在推断统计学中，假设检验可分为两类：参数检验和非参数检验，在IBM SPSS Statistics中这两种检验方法均可直接使用。

当样本数据的总体数据分布情况不确定时，我们往往会选择使用SPSS非参数检验的方法，今天小编就为大家介绍一下IBM SPSS Statistics中如何对两配对样本进行非参数检验。

一、样本概述

图1：样本数据

小编这里选择的样本案例是某地10个学校开展教学评比活动前后的教学成绩，其中0表示不合格，1表示合格。通过使用SPSS进行分析，可以查看开展教学评比活动前后学校的教学成绩是否存在显著差异。

这时我们对样本的总体情况是不清楚的，在这两个配对对象中，各个数据一一对应，使用非参数检验对样本被处理前后的效果进行比较。

二、非参数检验

1.McNemar变化显著性检验

（1）适用性

这种检验方法是以研究对象自身为对照来进行显著性检验的，仅适用于样本数据均是二值数据的情况，所以可用性较低。

（2）操作

图2：非参数检验

在“分析”菜单下，找到“非参数检验”，点击其下“旧对话框”中的“2个相关样本”，可以进入两配对样本的非参数检验。

图3：调入变量

将待检验的变量调入到变量对话框中，“活动前”和“活动后”的顺序没有特殊要求，不影响判断结果。

在检验方法中选择“McNemar”检验，如果有特殊需求，还可以进行精确检验和其他设置，一般来说是不需要的，点击“确定”，就可以开始非参数检验了。

（3）结果

图4：检验结果

从第一个表中可以看出，活动前合格、活动后也合格的有4个学校，活动前后都不合格的有3个学校。

从第二个表可以看出，显著性检验结果是0.250，大于0.05，所以应该接受原假设，即开展教学活动前后各学校的合格情况没有显著差异。

2.Wilcoxonz符号平均秩检验

（1）适用性

当样本数据不是二值数据的时候，就可以使用这种检验方法。

（2）操作

图5：变量设置

这次将活动前后的分数调入变量检验框，并选择下面的第一个检验方法“Wilcoxonz法”，其他设置和第一种方法类似。

（3）结果

图6：检验结果

 从结果中可以看出，显著性检验参数是0.008，小于0.005，所以要拒绝原假设，即开展教学活动前后学校的教学成绩有显著性差异。

可以得出，对相同的样本的不同数据对象进行非参数分析时得出的结果可能是不同的，实际上这两个结果并不矛盾，因为成绩的增长性和合格与否没有完全直接的关系，所以两种结果都是可信的。

三、小结

小编这里介绍了IBM SPSS Statistics两种检验两配对样本的方法，分别适用于样本数据是二值数据与不是二值数据的情况