘通报 ISTIC PKU英文刊名：BULLETIN OF SURVEYING AND MAPPING年，卷(期)：“”(6)分类号：P2关键词：半参数模型 粗差检验 删除模型 漂移模型
非参数检验 第6篇
如下图，是去除特征后的图
法一、利用EditFaceDelete Face 功能
1. 选中要去掉的faces.
2. “Trim Existing Faces”
3. 反面也如法炮制，
UG非参数化模型中特征的去除方法
，
法二、利用InsertFeature OperationSimplify功能
1. 选择背面的任一面做”Retained Faces”2. 选择要移去特征四周的面做为“Boundary Faces”
非参数检验 第7篇
平方损失下指数-威布尔分布参数的经验Bayes检验问题
通过研究平方损失函数下指数-威布尔分布的经验Bayes检验问题,对密度函数及其导函数采用核估计的`方法构造参数的EB的估计,获得了检验函数的渐进性,最后在适当的条件下推导证明了其收敛速度.
作 者：徐凌云 朱宁 唐清干 方爱秋 XU Ling-yun ZHU Ning TANG Qing-gan FANG Ai-qiu 作者单位：桂林电子科技大学数学与计算科学学院,广西桂林,541004刊 名：桂林电子科技大学学报 ISTIC英文刊名：JOURNAL OF GUILIN UNIVERSITY OF ELECTRONIC TECHNOLOGY年，卷(期)：200929(2)分类号：O213关键词：指数-威布尔分布 经验Bayes检验 收敛速度
非参数检验的概念 第8篇
非参数检验是相对于参数检验而言。一般来说, 参数检验, 假定比较数据服从某分布, 通过参数的估计量 (±s) 对比较总体的参数 (μ) 作检验, 统计上称为参数法检验 (parametric test) 。如t、u检验、方差分析。
!!!非参数检验是指在统计测量中不需要假定总体分布形式和用参数估计量, 直接对比较数据的分布进行统计检验的方法, 称为非参数检验 (nonparametric test) 。
非参数检验 第9篇
关键词 非参数回归；异方差；局部多项式拟合；局部极大似然估计；渐近正态性
中图分类号 O212.7； F224.0 文献标识码 A
Local Polynomial Estimations for Nonparametric
Heteroscedastic Regression Model
—— An Empirical Analysis of Rural Households’ Consumption and Income
ZHANG Dongyun
（Business School， Henan Normal University， XinXiang， Henan 453007，China）
Abstract This paper studied local polynomial estimations for nonparametric heteroscedastic regression models. Firstly， the local maximum likelihood estimation of regression mean function was gained by using local linear fitting. Secondly， considering the positive of regression variance function， its local polynomial estimation was proposed by using local logpolynomial fitting， which guaranteed positive of the local estimation. Furthermore， we verified asymptotic normality of the local estimation. Finally， with the real data studies of Chinese rural residents’ consumption and income， it shows that the local polynomial method for nonparametric regression models performs better than the least squares method， and has higher accuracy.
Key words nonparametric regression； heteroscedastic； local polynomial fitting； local maximum likelihood estimation； asymptotic normality
1 引 言
由于非参数回归模型统计推断问题不依赖于总体的分布类型，因此其有着非常广泛的应用.有关非参数回归模型的研究可以参见文献[1-5，]等.近年来，非参数异方差回归模型得到飞速的发展，其中回归模型的异方差性，是指对于不同的解释变量的观测值，随机误差项的方差是不同的.比如，横截面数据通常都具有异方差性.何其祥等[6]研究了线性模型的异方差的局部多项式估计.
本文中，考虑非参数异方差回归模型中均值函数和方差函数的局部多项式估计问题，这里，采用的技巧是局部多项式拟合（参见文献[7]）.注意到方差函数是非负的，对方差函数的对数进行局部多项式拟合，保证了回归方差函数的估计的非负性.此外，利用非参数异方差回归模型的局部多项式估计方法，对我国农村居民人均消费支出与人均纯收入之间的关系进行了实证分析，结果表明，非参数异方差回归模型的局部多项式方法比最小二乘的方法有更好地拟合效果和更高的预测精度.这是由于改革的逐渐深入，居民的经济生活中的不确定因素日渐增多，人们很难对未来的收入做出比较理性的预期，所以居民的消费行为是一个时变的过程，并且在不同的时期存在着显著的差异性，而传统的经济计量模型很难解释居民生活消费行为的这种时变特征，而本文的非参数异方差回归模型能更好地捕捉居民生活消费行为这种时变的特征.
2 模型的局部多项式估计
考虑非参数异方差回归模型：
参考文献
[1] C J STONE. Consistent nonparametric regression[J]. The Annals of Statistics， 1977， 5（4）：595-645.
[2] 李丹宁，穆铮，石军，马明洋.基于非参数估计方法的沪铜期货价格研究[J]. 经济数学，2012，29（3）： 32-35.
[3] H G MULLER，U STADTMULLER. Estimation of heteroscedasticity in regression analysis[J]. The Annals of Statistics， 1987， 15 （2）： 610-625.
[4] K YU， M C JONES. Likelihoodbased local linear estimation of the conditional variance function[J]. J Amer. Statist. Assoc.， 2004，99 （1）： 139-144.
[5] 王景乐，郑明.非参数回归中方差变点的小波检测[J]. 应用概率统计，2012，28（4）：413-438.
[6] 何其祥，郑明.一元线性模型异方差的局部多项式回归[J]. 系统工程理论方法应用，2003，12（2）： 153-156.
非参数检验 第10篇
股市收益率的风险测量-基于参数与非参数GARCH技术的动态VaR计算
风险管理的基础和核心是对风险的定量分析和评估,即风险测量.VaR方法由于其明确的的经济含义及易操作性,已成为金融机构进行风险管理的一种主流方法.本文基于参数GARCH和非参数GARCH技术计算股市收益率的VaR,并对二者进行比较.通过实证分析得出以下结论:上海股市收益率序列有强烈的GARCH效应,基于非参数GARCH技术得到的VaR在给定的.显著性水平下更能有效地度量股市的风险.
作 者：王芳 张进滔 作者单位：王芳(四川大学,数学学院,成都,610064;浙江师范大学,数理与信息工程学院,浙江,金华,321004)张进滔(四川大学,数学学院,成都,610064)
刊 名：统计与决策 PKU CSSCI英文刊名：STATISTICS AND DECISION 年，卷(期)：2007 “”(6) 分类号：O212 关键词：VaR GARCH模型 非参数GARCH技术非参数检验 第11篇
利用甘肃数字地震台网的.波形记录,基于遗传算法,首先用Atkinson方法计算非弹性衰减系数,在此基础上用Moya方法同时反演震源参数和场地响应.反演结果表明,祁连山中东段地区非弹性衰减Q值与频率的关系为:Q(f)=687.9f0.460;除了湟源台(HYQ)外,其余台站的场地响应均有不同程度的放大效应;研究区地震的应力降范围为2～40 bar,优势分布在2～20 bar;震源参数拐角频率与地震矩、地震矩与震级之间存在依赖关系.
作 者：郭晓 张元生 莘海亮 张辉 GUO Xiao ZHANG Yuan-sheng SHEN Hai-liang ZHANG Hui 作者单位：郭晓,张元生,GUO Xiao,ZHANG Yuan-sheng(中国地震局兰州地震研究所,甘肃,兰州,730000;中国地震局地震预测研究所兰州科技创新基地,甘肃,兰州,730000)
莘海亮,张辉,SHEN Hai-liang,ZHANG Hui(中国地震局兰州地震研究所,甘肃,兰州,730000)
非参数检验 第12篇
非参数统计学方法研究的出发点是假定研究总体的理论分布是未知的，是一个待检验的假设，可以减少实际应用中对假设条件的依赖，不受样本分布形式限制。本文通过研究正常肝核糖核酸(RNA)对癌细胞的生物作用，以对照组(生理盐水)、水层RNA组和酚层RNA组此3种不同处理方法诱导肝癌细胞的果糖二磷酸酯(FDP酶)活力为样本，运用非参数统计方法对其进行实证分析。
一、研究背景
当今经济研究领域，运用传统的参数统计进行实证分析非常广泛。然而，在现实生活中，传统参数统计方法对总体分布的假定常常难以满足，比如数据并非来自所假定的分布，或者数据根本不是来自一个总体，又或者数据因为种种原因被严重污染等。这样，假定总体分布的情况下进行推断的做法就可能产生错误的结论，影响决策。为此，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息，这就是非参数统计的宗旨。
二、实证分析
以小白鼠为对象研究正常肝核糖核酸(RNA)对癌细胞的生物作用，试验分别为对照组(生理盐水)，水层RNA组和酚层RNA组，分别用此3种不同处理方法诱导肝癌细胞的果糖二磷酸酯(FDP酶)活力，数据如表1所示.
3种不同处理的诱导结果
处理方法 诱导结果
对照组 2.79 2.69 3.11 3.47 1.77 2.44 2.83 2.52
水层RNA组 3.83 3.15 4.70 3.97 2.03 2.87 3.65 5.09
酚层RNA组 5.41 3.47 4.92 4.07 2.18 3.13 3.77 4.26
从上表可以看出，对照组的诱导的平均FDP酶活力最小，水层RNA组次之，酚层RNA组的最大。因此可以初步认为，3种诱导作用的效果有显著差异。
(二)、正态性检验
对样本做假设检验则首先必须知道总体服从的分布，本文针对3个总体分别进行正态性检验，原假设为H0：样本所来自的总体分布服从正态分布，备择假设为H1：样本所来自的总体分布不服从正态分布。具体检验结果如下：
显然，通过Kolmogorov-Smirnov检验可知，在给定的显著性水平0.05的条件之下，在3个总体所得P值均小于α，故拒绝原假设，可以认为出这3个总体均不服从正态分布。且从现阶段所知的分布来看，无法断定其到底属于何种分布，故采用非参数方法对该问题进行统计分析。
(三)、尺度参数检验
本文中尺度参数的检验采取Mood检验。原假设X和Y同分布，即H0：b=1，备择假设H1：b≠1。通过R软件检验结果如下：
Z检验统计量的值 P值
对照组与水层RNA组 -1.3956 0.1628
对照组与酚层RNA组 -1.4349 0.1513
水层RNA组与酚层RNA组 -0.41 0.6818
表4
结果显示，对于分布函数形状的检验，在给定的显著性水平0.05的条件之下，对照组与水层RNA组、对照组与酚层RNA组和水层RNA组与酚层RNA组的尺度参数检验均全部通过，接受原假设。即3个总体的分布函数(以及密度函数)的形状完全相同，若有不同仅有可能的是位置参数不同。
(四)、位置参数检验
1、Kruskal-Wallis检验
由于本文样本为3个独立同分布的总体，因此对于位置参数的检验采取Kruskal-Wallis检验。根据题意有，原假设H0：试验中3种诱导作用的效果无显著差异，备择假设H1：试验中3种诱导作用的效果有显著差异。结果显示p=0.01895，故在给定的显著性水平α=0.05条件之下，拒绝原假设。
2、Wilcoxon秩和检验
为了进一步检验3中诱导作用中产生显著性差异的是哪一种，本文对其进行两两的Wilcoxon秩和检验。其中，原假设H0：试验中某两种诱导作用的效果无显著差异，备择假设H1：试验中某两种诱导作用的效果有显著差异。通过R软件编程检验，结果如表5所示。
W秩和检验统计量的值 P值
对照组与水层RNA组 10 0.02067
对照组与酚层RNA组 8.5 0.01564
水层RNA组与酚层RNA组 27 0.6454
表5
结果显示，在给定的显著性水平0.05的条件之下，对照组与水层RNA组、对照组与酚层RNA组的位置参数检验没有通过，因此拒绝原假设，认为对照组与水层RNA组、对照组与酚层RNA组的`诱导作用效果有显著性差异。但是水层RNA组与酚层RNA组的Wilcoxon检验结果显示，在给定的显著性水平0.05的条件之下，不能拒绝原假设，即没有证据表明水层RNA组与酚层RNA组的诱导作用效果之间存在显著性差异。
三、结论