今天和大家一起探討和分下一下SPSS-非參數檢驗--K個獨立樣本檢驗 （ Kruskal-Wallis檢驗）。
還是以SPSS教程為例：
假設：HO: 不同地區的兒童，身高分布是相同的
H1： 不同地區的兒童，身高分布是不同的
不同地區兒童身高樣本數據如下所示：
提示：此樣本數為4個（北京，上海，成都 ，廣州）每個樣本的樣本量（觀察數）都為5個
即：K=4>3 n=5, 此時如果樣本逐漸增大，呈現出自由度為K-1的平方的分布，（即指：卡方檢驗）
點擊“分析”——非參數檢驗——舊對話框——K個獨立樣本檢驗，進入如下界面：
將“周歲兒童身高”變量拖入右側“檢驗變量列表”內， 將“城市（CS)變量” 拖入“分組變量”內，點擊“定義范圍” 輸入“最小值”和“最大值”（這里的變量類型必須為“數字型”）如果不是數字型，必須要先定義或者重新編碼。
在“檢驗類型”下面選擇“秩和檢驗”（ Kruskal-Wallis檢驗）點擊確定
運行結果如下所示：
對結果進行分析如下：
1：從“檢驗統計量a,b”表中可以看出：秩和統計量為：13.900
自由度為：3=k-1=4-1
下面來看看“秩和統計量”的計算過程，如下所示：
假設“秩和統計量”為 kw 那么:
其中：n+1/2 為全體樣本的“秩平均” Ri./ni 為第i個樣本的秩平均 Ri.代表第i個樣本的秩和， ni代表第i個樣本的觀察數）
最后得到的公式為：
北京地區的“秩和”為： 秩平均*觀察數（N) = 14.4*5=72
上海地區的“秩和”為：8.2*5=41
成都地區的“秩和”為：15.8*5=79
廣州地區的“秩和”為：3.6*5=18
接近13.90 （由於中間的計算，我采用四舍五入，丟棄了部分數值，所以，會有部分誤差）
2：“檢驗統計量a,b”表中可以看出：“漸進顯著性為0.003， 由於0.003<0.01 所以得出結論：
H1： 不同地區的兒童，身高分布是不同的