配对样本方差齐但不是正态分布可以用T检验吗 配对样本，是治疗前后的比较，不是正态分布，可以用T检验吗？如果不能，应该用什么方法呢？还有配对样本怎么判断方差齐性呢？多谢多谢 写回答 有奖励 。
用SPSS做非参数检验，数据不是正态分布的，需要做log处理吗
参数检验和非参数检验的区别 参数检2113验和非参数检验的区别：52611、定义不同：参数检验：4102假定数据服从某分布1653（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）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、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、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、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，参数检验用Pearson相关系数，非参数检验用Spearman秩相关。简而言之，若可以假定样本数据来自具有特定分布的总体，则使用参数检验。如果不能对数据集作出必要的假设，则使用非参数检验。扩展资料：非参数检验的常见方法：1、Wilcoxon Signed Ranks test：也称配对符号秩检验，适用于连续型资料，用来检验配对资料的差值是否来自于中位数为0的总体，也可推断总体中位数是否等于某个指定值，该方法利用配对资料差值大小的信息，检验效率高于符号检验。2、Sign test：也称差数秩检验，根据配对。
参数检验和非参数检验有什么相同之处？
参数检验之前都必须对数据进行正态性检验吗 一般情况是要做正态分布检验的！但是很多时候因为数据量的问题，只能忽略！非参数检验的检验效能较参数检验低，因此一般是能做参数检验就做参数检验的！
非参数检验适用于哪些情况 收藏推荐 在单因素计量资料的统计分析中，我们通常要对均数作参数估计或假设检验，但这些方法需满足下述三个条件：①抽样总体为正态分布或近似正态分布，②各抽样总体为等方差或方差齐性；③各变量值间是相互独立的.又如用积差法计算简单直线相关系数，也要求抽样总体为正态双变量.但在实际应用上，某些总体的分布形状有时并不知道，或者总体分布的正态性假定并不能得到实现，尤其在医学和生物学领域中，有关总体的分布难得满足正态性的要求.于是一种非参数检验就很需要了.归纳起来，非参数检验适用于下列情况：1.等级顺序资料：即将观察单位技某种属性的不同程度分组计数，得到各组观察单位数.例如：用某药治疗一批老慢支病人，其疗效分为近控、显效、有效、无效四个等级，其等级最按疗效好坏的顺序划分的，又如肾炎病人尿中蛋白含量以一、士、+、十十、十+十、+十十十顺序等级划分，然后按各等级点计人数.上述情况均属等级顺序资料，这些资料不易精确定量.若要比较疗效，可用非参数方法中的秩和检验等.
非参数检验适用于哪些情况 非参数检验适用于以下三种情况：①顺序类型的数据资料，这类数据的分布形态一般是未知的；②虽然是连续数据，但总体分布形态未知或者非正态，这和卡方检验一样，称自由分布。
用SPSS做非参数检验，数据不是正态分布的，需要做log处理吗 非参数检验 本身对数据的分布形态就没有要求的，所以不需要做任何前处理
参数检验与非参数检验的区别 参数检验2113与非参数检验的区别有：52611、参数检验的集中趋4102势的衡量为均值，而1653非参数检验为中位数。2、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。3、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。4、测量两个定量变量之间的相关程度，参数检验用Pearson相关系数，非参数检验用Spearman秩相关。扩展资料：需要使用非参数检验：1、数据分布的集中趋势更适合用中位数来表示。比如收入，偏态分布的中心可以通过中位数更好地衡量，其中50%在中位数之上，50%在中位数之下。如果在样本中加入几个亿万富翁，即使一般人的收入没有变化，平均值也会大幅度增加，但中位数没有显著差异。2、样本量很小：当样本量非常小时，不足以确定数据是否正态分布，则应使用非参数检验。3、存在等级顺序数据或异常值：典型的参数检验只能对连续数据进行评估，异常值对结果的影响较大。相反，一些非参数检验可以处理等级顺序数据，不受异常值的严重影响。总之，使用参数或非参数检验主要取决于平均值还是中位数可以更准确地表示数据分布的中心。如果是平均值，且样本量足够大，那么考虑参数检验。如果是中位数，即使样本很大，也要考虑非。
