大连民族学院
数学实验报告
课程：统计软件—SPSS 实验题目：线性回归分析与非参检验
系别：理学院
专业：统计学
姓名：侯祥飞
班级： 141班
指导教师：滕颖俏
完成时间： 2016 年 10 月 30 日
SPSS 中非参数检验之一：总体分布的卡方（Chi-square ）检验 在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为χ2检验）就是一种比较好的方法。 一、定义 总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总 体分布与期望分布或理论分布是否有显著差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显著差异。 总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时，就近似服从X 的总体分布。 因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q ()2 1 k i i i i O E Q E =-=∑ 其中，Oi 表示观察频数；Ei 表示期望频数或理论频数。可见Q 值越大，表示 观察频数和理论频数越不接近；Q 值越小，说明观察频数和理论频数越接近。SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X 平方分布，因此SPSS 将根据X 平方分布表给出Q 统计量所对应的相伴概率值。 如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设HO ，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异。 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。 二、实例 某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧
北京建筑大学 理学院信息与计算科学专业实验报告 课程名称《数据分析》实验名称数据的基本统计与非参数检验实验地点基C-423 日期2016 . 3 .17 姓名班级学号指导教师成绩 【实验目的】 （1）熟悉数据的基本统计与非参数检验分析方法； （2）熟悉撰写数据分析报告的方法； （3）熟悉常用的数据分析软件SPSS。 【实验要求】 根据各个题目的具体要求，完成实验报告 【实验内容】 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别对数据的“家庭收入”、“现住面积”，进行数据的基本统计量分析，撰写相应的分析报告； 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分别分析不同学历对家庭收入、现住面积是否有显著影响，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析家庭收入与10000元是否有显著差异，撰写相应的分析报告。 根据附件“住房状况调查”给出的相关数据，请选用恰当的分析方法，分析婚姻状况对家现住面积是否有显著影响，撰写相应的分析报告。 根据附件“减肥茶数据”给出的相关数据，请选用恰当的分析方法，分析该减肥茶对减肥是否有显著影响，撰写相应的分析报告。 【分析报告】 1. 表一家庭收入和现住面积的基本描述统计量 家庭收入现住面积 N 有效2993 2993 缺失0 0 均值17696.1567 62.7241
均值的标准误279.64310 .47349 中值15000.0000 60.0000 众数10000.00 60.00 标准差15298.80341 25.90383 方差 2.341E8 671.008 偏度 5.546 .910 偏度的标准误.045 .045 峰度55.425 3.078 峰度的标准误.089 .089 百分位数25 10000.0000 45.0000 50 15000.0000 60.0000 75 20000.0000 80.0000 表一说明， 家庭收入方面： 被调查者中家庭收入的均值为17696.16元，中值为15000元，普遍收入为10000元； 家庭收入的标准差和方差都相对较大，所以，各家庭收入之间有明显的差异； 偏度大于零，说明右偏；峰度大于零，说明数据呈尖峰分布； 由家庭收入的四分位数可知，25%的家庭，收入在10000以下，有50%的家庭，收入在15000以下，有75%的家庭，收入在20000以下； 现住面积方面： 被调查者中现住面积的均值为62.724平方米，中值为60平方米，普遍面积为60平方米； 现住面积的标准差和方差都相对较大，所以，各家庭现住面积之间有明显的差异； 偏度近似等于零，说明现住面积数据对称分布；峰度大于零，说明现住面积数据为尖峰分布； 由现住面积的四分位数可知，25%的家庭，现住面积为45平方米以下，有50%的家庭，现住面积在60平方米以下，有75%的家庭，现住面积在80平方米以下。 图一：家庭收入直方图 该图表明，家庭收入分布存在一定的右偏。 图二：现住面积直方图
用R语言做非参数和半参数回归笔记
由詹鹏整理，仅供交流和学习 根据南京财经大学统计系孙瑞博副教授的课件修改，在此感谢孙老师的辛勤付出！ 教材为：Luke Keele: Semiparametric Regression for the Social Sciences. John Wiley & Sons, Ltd. 2008. ------------------------------------------------------------------------- 第一章 introduction: Global versus Local Statistic 一、主要参考书目及说明 1、Hardle(1994). Applied Nonparametic Regresstion. 较早的经典书 2、Hardle etc (2004). Nonparametric and semiparametric models: an introduction. Springer. 结构清晰 3、Li and Racine(2007). Nonparametric econometrics: Theory and Practice. Princeton. 较全面和深入的介绍，偏难 4、Pagan and Ullah (1999). Nonparametric Econometrics. 经典 5、Yatchew(2003). Semiparametric Regression for the Applied Econometrician. 例子不错 6、高铁梅（2009）. 计量经济分析方法与建模：EVIEWS应用及实例（第二版）. 清华大学出版社. （P127/143） 7、李雪松（2008）. 高级计量经济学. 中国社会科学出版社. （P45 ch3） 8、陈强（2010）. 高级计量经济学及Stata应用. 高教出版社. （ch23/24） 【其他参看原ppt第一章】 二、内容简介 方法： ——移动平均（moving average） ——核光滑（Kernel smoothing） ——K近邻光滑（K-NN） ——局部多项式回归（Local Polynormal） ——Loesss and Lowess ——样条光滑（Smoothing Spline） ——B-spline ——Friedman Supersmoother 模型： ——非参数密度估计 ——非参数回归模型 ——非参数回归模型 ——时间序列的半参数模型 ——Panel data 的半参数模型 ——Quantile Regression 三、不同的模型形式 1、线性模型linear models 2、Nonlinear in variables
非参数回归模型
精品资料 仅供学习与交流，如有侵权请联系网站删除 谢谢2 非参数回归模型 非参数回归模型也叫多元回归模型，它是一种脱离于混沌理论的多条路段分析方法。它是对当前路段和几条相邻路段的交通流信息对当前路段进行交通流预测的单条路段分析的扩展。它不需要先验知识，只需要有足够的历史数据即可。它的原理是：在历史数据库中寻找与当前点相似的近邻，并根据这些近邻来预测下一时间段的流量。该算法认为系统所有的因素之间的内在联系都蕴含在历史数据中，因此直接从历史数据中得到信息而不是为历史数据建立一个近似模型。非参数回归最为一种无参数、可移植、预测精度高的算法，它的误差比较小，且误差分布情况良好。尤其通过对搜索算法和参数调整规则的改进，使其可以真正达到实时交通流预测的要求。并且这种方法便于操作实施，能够应用于复杂环境，可在不同的路段上方便地进行预测。能够满足路网上不同路段的预测，避免路段位置和环境对预测的影响。随着数据挖掘技术左键得到人们的认可和国内外学者的大量相关研究，使得非参数回归技术在短时交通流预测领域得到广泛应用。 非参数回归的回归函数()X g Y =的估计值()X g n 一般表示为： ()()∑==n i i i i n Y X W X g 1 其中，Y 为以为广策随机变量；X 为m 维随机变量；（Xi,Yi ）为第i 次观测值，i=1,...,n ；Wi(Xi)为权函数.非参数回归就是对g(X)的形状不加任何限制，即对g （X ）一无所知的情况下，利用观测值（Xi,Yi ），对指定的X 值去估计Y 值。由于其不需要对系统建立精确的数学模型，因此比较适合对事变的、非线性的系统进行预测，符合对城市交通流的预测，同时可以与历史平均模型实现优缺点的互补。 K 近邻法 Friedman 于1977年提出了K 近邻法。其并不是让所有的数据都参与预 测，而是以数据点到X 点的距离为基础，甲醛是只有离X 最近的K 个数据被用来估计相应的g(X)值。可以引入欧式空间距离d ，然后按这个距离将X1，X2，...,Xn 与X 接近的程度重新排序：Xk1,...,Xkn,取权值如下： Wki(X:X1,...,Xn)=ki,i=1,..,n 将与X 最近的前K 个观测值占有最大的权K=1，其余的观测值赋予权值k=0.最终得到应用于短时交通流预测的K 近邻法可表示为：
第一节 非参数检验的基本概念及特点 一、非参数检验 （一）什么是“非参数” 非参数模型：缺乏总体分布模式的信息。 （二）非参数检验的定义 非参数检验：不需要假设总体是否为正态分布或方差是否为齐性的假设检验称非参数检验。 （三）非参数检验的优点和缺点： 1、优点： 一般不涉及总体参数，其假设前提也比参数假设检验少得多，适用面较广。 计算简便。 2、缺点： 统计效能远不如参数检验方法。由于当数据满足假设条件时，参数统计检验方法能够从其中广泛地充分地提取有关信息。非参数统计检验方法对数据的限制较为宽松，只能从中提取一般的信息,相对参数统计检验方法会浪费一些信息。 （四）非参数检验的特点： 1、它不需要严格的前提假设； 2、特别适用于顺序数据； 3、适用于小样本，且方法简单； 4、最大的不足是不能充分利用资料的全部信息； 5、不能处理“交互作用”，即多因素情况。 第二节 两个独立样本的非参数检验方法 一、秩和检验法 秩和即秩次的和或等级之和。秩和检验法也叫Mann-Whitney-Wilcoxon 检验，它常被译为曼－惠特尼－维尔克松检验，简称M-W-W 检验，也称Mann-Whitney U 检验。秩和检验法与参数检验法中独立样本的t 检验法相对应。当“总体正态”这一前提不成立时，不能用t 检验，可以用秩和检验法。 （一）秩统计量 秩统计量指样本数据的排序等级。假设从总体中反复抽取样本，就能得到一个对应于样本容量1n 和2n 的秩和U 的分布。这是一个间断而对称的分布，当1n 和2n 都大于10时，秩和T 的分布近期近似正态分布，其平均数和标准差分别为 () 21211++= n n n T μ ()12121 21++=n n n n T σ 其检验值为
非参数回归简介 一、参数回归与非参数回归的特点 无论是线性回归还是非线性回归，其回归函数形式都是已知的，只是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果却比较好。 参数回归与非参数回归的优缺点比较： 参数回归： 优点： (1).模型形式简单明确，仅由一些参数表达(eg: y=a+bx+e, a,b为待估参数) (2).在经济中，模型的参数一般都具有明确的经济含义 (3).当模型参数假设成立，统计推断的精度较高，能经受实际检验 (4).模型能够进行外推运算 (5).模型可以用于小样本的统计推断 缺点： (1).回归函数的形式预先假定 (2).模型限制较多：一般要求样本满足某种分布要求，随机误差满足正态假设，解释变量间独立，解释变量与随机误差不相关，等
(3).需要对模型的参数进行严格的检验推断，步骤较多 (4).模型泛化能力弱，缺乏稳健性，当模型假设不成立，拟合效果不好，需要修正或者甚至更换模型 非参数回归： 优点； (1).回归函数形式自由，受约束少，对数据的分布一般不做任何要求 (2).适应能力强，稳健性高，回归模型完全由数据驱动 (3).模型的精度高 (4).对于非线性、非齐次问题，有非常好的效果 缺点： (1).不能进行外推运算 (2).估计的收敛速度慢 (3).一般只有在大样本的情况下才能得到很好的效果，而小样本的效果较差 (4).高维诅咒, 光滑参数的选取一般较复杂 二、非参数回归的方法简介 非参数回归方法 样条光滑 正交回归 核回归：N-W估计、P-C估计、G-M估计 局部多项式回归：线性、多项式 光滑样条：光滑样条、B样条近邻回归：k-NN、k近邻核、对称近邻 正交级数光滑 局 部 回 归 Fourier级数光滑 wavelet光滑
第十一章非参数检验 第一节符号检验 符号检验的方法·符号检验的特点和作用 第二节配对符号秩检验 配对符号秩检验的方法·配对符号秩检验的效力 第三节秩和检验 秩和检验的方法·秩和检验的近似 第四节游程检验 游程的概念·游程检验的方法·差符号游程检验 第五节累计频数检验 累计频数检验的方法·累计频数检验的应用 一、填空 1．非参数检验，泛指“对分布类型已知的总体进行参数检验”（）的所有检验方法。 2．符号检验的零假设就是配对观察结果的差平均起来等于（）。 3．理论研究表明，对于配对样本非正态分布的差值d，（）是最佳检验。 4．秩和检验检验统计量U是U1和U2中较（）的一个。 5．秩尺度之统计量的均值和标准差只取决于（）。 6．（）常被用作经验分布与理论分布的比较。 7．绝对值相等的值，应将它们的秩（）。 8．符号检验，在分布自由检验中称为（）。 9．符号检验和配对符号秩检验，都只适用于（）样本。 10．数据序列ABBABAAABABBABBAAAAAB的总游程数是（） 二、单项选择 1．下列检验中，不属于非参数统计的方法的是（）。 A总体是否服从正态分布 B 总体的方差是否为某一个值 C 样本的取得是否具有随机性 D 两组随机变量之间是否相互独立 2．下列情况中，最适合非参数统计的方法是（）。 A反映两个大学新生成绩的差别 B 反映两个大学新生家庭人均收入的差别 C 反映两个大学三年级学生对就业前景的看法差别 D反映两个大学在校生消费水平的差别 3．不属于非参数检验的是（）。 A符号检验B游程检验C累计频数检验 D F检验 4．在累计频数检验中，卡方的自由度为（）。 A n1 B 2 C n2 D n1+n2
卡方检验(Chi-square) ?参数与非参数检验 ?卡方匹配度检验 ?卡方独立性检验 ?卡方检验的前提和限制 ?卡方检验的应用 参数与非参数检验 ?参数检验 ◆用于等比/等距型数据 ◆对参数的前提：正态分布和方差同质 ?非参数检验 ◆不用对参数进行假设 ◆对分布较少有要求，也叫d i s t r i b u t i o n-f r e e t e s t s ◆用于类目/顺序型数据 ◆没有参数检验敏感，效力低 ◆因此在二者都可用时，总是用参数检验 卡方匹配度检验 ?用样本数据检验总体分布的形状或比率，以确定与假设的总体性质的匹配度?是对次数分布的检验 ?研究情境 ◆在医生职业中，男的多还是女的多？ ◆在三种咖啡中，哪种被国人最喜欢？ ◆在北京大学中，各国留学生的比例有代表性吗？ 卡方匹配度检验的公式 ?χ2=∑[(f0-f e)2/f e] ?f e=p n ?d f=C-1 ◆F0：观察次数 ◆f e：期望次数 ◆C：类目的个数 ◆Χ2：统计量 卡方独立性检验 ?检验行和列的两个本来变量彼此有无关联 卡方独立性检验的公式 ?χ2=∑[(f0-f e)2/f e] ?f e=（r o w t o t a l）（c o l u m n t o t a l）/n， ?d f=（R-1）（C-1）
◆F0：观察次数 ◆f e：期望次数 ◆R：行类目的个数C：列类目的个数◆Χ2：统计量 例：х2检验 1.计算期望次数fe=(fc*fr)/n 2.计算每个单位格的х2值 22 df=(R-1)(C-1)= (3-1)(2-1)=2，х2的临界值为5.99 拒绝Ho，对手表显示的偏好程度与被试的年龄段有关
非参数回归模型 非参数回归模型也叫多元回归模型，它是一种脱离于混沌理论的多条路段分析方法。它是对当前路段和几条相邻路段的交通流信息对当前路段进行交通流预测的单条路段分析的扩展。它不需要先验知识，只需要有足够的历史数据即可。它的原理是：在历史数据库中寻找与当前点相似的近邻，并根据这些近邻来预测下一时间段的流量。该算法认为系统所有的因素之间的内在联系都蕴含在历史数据中，因此直接从历史数据中得到信息而不是为历史数据建立一个近似模型。非参数回归最为一种无参数、可移植、预测精度高的算法，它的误差比较小，且误差分布情况良好。尤其通过对搜索算法和参数调整规则的改进，使其可以真正达到实时交通流预测的要求。并且这种方法便于操作实施，能够应用于复杂环境，可在不同的路段上方便地进行预测。能够满足路网上不同路段的预测，避免路段位置和环境对预测的影响。随着数据挖掘技术左键得到人们的认可和国内外学者的大量相关研究，使得非参数回归技术在短时交通流预测领域得到广泛应用。 非参数回归的回归函数()X g Y =的估计值()X g n 一般表示为： ()()∑==n i i i i n Y X W X g 1 其中，Y 为以为广策随机变量；X 为m 维随机变量；（Xi,Yi ）为第i 次观测值，i=1,...,n ；Wi(Xi)为权函数.非参数回归就是对g(X)的形状不加任何限制，即对g （X ）一无所知的情况下，利用观测值（Xi,Yi ），对指定的X 值去估计Y 值。由于其不需要对系统建立精确的数学模型，因此比较适合对事变的、非线性的系统进行预测，符合对城市交通流的预测，同时可以与历史平均模型实现优缺点的互补。 K 近邻法 Friedman 于1977年提出了K 近邻法。其并不是让所有的数据都参与预测，而是以数据点到X 点的距离为基础，甲醛是只有离X 最近的K 个数据被用来估计相应的g(X)值。可以引入欧式空间距离d ，然后按这个距离将X1，X2，...,Xn 与X 接近的程度重新排序：Xk1,...,Xkn,取权值如下： Wki(X:X1,...,Xn)=ki,i=1,..,n 将与X 最近的前K 个观测值占有最大的权K=1，其余的观测值赋予权值k=0.最终得到应用于短时交通流预测的K 近邻法可表示为： ()()()()K t V t V g t V K i i ∑=+==+111
实验报告 ——（非参数检验） 实验目的： 1、学会使用SPSS软件进行非参数检验。 2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。 实验内容： 1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调 查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建) SPSS计算结果如下： 此题为总体分布的卡方检验。 零假设：样本来自总体分布形态和期望分布没有显著差异。即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。 观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。从下表中可以看出相伴概
率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。 2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用 河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav） -+++*++++-+++-+++++----++----+---- 毒源 问：中毒与饮水是否有关？ SPSS计算结果如下： 此题为单样本变量值随机检验 零假设：总体某变量的变量值是随机出现的。即中毒的家庭沿河分布的情况随机分布，与饮水无关。 相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。 3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。 试验组：24 26 27 30 32 34 36 40 60 天以上 对照组：4 6 7 9 10 10 12 13 16 16 SPSS计算结果如下： 此题为两独立样本非参数检验。 （1）两独立样本Mann-Whitney U检验：
标题：视觉简单反应时实验报告 作者：孙洁肖红艳普凤梅 班级：09应用心理学 学号：20091740107 20091740109 20091740126 日期：2011年6月24日
视觉简单反应时实验报告 孙洁（20091740107）肖红艳（20091740109）普凤梅（20091740126） （云南民族大学教育学院2009级应用心理学专业昆明 650031） 摘要：本实验采用闪电测反应速度测定装置测量了35名被试的视觉简单反应时，计算了其中3名被试的视觉简单反应时均值及标准差，进行了相应的比较；并对35名被试进行了视觉简单反应时的差异显著性检验，经过分析得到实验结果：（1）3名被试的视觉简单反应时存在很大的差异，特别是被试3的反应时与被试1、被试2的差异很明显；（2）全体被试的视觉简单反应时存在显著性差异，但在35名被试内进行的性别与组别的T检验都得出被试简单反应时不存在显著差别的结果，即本次实验没有存在练习效应。这与前人的实验研究结果相一致，也验证了实验假设的正确性。 关键词：简单反应时；视觉；差异 1.引言 1.1有关反应时的概念 反应时（简称RT）指刺激作用于有机体后到明显的反应开始时所需要的时间。刺激作用于感官引起感官的兴奋，兴奋传到大脑，并对其加工，再通过传出通路传到运动器官，运动反应器接受神经冲动，产生一定反应，这个过程可用时间作为标志来测量，这就是反应时。反应时最早由天文学家发现，后由生理学家和心理学家加以研究和发展。1873年，奥地利生物学家Exner首先提出“反应时间”这个概念。以后Wundt（冯特）把反应时间引用到他的心理实验室里，使得反应时间直接成为了心理学的研究课题。反应时是心理学研究中最重要的反应变量和指标之一，使用反应时作为指标的实验研究，曾对解决心理学理论问题和生活实际问题起到相当大的作用。 通常，反应时可分为简单反应时和选择反应时两类。简单反应时是指给被试呈现单一的刺激，只要求做单一的反应，并且两者是固定不变的，这时刺激与反应之间的时距就是简单反应时。简单反应时的实验已有一百多年的历史，最早始于天文学家对“人差方程”的研究，赫希（Hirsch, A.）在1861-1865 年间测量了视听与触觉的“生理时间”得到简单反应时的时值，光为180ms，声为140ms，触觉为140ms，这些数据到今天还算是相当标准的。 简单反应时比较短，并且具有通道差异性，因为感官换能的时间不同，研究表明训练有素的成人其视觉的简单反应时为150-230ms；此外反应时的个体差异也很大，所以我们提出假设：全体被试的视觉简单反应时存在显著性差异。 1.2实验目的 本实验涉及的是有关视觉简单反应时的研究。验的目的是：（1）学习视觉简单反应时的测定方法及其实验材料的整理与数据的处理；（2）学会比较视觉简单反应时的个体差异，分析全体被试视觉简单反应时是否存在显著性差异。1.3 实验指导语 这是一次视觉反应时间的测量实验，当你听到“预备”口令后，请你注意电脑屏幕的刺激呈现窗；当你看到闪电刺激后，就迅速按“OK”键（鼠标左键）上。不能提前按键或延迟较长时按键，否则测量无效，并重开一组。
第七章 非参数回归模型与半参数回归模型 第一节 非参数回归与权函数法 一、非参数回归概念 前面介绍的回归模型，无论是线性回归还是非线性回归，其回归函数形式都是已知的，只是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果却比较好。 设Y 是一维观测随机向量，X 是m 维随机自变量。在第四章我们曾引进过条件期望作回归函数，即称 g (X ) = E (Y |X ) （7.1.1） 为Y 对X 的回归函数。我们证明了这样的回归函数可使误差平方和最小，即 22)]([min )]|([X L Y E X Y E Y E L -=- （7.1.2） 这里L 是关于X 的一切函数类。当然，如果限定L 是线性函数类，那么g (X )就是线性回归函数了。 细心的读者会在这里立即提出一个问题。既然对拟合函数类L (X )没有任何限制，那么可以使误差平方和等于0。实际上，你只要作一条折线(曲面)通过所有观测点(Y i ，X i )就可以了是的，对拟合函数类不作任何限制是完全没有意义的。正象世界上没有绝对的自由一样，我们实际上从来就没有说放弃对L(X)的一切限制。在下面要研究的具体非参数回归方法，不管是核函数法，最近邻法，样条法，小波法，实际都有参数选择问题(比如窗宽选择，平滑参数选择)。 所以我们知道，参数回归与非参数回归的区分是相对的。用一个多项式去拟合(Y i ，X i )，属于参数回归；用多个低次多项式去分段拟合(Y i ，X i )，叫样条回归，属于非参数回归。 二、权函数方法 非参数回归的基本方法有核函数法，最近邻函数法，样条函数法，小波函数法。这些方法尽管起源不一样，数学形式相距甚远，但都可以视为关于Y i 的线性组合的某种权函数。也就是说，回归函数g (X )的估计g n (X )总可以表为下述形式：
?第十一章非参数检验 ?第一节符号检验 ?第二节秩和检验 ?第三节等级相关分析 ?非参数检验是一种与总体分布状况无关的检验方法，它主要是利用样本数据之间的大 小比较及大小顺序，对样本及其所属总体作差别检验，而不对总体分布的参数如平均数、标准差等进行估计推断。 ?优点—计算简便、直观， ?—易于掌握，检验速度较快 ?缺点—降低了检验的准确性，效率一般要低于参数检验方法 ?本章只介绍常用的 —符号检验（sign test） —秩和检验（rank-sum test） —等级相关分析（rank correlation analysis） ?第一节符号检验 一、配对资料的符号检验 二、样本中位数与总体中位数比较的符号检验 ?一、配对资料的符号检验 1、建立假设 无效假设H O：两处理差值d总体中位数=0 备择假设H A：两处理差值d总体中位数≠0 或d总体中位数＜0 （一尾检验） 或d总体中位数＞0（一尾检验） 2、计算差值并赋予符号 d＞0者记为“+”，总个数记为n+ d＜0者记为“－”,总个数记为n- d=0记为“0”, 总个数记为n0 n= n++ n- 检验的统计量为K 为n+、n-中的较小者 ? 3、统计推断 由n查附表15得临界值K0.05(n)，K0.01(n)，作统计推断： 如果K＞K0.05(n)，P＞0.05，则不能否定H O，两个试验处理差异不显著； 如果K0.01(n)＜K≤K0.05(n)，0.01＜P≤0.05，则否定H O，接受H A，两个试验处理差异显著； 如果K≤K0.01(n)，P≤0.01，则否定H O，接受H A，两个试验处理差异极显著。 【例11.1】某研究测定了噪声刺激前后15头猪的心率，结果见表11-1。问噪声对猪的心率有无影响？ ?表11-1 猪噪声刺激前后的心率（次/分钟） 1、提出无效假设与备择假设 H O：噪声刺激前后猪的心率差值d总体中位数 =0；
由詹鹏整理，仅供交流和学习 根据南京财经大学统计系孙瑞博副教授的课件修改，在此感谢孙老师的辛勤付出！ 教材为：Luke Keele: Semiparametric Regression for the Social Sciences. John Wiley & Sons, Ltd. 2008. ------------------------------------------------------------------------- 第一章introduction: Global versus Local Statistic 一、主要参考书目及说明 1、Hardle(1994). Applied Nonparametic Regresstion. 较早的经典书 2、Hardle etc (2004). Nonparametric and semiparametric models: an introduction. Springer. 结构清晰 3、Li and Racine(2007). Nonparametric econometrics: Theory and Practice. Princeton. 较全面和深入的介绍，偏难 4、Pagan and Ullah (1999). Nonparametric Econometrics. 经典 5、Yatchew(2003). Semiparametric Regression for the Applied Econometrician. 例子不错 6、高铁梅（2009）. 计量经济分析方法与建模：EVIEWS应用及实例（第二版）. 清华大学出版社. （P127/143） 7、李雪松（2008）. 高级计量经济学. 中国社会科学出版社. （P45 ch3） 8、陈强（2010）. 高级计量经济学及Stata应用. 高教出版社. （ch23/24） 【其他参看原ppt第一章】 二、内容简介 方法： ——移动平均（moving average） ——核光滑（Kernel smoothing） ——K近邻光滑（K-NN） ——局部多项式回归（Local Polynormal） ——Loesss and Lowess ——样条光滑（Smoothing Spline） ——B-spline ——Friedman Supersmoother 模型： ——非参数密度估计 ——非参数回归模型 ——非参数回归模型 ——时间序列的半参数模型 ——Panel data 的半参数模型 ——Quantile Regression 三、不同的模型形式 1、线性模型linear models 2、Nonlinear in variables 3、Nonlinear in parameters
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
Fisher 的精确检验:精确概率法计算的卡方值（用于理论数E<5）。 不同的资料应选用不同的卡方计算方法。 例为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。 X2=，P（Sig）=<，表明灭螨剂A组的杀螨率极显着高于灭螨剂B组。 例 表3 治疗方法* 治疗效果交叉制表 计数 治疗效果 123 合计 治疗方法11916540 21612836 31513735合计504120111 分析：表3是治疗方法* 治疗效果资料分析的列联表。 表4 卡方检验 X2值df渐进 Sig. (双侧) Pearson 卡方 1.428a4.839
似然比4.830线性和线性组合.5141.474 有效案例中的 N111 a. 0 单元格(.0%) 的期望计数少于 5。最小期望计数为。 分析：表4是卡方检验的结果。自由度df=4，表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为。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）的检验结果，即 X2=，P=>,差异不显着，可以认为不同的治疗方法与治疗效果无关，即三种治疗方法对治疗效果的影响差异不显着。 例 表5 灌溉方式* 稻叶情况交叉制表 计数 稻叶情况 123 合计 灌溉方式114677160 2183913205 31521416182合计4813036547 分析：表5是灌溉方式* 稻叶情况资料分析的列联表。
实验报告 非参数检验 学院: 参赛队员: 参赛队员: 参赛队员: 指导老师:
目录 一、实验目的 (1) 1.了解假设检验的基本内容； (1) 2.了解卡方检验； (1) 3.了解二项分布检验； (1) 4.了解两个独立样本检验； (1) 5.学会运用spss软件求解问题； (1) 6.加深理论与实践相结合的能力。 (1) 二、实验环境 (1) 三、实验方法 (1) 1.卡方检验； (1) 2.二项分布检验； (1) 3.两个独立样本检验。 (1) 四、实验过程 (1) 问题一： (1) 1.1实验步骤 (2) 1.1.1输入数据 (2) 1.1.2选择：数据 加权个案 (2) 1.1.3选择：分析→非参数检验→旧对话框→卡方 (2) 1.1.4将变量面值放入检验变量列表 (3) 1.1.5观察结果 (3) 1.2输出结果 (3) 1.3结果分析 (3) 问题二： (3) 2.1问题叙述 (3) 2.2提出假设 (4) 2.3实验步骤 (4) 2.3.1导入excel文件数据 (4) 2.3.2二项分布检验 (5) 2.3.3输出结果 (6) 2.4结果分析 (6) 问题三： (6) 3.1实验步骤 (6) 3.1.1数据的输入 (6) 3.1.2选择 (7) 3.1.3检验变量 (7) 3.2输出结果 (7) 3.3结果分析 (9) 五、实验总结 (9)
参数检验 一、实验目的 1.了解假设检验的基本内容； 2.了解卡方检验； 3.了解二项分布检验； 4.了解两个独立样本检验； 5.学会运用spss软件求解问题； 6.加深理论与实践相结合的能力。 二、实验环境 Spss、office 三、实验方法 1.卡方检验； 2.二项分布检验； 3.两个独立样本检验。 四、实验过程 问题一：
第十一章 非参数检验 前面有关章节讨论的参数检验都要求总体服从一定的分布，对总体参数的检验是建立在这种分布基础上的。例如，两样本平均数比较的t 检验和多个样本平均数比较的F 检验，都要求总体服从正态分布，推断两个或多个总体平均数是否相等。本章引入另一类检验——非参数检验（non-parametric test ）。非参数检验是一种与总体分布状况无关的检验方法，它不依赖于总体分布的形式，应用时可以不考虑被研究的对象为何种分布以及分布是否已知。非参数检验主要是利用样本数据之间的大小比较及大小顺序，对两个或多个样本所属总体是否相同进行检验，而不对总体分布的参数如平均数、标准差等进行统计推断。当样本观测值的总体分布类型未知或知之甚少，无法肯定其性质，特别是观测值明显偏离正态分布，不具备参数检验的应用条件时，常用非参数检验。非参数检验具有计算简便、直观，易于掌握，检验速度较快等优点。 非参数检验法从实质上讲，只是检验总体分布的位置（中位数）是否相同，所以对于总体分布已知的样本也可以采用非参数检验法，但是由于它不能充分利用样本内所有的数量信息，检验的效率一般要低于参数检验方法。例如，非配对资料的秩和检验，其效率为t 检验的86.4%，就是说以相同概率判断出差异显著，t 检验所需的样本个数要少13.6%。非参数检验内容很多，本章只介绍常用的符号检验（sign test ），秩和检验（rank-sum test ）和等级相关分析（rank correlation analysis ）三种。 第一节 符号检验 一、配对资料的符号检验 （一）配对资料符号检验的意义 配对资料符号检验是根据样本各对数据之差的 正负符号多少来检验两个总体分布位置的异同，而不去考虑差值的大小。每对数据之差为正值用“+”表示，负值用“－”表示。可以设想如果两个总体分布位置相同，则正或负出现的次数应该相等。若不完全相等，至少不应相差过大，否则超过一定的临界值就认为两个样本所来自的两个总体差异显著，分布的位置不同。显然这种检验比较的是中位数而不是平均数，当分布对称时，中位数与平均数相等。 （二）配对资料符号检验的基本步骤 1、提出无效假设与备择假设 H O ：甲、乙两处理差值d 总体中位数=0； H A ：甲、乙两处理差值d 总体中位数≠0。 此时进行两尾检验。若将H A 中的“≠”改为“＜”或“＞”，则进行一尾检验。 2、计算差值并赋予符号 求甲、乙两个处理的配对数据的差值d ，d ＞0者记为“+”，d ＜0者记为“－”，d =0记为“0”。统计“+”、“－”、“0”的个数，分别记为0,,n n n -+，令-++=n n n 。检验的统计量为K ，等于+n 、-n 中的较小者，即},min{-+=n n K 。
S P S S的参数检验和非 参数检验 公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]
实验报告 SPSS的参数检验和非参数检验 学期：_2013__至2013_ 第_1_学期 课程名称:_数学建模专业:数学 实验项目__SPSS的参数检验和非参数检验实验成绩：＿＿＿＿＿ 一、实验目的及要求 熟练掌握t检验及其结果分析。熟练掌握单样本、两独立样本、多独立样本的非参数检验及各种方法的适用范围，能对结果给出准确分析。 二、实验内容 使用指定的数据按实验教材完成相关的操作。 1、给幼鼠喂以不同的饲料，用以下两种方法设计实验： 方式1：同一鼠喂不同的饲料所测得的体内钙留存量数据如下： 方式2：甲组有12只喂饲料1，乙组有9只喂饲料2，所测得的钙留存量数据如下：
请选用恰当方法对上述两种方式所获得的数据进行分析，研究不同饲料是否使幼鼠体内钙的留存量有显着不同。 2、为分析大众对牛奶品牌是否具有偏好，随机挑选超市收集其周一至 周六各天三种品牌牛奶的日销售额数据，如下表所示： 请选用恰当的非参数检验方法，以恰当形式组织上述数据进行分析，并说明分析结论。 实验报告附页 三、实验步骤 （一） 方式1： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Paired-Samples T Test，出现窗口； 3、把检验变量饲料1，饲料2 选择到Paired Variables框，单击OK。方式2： 1、打开SPSS软件，根据所给表格录入数据，建立数据文件； 2、选择菜单Analyze－Compare means－Independent-Samples T Test，出现窗口 3、选择检验变量饲料到Test Variable(s)框中。 4、选择总体标志变量组号到Grouping Variables框中。 5、单击Define Groups按钮定义两总体的标志值1、2，单击OK。
第七章 非参数回归模型与半参数回归模型 第一节 非参数回归与权函数法 一、非参数回归概念 前面介绍的回归模型，无论是线性回归还是非线性回归，其回归函数形式都是已知的，只是其中参数待定，所以可称为参数回归。参数回归的最大优点是回归结果可以外延，但其缺点也不可忽视，就是回归形式一旦固定，就比较呆板，往往拟合效果较差。另一类回归，非参数回归，则与参数回归正好相反。它的回归函数形式是不确定的，其结果外延困难，但拟合效果却比较好。 设Y 是一维观测随机向量，X 是m 维随机自变量。在第四章我们曾引进过条件期望作回归函数，即称 g (X ) = E (Y |X ) （7.1.1） 为Y 对X 的回归函数。我们证明了这样的回归函数可使误差平方和最小，即 22)]([min )]|([X L Y E X Y E Y E L -=- （7.1.2） 这里L 是关于X 的一切函数类。当然，如果限定L 是线性函数类，那么g (X )就是线性回归函数了。 细心的读者会在这里立即提出一个问题。既然对拟合函数类L (X )没有任何限制，那么可以使误差平方和等于0。实际上，你只要作一条折线(曲面)通过所有观测点(Y i ，X i )就可以了是的，对拟合函数类不作任何限制是完全没有意义的。正象世界上没有绝对的自由一样，我们实际上从来就没有说放弃对L(X)的一切限制。在下面要研究的具体非参数回归方法，不管是核函数法，最近邻法，样条法，小波法，实际都有参数选择问题(比如窗宽选择，平滑参数选择)。 所以我们知道，参数回归与非参数回归的区分是相对的。用一个多项式去拟合(Y i ，X i )，属于参数回归；用多个低次多项式去分段拟合(Y i ，X i )，叫样条回归，属于非参数回归。 二、权函数方法 非参数回归的基本方法有核函数法，最近邻函数法，样条函数法，小波函数法。这些方法尽管起源不一样，数学形式相距甚远，但都可以视为关于Y i 的线性组合的某种权函数。也就是说，回归函数g (X )的估计g n (X )总可以表为下述形式： ∑==n i i i n Y X W X g 1 )()( （7.1.3）
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 实验日期实验地点 2015—2016学年度第一2 学期 、实验目的 对分类资料进行卡方检验。 、实验环境 1、硬件配置：处理器：In tel(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
（包括本实验要完成的实验问题及需要的相关知识简单概述 ） （1） 课本第六章的例6.1-6.5运行一遍，注意理解结果； （2） 然后将实验指导书的例 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、数据的准备、运行过程分析、源程序（代码） 例6.1 分析：表1是灭螨A 和灭螨B 杀灭大蜂螨效果的样本分类的频数分析表，即交叉列联表。 表2卡方检验 b.仅对2x2表计算 分析：表2是卡方检验的结果。因为两组各自的结果互不影响，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的卡方值（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：对数似然比法计算的卡方值（类似皮尔逊卡方检验）； Fisher 的精确检验：精确概率法计算的卡方值（用于理论数 E<5）。 不同的资料应选用不同的卡方计算方法。 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”行的统计结果。 X 2=7.944 , P （Sig ） =0.005<0.01，表明灭螨剂 A 组的杀螨率极显著高于灭螨剂 B 组。 例6.2 表3治疗方法*治疗效果交叉制表 计数 治疗效果 、图形图象界面等） 合计