IBM SPSS Statistics的二項分布檢驗，屬于非參數檢驗中的一種分析方法，與參數檢驗不同，非參數檢驗是在總體方差未知的情況下，利用樣本數據對總體分布等進行推斷分析的方法。

而二項分布檢驗是用于二值取值樣本數據的檢驗方法，通過驗證樣本數據是否服從概率為P的二項分布來推斷樣本所屬總體是否符合概率為P的二項分布。接下來，我們會以一個檢驗產品合格率是否符合指定合格率的事例作為例子。

一、使用的數據類型

由于二項分布檢驗是用于二值取值的檢驗方法，在分析數據時，如圖1所示，需使用數值型的數據。

圖1：示例數據

為了更好地識別變量中數值的含義，如圖2所示，可以在變量的值標簽中，標注數值的值標簽。在本例中，分別使用1、0代表合格、不合格。

圖2：變量值標簽

二、應用二項分布檢驗

了解了二項分布使用的數據類型后，就可以打開IBM SPSS Statistics的二項分布檢驗功能，進一步了解其使用的方法。

如圖3所示，依次單擊分析-非參數檢驗-舊對話框-二項檢驗，打開二項檢驗的設置面板。

圖3：二項分布檢驗

先簡單了解一下二項檢驗中的選項含義：

1. 檢驗變量列表，即用于二項檢驗的變量

2. 定義二分法，用于定義二值的取值。如數據僅包含二值，可選擇“從數據中獲取”；如數據包含多個值，就需要設置“分割點”，將數據分為兩組取值

3. 檢驗比例，即用于驗證數據是否服從的概率P

接下來，我們使用示例數據實際操作一下。

圖4：二項分布設置面板

1.選擇變量

本例中檢驗的是抽樣產品的合格率是否符合98%的標準，按照該檢驗目的，如圖5所示，需將“是否合格”變量添加為檢驗變量列表，設置“從數據中獲取”的方法，并將檢驗比例設置為“0.98”。

圖5：選擇變量

2.精確檢驗

由于二項分布屬于非參數檢驗，需要進行精確檢驗的設置。一般情況下，保持默認的“僅漸進法”選項。蒙特卡洛法、精確法用于總體非漸進分布的情況。

圖6：精確檢驗

3.選項設置

接著，設置統計數值以及缺失值的處理方法。為了更全面地分析數據，可同時勾選“描述”與“四分位數”。

圖7：配對樣本T檢驗的數據格式

4.結果解讀

完成以上設置后，運行檢驗。

如圖8所示，可以看到，樣本的合格率為95%，與檢驗比例98%相比較，其顯著性為0.02<0.05，表明當前樣本的合格率與檢驗比例有顯著差異，也就是說，當前樣本的合格率不符合標準。

圖8：檢驗結果不顯著

三、小結

綜上所述，IBM SPSS Statistics的二項分布檢驗，是一種非參數的檢驗方法，用于推斷樣本所屬總體是否符合概率為P的分布，適用于分析二值取值變量數據是否符合標準概率的情況。