Friedman检验(弗里德曼检验),用于检测多个(相关)样本是否具有显著性差异的统计检验,它是一种非参数检验方法。
当数据为多相关时,会涉及到多种检验方法,包括Friedman检验,Kendall协调系数,Cochran检验等,下表格详细列出区别:
如果是多相关样本,并且目的在于研究差异性,则有Friedman检验和Cochran's Q 检验两项可用,但特别提示一点,Cochran's Q 检验涉及的数据一定是二分类(即1和0这样的数据);如果是研究多相关样本的一致性情况,则可使用Kendall协调系数。
针对一致性研究,除Kendall协调系数外,Kappa系数也用于测量一致性。从分析角度上看,二者无法通用,因为二者的数据格式不一样,但二者功能上一致而且容易混淆,它们间的联系和区别如下(共3点):
Kendall协调系数是针对多样本一致性情况,而Kappa系数只针对配对数据一致性情况;
Kappa系数更加强调一致性情况,而Kendall协调系数相对更强调关联关系程度(关联性越强,也可理解为一致性越强);
使用场景上,Kappa系数在医学相关领域使用相对较多,而Kendall在其它社会科学研究中使用较多,尤其是用于评价一致性时。
SPSSAU操作如下:
SPSSAU的操作如下:
上表格中p 值为0.867>0.05,即说明3次测量结果上并不会呈现出显著性差异,而且具体对比中位数可以看出,整体上看第一次测量身高中位数为1.710,第二次也是1.710,第三次还是1.710,因而说明三次测量结果并没有显著性差异。上表格中的样本量为15代表有15个样本。统计量中间过程值,其目的在于计算得到p 值。