非參數檢驗（卡方（Chi-square）檢驗、二項分布（Binomial）檢驗、單樣本K-S（Kolmogorov-Smirnov）檢驗、單樣本變量值隨機性檢驗（Runs Test）、兩獨立樣本非參數檢驗、多獨立樣本非參數檢驗、兩配對樣本非參數檢驗、多配對樣本非參數檢驗）
參數檢驗：T檢驗、F檢驗等常用來估計或檢驗總體參數，統稱為參數檢驗
非參數檢驗：這種不是針對總體參數，而是針對總體的某些一般性假設（如總體分布）的統計分析方法稱非參數檢驗
1.總體分布的卡方（Chi-square）檢驗（Q統計量）
定義：總體分布的卡方檢驗適用於配合度檢驗，是根據樣本數據的實際頻數推斷總體分布與期望分布或理論分布是否有顯著差異。
特點：比較適用於一個因素的多項分類數據分析。總體分布的卡方檢驗的數據是實際收集到的樣本數據，而非頻數數據。
SPSS操作
2.二項分布檢驗（Z統計量）
二項分布：從這種二分類總體中抽取的所有可能結果，要么是對立分類中的這一類，要么是另一類，其頻數分布稱為二項分布
二項分布檢驗：SPSS二項分布檢驗就是根據收集到的樣本數據，推斷總體分布是否服從某個指定的二項分布
SPSS操作
3.SPSS單樣本變量值隨機性檢驗（Z統計量）
定義:單樣本變量值的隨機性檢驗是對某變量的取值出現是否隨機進行檢驗，也稱為游程檢驗（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檢驗是利用樣本數據推斷總體是否服從某一理論分布的方法，適用於探索連續型隨機變量的分布形態
SPSS操作
5.兩獨立樣本非參數檢驗
定義：兩獨立樣本的非參數檢驗是在對總體分布不很了解的情況下，通過分析樣本數據，推斷樣本來自的兩個獨立總體分布是否存在顯著差異。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③兩獨立樣本的游程檢驗④兩獨立樣本的極端反應檢驗SPSS操作
6.多獨立樣本非參數檢驗
定義：多獨立樣本非參數檢驗分析樣本數據是推斷樣本來自的多個獨立總體分布是否存在顯著差異
SPSS多獨立樣本非參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
7.兩配對樣本非參數檢驗
定義：兩配對樣本（2 Related Samples）非參數檢驗是在對總體分布不很清 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（二值數據）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.多配對樣本非參數檢驗
定義：多配對樣本非參數檢驗是對多個匹配樣本的總體分布是否存在顯著性 差異進行統計分析。
檢驗方法：①Friendman檢驗②Kendall協同系數檢驗③Cochran Q檢驗 （二值數據）
SPSS操作
