一、参数检验和非参数检验分别有哪些

1、非参数检验

SPSS单样本非参数检验是对单个总体的分布形态等进行推断的方法，其中包括卡方检验、二项分布检验、K-S检验以及变量值随机性检验等方法。

2、参数检验

当总体分布已知（如总体为正态分布），根据样本数据对总体分布的统计参数进行推断。

此时，总体的分布形式是给定的或是假定的，只是其中一些参数的取值或范围未知，分析的主要目的是估计参数的取值，或对其进行某种统计检验。这类问题往往用参数检验来进行统计推断。它不仅仅能够对总体的特征参数进行推断，还能够实现两个或多个总体的参数进行比较。

扩展资料

1、参数检验一般对总体有一定的要求，而非参数检验对总体无特殊的需求，因此，非参数检验比参数检验应用范围要广。

2、符合参数检验条件，也符合非参数检验，我们选择哪种方法进行分析呢？答案是选择参数检验。因为参数检验的准确度比非参数检验要高；

3、对于同时符合参数与非参数检验的数据，如果参数检验P<0.05，非参数检验不一定P<0.05。

4、对于同时符合参数与非参数检验的数据，如果非参数检验P<0.05，那么参数检验一定P<0.05。

5、很多人采用非参数检验得到P<0.05的结果时，发在表文章时不自信，总认为自己的数据不好，其实大可不必。

参考资料来源：百度百科-参数检验

参考资料来源：百度百科-非参数检验

二、参数检验和非参数检验的区别

参数检验和非参数检验的区别：

1、定义不同：

参数检验：假定数据服从某分布（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）进行检验，比如t检验、u检验、方差分析。

非参数检验：不需要假定总体分布形式，直接对数据的分布进行检验。由于不涉及总体分布的参数，故名「非参数」检验。比如，卡方检验。

2、参数检验的集中趋势的衡量为均值，而非参数检验为中位数。

3、参数检验需要关于总体分布的信息；非参数检验不需要关于总体的信息。

4、参数检验只适用于变量，而非参数检验同时适用于变量和属性。

5、测量两个定量变量之间的相关程度，参数检验用Pearson相关系数，非参数检验用Spearman秩相关。

简而言之，若可以假定样本数据来自具有特定分布的总体，则使用参数检验。如果不能对数据集作出必要的假设，则使用非参数检验。

扩展资料：

非参数检验的常见方法：

1、Wilcoxon Signed Ranks test：也称配对符号秩检验，适用于连续型资料，用来检验配对资料的差值是否来自于中位数为0的总体，也可推断总体中位数是否等于某个指定值，该方法利用配对资料差值大小的信息，检验效率高于符号检验。

2、Sign test：也称差数秩检验，根据配对资料差值正负号检验其效果有无差异，由于检验效能较低，当配对设计资料不满足非参数检验时可考虑使用。

3、McNemar test：在卡方检验时学习过，该方法适用于计数资料，指标变量为二分类，可用来检验配对设计资料处理前后的结果是否存在差异或者配对组之间的频率有无差异。

4、Marginal Homogeneity test：McNemar检验的扩展，适用于指标变量为多分类的有序或无序资料，即平方表格资料(R×R列联表资料)。

参考资料来源：百度百科-参数检验

参考资料来源：百度百科-非参数检验

三、参数统计与非参数统计的区别是什么

区别如下：

1、适用的数据类型不同。

参数统计常用于定距或定比数据，非参数统计常用于仅由一些等级构成的数据，或待分析数据不满足参数检验所要求的假定，因而无法应用参数检验。

2、对参数的假定不同。

参数统计就是需要人们对所提问题中的参数进行估计或检验；而非参数统计所提的问题并不包含参数，也不能用参数检验。

3、对总体依赖程度不同。

在参数统计中，总体的分布形式或分布族需要给定，才能对参数进行估计和检验；而在非参数统计中，则对总体分布不作假设或仅作非常一般性假设，对总体的依赖程度低，而是根据样本来推断总体的特征分布不是参数值。

4、适用的范围不同。

由于每一种具体的参数统计方法都是建立在特定的理论分布基础上的，所以参数统计对所要分析处理的资料都有一定的要求和限制。而非参数统计由于不依赖某种特定的理论分布，因此对资料的条件要求相对宽松，适用范围广。

参数统计与非参数统计的联系：

在统计学中，统计推断的两个基本的形式为：参数估计和假设检验，其大部分内容是和正态理论相关的，人们称之为参数统计。在参数统计中，总体的分布形式或分布族往往是给定的，而诸如均值和方差的参数是未知的。人们的任务就是对这些参数进行估计或检验。当假定分布成立时，其推断有较高的精度。

扩展资料：

非参数统计方法有以下缺点：

1、由于方法简单，用的计量水准较低，因此，如果能与参数统计方法同时使用时，就不如参数统计方法敏感。若为追求简单而使用非参数统计方法，其检验功效就要差些。这就是说，在给定的显著性水平下进行检验时，非参数统计方法与参数统计方法相比，第Ⅱ类错误的概率β要大些。

2、对于大样本，如不采用适当的近似，计算可能变得十分复杂。

参考资料来源：百度百科-非参数统计

参考资料来源：百度百科-随机变量统计参数

四、参数检验和非参数检验是什么意思

参数检验是针对参数做的假设，非参数检验是针对总体分布情况做的假设，这个是区分参数检验和非参数检验的一个重要特征。

参数检验和非参数检验的本质区别：

1.参数检验要利用到总体的信息（总体分布、总体的一些参数特征如方差），以总体分布和样本信息对总体参数作出推断；非参数检验不需要利用总体的信息（总体分布、总体的一些参数特征如方差），以样本信息对总体分布作出推断。

2.参数检验只能用于等距数据和比例数据，非参数检验主要用于记数数据。也可用于等距和比例数据，但精确性就会降低。

扩展资料：

参数检验与非参数检验的优缺点。

1）参数检验：优点是符合条件时，检验效率高；其缺点是对资料要求严格，如等级数据、非确定数据（＞50mg）不能使用参数检验，而且要求资料的分布型已知和总体方差相等。

2）非参数检验：优点是应用范围广、简便、易掌握；缺点是若对符合参数检验条件的资料用非参数检验，则检验效率低于参数检验。如无效假设是正确的，非参数法与参数法一样好，但如果无效假设是错误的，则非参数检验效果较差，如需检验出同样大小的差异的差异往往需要较多的资料。

另一点是非参数检验统计量是近似服从某一部分，检验的界值表也是有近似的（如配对秩和检验）因此其结果有一定近似性。

1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。

H0：样本与总体或样本与样本间的差异是由抽样误差引起的；

H1：样本与总体或样本与样本间存在本质差异；

预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。

2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。

3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立。

如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。

两独立样本的非参数检验是在对总体分布不甚了解的情况下，通过对两组独立样本的分析来推断样本来自的两个总体的分布等是否存在显著差异的方法。独立样本是指在一个总体中随机抽样对在另一个总体中随机抽样没有影响的情况下所获得的样本。

SPSS中提供了多种两独立样本的非参数检验方法，其中包括曼-惠特尼U检验、K-S检验、W-W游程检验、极端反应检验等。

某工厂用甲乙两种不同的工艺生产同一种产品。如果希望检验两种工艺下产品的使用是否存在显著差异，可从两种工艺生产出的产品中随机抽样，得到各自的使用寿命数据。

参考资料：百度百科——参数检验

参考资料：百度百科——非参数检验