在推斷統計學中，假設檢驗可分為兩類：參數檢驗和非參數檢驗，在IBM SPSS Statistics中這兩種檢驗方法均可直接使用。

當樣本數據的總體數據分布情況不確定時，我們往往會選擇使用SPSS非參數檢驗的方法，今天小編就為大家介紹一下IBM SPSS Statistics中如何對兩配對樣本進行非參數檢驗。

一、樣本概述

圖1：樣本數據

小編這里選擇的樣本案例是某地10個學校開展教學評比活動前后的教學成績，其中0表示不合格，1表示合格。通過使用SPSS進行分析，可以查看開展教學評比活動前后學校的教學成績是否存在顯著差異。

這時我們對樣本的總體情況是不清楚的，在這兩個配對對象中，各個數據一一對應，使用非參數檢驗對樣本被處理前后的效果進行比較。

二、非參數檢驗

1.McNemar變化顯著性檢驗

（1）適用性

這種檢驗方法是以研究對象自身為對照來進行顯著性檢驗的，僅適用于樣本數據均是二值數據的情況，所以可用性較低。

（2）操作

圖2：非參數檢驗

在“分析”菜單下，找到“非參數檢驗”，點擊其下“舊對話框”中的“2個相關樣本”，可以進入兩配對樣本的非參數檢驗。

圖3：調入變量

將待檢驗的變量調入到變量對話框中，“活動前”和“活動后”的順序沒有特殊要求，不影響判斷結果。

在檢驗方法中選擇“McNemar”檢驗，如果有特殊需求，還可以進行精確檢驗和其他設置，一般來說是不需要的，點擊“確定”，就可以開始非參數檢驗了。

（3）結果

圖4：檢驗結果

從第一個表中可以看出，活動前合格、活動后也合格的有4個學校，活動前后都不合格的有3個學校。

從第二個表可以看出，顯著性檢驗結果是0.250，大于0.05，所以應該接受原假設，即開展教學活動前后各學校的合格情況沒有顯著差異。

2.Wilcoxonz符號平均秩檢驗

（1）適用性

當樣本數據不是二值數據的時候，就可以使用這種檢驗方法。

（2）操作

圖5：變量設置

這次將活動前后的分數調入變量檢驗框，并選擇下面的第一個檢驗方法“Wilcoxonz法”，其他設置和第一種方法類似。

（3）結果

圖6：檢驗結果

 從結果中可以看出，顯著性檢驗參數是0.008，小于0.005，所以要拒絕原假設，即開展教學活動前后學校的教學成績有顯著性差異。

可以得出，對相同的樣本的不同數據對象進行非參數分析時得出的結果可能是不同的，實際上這兩個結果并不矛盾，因為成績的增長性和合格與否沒有完全直接的關系，所以兩種結果都是可信的。

三、小結

小編這里介紹了IBM SPSS Statistics兩種檢驗兩配對樣本的方法，分別適用于樣本數據是二值數據與不是二值數據的情況