非参数检验

非参数检验

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对总体参数进行检验，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、衡量标准不同：

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、条件不同：

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、适用范围不同：

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不同：

参数检验用Pearson相关系数，非参数检验用Spearman秩相关。

方差分析又称“变异数分析”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。

非参数检验是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。非参数检验是在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。

你说的是levene检验吧，这是方差齐性检验的一种方法。方差分析的前提条件是独立性、正态性、方差齐性。在spss中进行方差分析时会对方差齐性进行检验，其默认方法就是levene检验。形式一般如下：显著性即是P值，如果显著性小于0.05，说明方差不具有齐性，通常要考虑其他方法进行检验。

非参数统计是指统计总体分布形式未知或虽已知却不能用有限个参数刻画的统计问题。在多数场合下，与参数问题界线清楚，只在少数情况下会因为各人出发点不同而有不同看法。非参数方法有拟合优度检验、次序统计量、U统计量、秩统计量与秩方法、置换检验、非参数回归与判别等等。非参数方法并非绝对只能解决非参数问题，有些也可用于典型的参数统计问题。

非参数统计方法无法依赖总体的具体分布形式，构造的统计量常与具体分布无关，故又称非参数方法为自由分布方法。这样，非参数方法的性能对分布的实际形式如何并不敏感，即非参数方法常具较好的稳健性。非参数方法需要考虑在约束条件十分宽松的情况下使用，有可能导致效率的下降。非参数统计难以建立小样本理论，基本属于大样本理论的内容。非参数统计形成于20世纪40年代，已成为一个体系庞大、理论精深且富有实用价值的统计分支。