四组非正态数据如何比较

⑴ 非正态分布,多组数据之间比较,用什么统计学方法

非参数检验
单样本中位数检验（符号检验和 Wilcoxon 检验）
双样本中位数检验（Mann-Whitney 检验）
方差分析（Kruskal-Wallis、Mood 中位数和 Friedman 检验

⑵ 如何进行四组数据之间的差异显着性分析

通过比较四组数据的方差进行比较，方差小的差异性小，大的数据间差异大。

⑶ 计数资料四组内两两之间进行比较采用什么方法

例如 ,有 4个均数 ,两两组合数为C24 =6 ,若用t检验做6次比较 ,且每次比较的检验水准为α =0 0 5 ,则每次比较不犯I类错误的概率为 (1- 0 0 5 ) ,6次均不犯I类错误的概率为 (1- 0 0 5 ) 6 ,这时 ,总的检验水准变为 1- (1- 0 0 5 ) 6 =0 2 6 ,比 0 0 5大多了。因此 ,多组均数间的比较不能直接用两均数t检验的检验水准和标准误。多组均数之间的比较要采用方差分析 (F检验 ) ,当方差分析结果为P <0 0 5时 ,只能说明k组总体均数之间不完全相同。若想进一步了解哪两组的差别有统计学意义 ,需进行多个均数间的多重比较 ,即SNK - q检验 (多个均数两两之间的全面比较 )、LSD -t检验 (适用于一对或几对在专业上有特殊意义的均数间差别的比较 )和Dunnett检验 (适用于k - 1个实验组与一个对比组均数差别的多重比较 )。

⑷ 非正态分布计量资料怎样做相关分析

可以通过Excel的Correl函数计算相关系数，来判断相关性。也可使用Pearson计算相关系数判断相关性。在使用函数时，Excel提示如何操作
关于非正态计量资料的比较，建议采用非参数统计方法，具体的你可以参阅一些非参数统计的书籍，包括秩和检验，KS检验等等。绝大部分都需要这样做的，normal是很多检验的前提用SPSS可以做相关性分析。 SPSS是世界上最早采用图形菜单驱动界面的统计软件，它最突出的特点就是操作界面极为友好，输出结果美观漂亮。它将几乎所有的功能都以统一、规范的界面展现出来，使用Windows的窗口方 式展示各种管理和分析数据方法

⑸ 怎样对两对四组数据做差异比较

然后，进行数据分析（依次点选Analyze——Regression——Linear），分别把y和x选进各自的对话框（最上面的那个是y，下面的那个是x），然后按ok，在输出窗口中看到Coefficients这个表，然后看最右边的那个Sig列，看x对应的Sig值，若这个sig值比你之前所设定的a值大(a值也就是显着性水平)，则认为这两组数不存在显着性差异，若这个sig值比你之前所设定的a值小，则认为这两组数存在显着性差异。举个例子，如果你预先设定的a=0.05，求得的sig=0.000，则0.000&lt;0.05，故应拒绝原假设（原假设一般为设它们之间无差异），认为这两组数有显着性差异

⑹ 非正态分布的两组数据如何进行均数比较

非正态可以用非参数检验->2个独立样本，进行秩和检验

⑺ 如何用excel或spss计算下面四组数据的显着性差异，请帮下忙！

1.首先建立四组数据，一个记录组别，一个记录对应数据。

N是要比较的数据。

Group 是分组标号。

然后就可以看到结果了。

其他方式比较也是类似方法。

⑻ 几组样本不呈正态，方差不齐用什么统计方法

你好，当数据既不正态，方差也不齐得时候，传统的参数估计是不能起到很好的作用的，这种情况你有两种方法：
（1）对数据做变换，使其接近与正态分布，常用的变换为Box-Cox变换，当然变换参数是需要估计的，然后再用普通参数统计的方法。这个还是比较容易的。
（2）利用非参数统计的方法：
这个就要看你要达到什么目的了，如果是比较总体的差异可以作秩检验，符号秩检验，或者B-M中位数检验， 看你目的不同，采用的方法也不同，有问题再问。

⑼ 不是正态分布的数据怎么分析

不是正态的数据分析，第一反应是寻求变换，常用的就是Box-Cox变换。如果还不行的话，就直接上非参数了。

对待这种问题，一般要先弄清不正态的原因再说。

第一种情况：数据本来就不是正态的。

如果明确知道样本数据所代表的总体本来就不是正态分布的，可以考虑寻求变换，通常都会找到恰当的变换参数。但有些数据也不一定能够变换成功，这时可以采用非参数检验来进行分析。

第二种情况：存在异常点。

如果确认是异常点，可以考虑剔除。但如果找不到产生异常点的原因，它可能就是一个正常数据，此时可以考虑补充抽样，看看能不能把异常点与大多数数据中的空间填补上。