Bài giảng Xử lý thống kê với phần mềm SPSS - Bài 7: Thống kê phi tham số

N D Hien 100 Bài 7 THỐNG KÊ PHI THAM SỐ Các phương pháp thống kê vẫn dùng như ước lượng, kiểm đinh giá trị trung bình, so sánh các trung bình, phân tích phương sai một nhân tố, hai nhân tố, tương quan, hồi quy đơn, hồi quy bội tuyến tính liên quan đến biến định lượng và đều dựa trên giả thiết biến kết quả phân phối chuẩn, chỉ có kiểm định một phân phối và bảng tương liên là chuyên dùng cho biến định tính Trong những năm gần đây do nhu cầu xử lý các biến định tính và xử lý các biến định lượng không phân phối chuẩn(dùng các phép biến đổi thông thường như 2 , Log(X), Arcsin hay biến đổi tổng quát Box - Cox cũng không đưa được về chuẩn) đã ra đời nhiều phương pháp thống kê gọi chung là phương pháp phi tham số (non parametric method) Thống kê phi tham số dựa trên việc xếp hạng các số liệu do đó nhiều giả thiết và kết luận liên quan đến trung vị (median) chứ không liên quan đến trung bình Thống kê phi tham số có ưu điểm: Không dùng các tham số của tổng thể, không cần giả thiết phân phối chuẩn, nói chung không đòi hỏi nhiều điều kiện đối với dữ liệu. Dùng được cho nhiêu loại biến chứ không riêng gì biến định lượng Việc tính các thống kê phi tham số thường đơn giản dễ tính. Thống kê phi tham số có nhược điểm Chuyển sang thứ hạng nên mất nhiều thông tin về bản chất dữ liệu do đó nếu gặp biến định lượng và phân phối chuẩn thì thống kê phi tham số không mạnh bằng thống kê tham số, điều này tương tự như khi tổ chức chạy thi 100 m, nếu có dụng cụ đo chính xác thì biết rõ thành tích người thứ nhất chạy hết 9,70 giây, người thứ hai 9,80 giây, . . . Còn nếu không có dụng cụ đo thì chỉ ghi lại: về đầu, về thứ hai, . . . Không có nhiều kết luận đi sâu về mặt định lượng hoặc nếu có thì việc tính toán tương đối khó N D Hien 101 Một số thống kê phi tham số Thống kê tham số Thống kê phi tham số Mục đích Z-test, t- test Uớc lượng, kiểm định trung bình m Wilcoxon signed test Kiểm dịmh trung vị Paired t-test So sánh hai trung bình mẫu theo cặp Wilcoxon signed test So sánh hai trung vị t- test So sánh hai trung bình mẫu độc lập Wilcoxon-Man-Whitney Kiểm định giả thiết hai mẫu được lấy từ một tổng thể One way anova Kruskal Wallis Thiết kế một nhân tố CRD Kiểm định giả thiết các trung bình của các mức bằng nhau Two factor without replication Friedmann Thiết kế một nhân tố RCBD Kiểm định giả thiết các trung bình của các mức bằng nhau Pearson R Spearman Rs Kendall  2 Tính mối quan hệ giữa hai biến Kiểm định một phân phối và bảng tương liên Kiểm định một phân phối: Đậu với 2 tính trội gồm 4 nhóm N D Hien 102 Loại Tần số H0 AB 59 9 Ab 18 3 aB 26 3 Ab 12 1 Tổng 115 16 Data Weight cases chọn weight case by tanso Analyse Nonparametric Tests Chisquare, chọn Loais vào test variable List. Chọn Values sau đó lần lượt đưa 9, 3, 3, 1 vào (Nhập số 9, Add, nhập số 3, Add nhập số 3, Add, nhập số 1 Add). Bảng tương liên Mở tệp Baitap5.(Chất lượng cà chua thu hoạch sớm và thu hoach bình thường) Giả thiết H0:Thời gian thu hoạch không ảnh hưởng đến chất lượng cà chua. Vào Data Weight cases. Chọn Weight case by Solg Sau đó vào Analyse Descriptive Statistics Crosstab Đưa Tgian vào Rows Chatlg vào Columns. N D Hien 103 So sánh 2 mẫu theo cặp ( Two-Related-Samples Test Types) Wilcoxon signed-rank test Mở têp Baitap2. Vào Analyse, Non parametrics test,Two related samples tests N D Hien 104 So sánh 2 mẫu độc lập Mở têp Baitap2. Vào Analyse. Non parametrics test . 2 Independent samples để so sánh 2 nhóm Group A và Group B (Viết thành 2 cột kqua1 và chỉ số ) N D Hien 105 So sánh nhiều mẫu độc lập Kruskal-Wallis test Mở tệp Baitap3. Analyse, Non parametrics tests, k Independent samples. N D Hien 106 Kiểm định phi tham số Kruskal-Wallis, 4 công thức ăn Tính giá trị tới hạn trong phân phối 2 2lt = 2(,Df) Nếu H  2lt thì chấp nhận giả thiết H0 : 4 công thức cho kết quả không khác nhau N D Hien 107 So sánh nhiều mẫu có liên quan Analyse Non parametric Tests, K- related samples Friedman test Mở tệp Baitap3.xls N D Hien 108