非引數檢驗（卡方（Chi-square）檢驗、二項分佈（Binomial）檢驗、單樣本K-S（Kolmogorov-Smirnov）檢驗、單樣本變數值隨機性檢驗（Runs Test）、兩獨立樣本非引數檢驗、多獨立樣本非引數檢驗、兩配對樣本非引數檢驗、多配對樣本非引數檢驗）

引數檢驗：T檢驗、F檢驗等常用來估計或檢驗總體引數，統稱為引數檢驗
非引數檢驗：這種不是針對總體引數，而是針對總體的某些一般性假設（如總體分佈）的統計分析方法稱非引數檢驗

1.總體分佈的卡方（Chi-square）檢驗（Q統計量）
定義：總體分佈的卡方檢驗適用於配合度檢驗，是根據樣本資料的實際頻數推斷總體分佈與期望分佈或理論分佈是否有顯著差異。
特點：

SPSS操作

2.二項分佈檢驗（Z統計量）
二項分佈：從這種二分類總體中抽取的所有可能結果，要麼是對立分類中的這一類，要麼是另一類，其頻數分佈稱為二項分佈
二項分佈檢驗：SPSS二項分佈檢驗就是根據收集到的樣本資料，推斷總體分佈是否服從某個指定的二項分佈

SPSS操作

3.SPSS單樣本變數值隨機性檢驗（Z統計量）
定義:單樣本變數值的隨機性檢驗是對某變數的取值出現是否隨機進行檢驗，也稱為遊程檢驗（Run過程）

SPSS操作

4.SPSS單樣本K-S檢驗（Z統計量）
定義：單樣本K-S檢驗是利用樣本資料推斷總體是否服從某一理論分佈的方法，適用於探索連續型隨機變數的分佈形態

SPSS操作

5.兩獨立樣本非引數檢驗
定義：兩獨立樣本的非引數檢驗是在對總體分佈不很瞭解的情況下，通過分析樣本資料，推斷樣本來自的兩個獨立總體分佈是否存在顯著差異。一般用來對兩個獨立樣本的均數、中位數、離散趨勢、偏度等進行差異比較檢驗。
檢驗方法：①兩獨立樣本的Mann-Whitney U檢驗（主要檢驗總體均值有沒有顯著差異）②兩獨立樣本的K-S檢驗③兩獨立樣本的遊程檢驗④兩獨立樣本的極端反應檢驗SPSS操作

6.多獨立樣本非引數檢驗
定義：多獨立樣本非引數檢驗分析樣本資料是推斷樣本來自的多個獨立總體分佈是否存在顯著差異
SPSS多獨立樣本非引數檢驗一般推斷多個獨立總體的均值或中位數是否存在顯著差異
檢驗方法：①多獨立樣本的中位數檢驗②多獨立樣本的K-W檢驗③多獨立樣本的Jonkheere-Terpstra檢驗
SPSS操作

7.兩配對樣本非引數檢驗
定義：兩配對樣本（2 Related Samples）非引數檢驗是在對總體分佈不很清 楚的情況下，對樣本來自的兩相關配對總體分別進行檢驗。
前提要求：首先兩個樣本的觀察數目相同，其次兩樣本的觀察值順序不能隨意改變
檢驗方法：①兩配對樣本的McNemar變化顯著性檢驗（二值資料）②兩配對樣本的符號（Sign）檢驗 ③兩配對樣本的Wilcoxon符號平均秩檢驗
SPSS操作

8.多配對樣本非引數檢驗
定義：多配對樣本非引數檢驗是對多個匹配樣本的總體分佈是否存在顯著性 差異進行統計分析。
檢驗方法：①Friendman檢驗②Kendall協同係數檢驗③Cochran Q檢驗 （二值資料）
SPSS操作