SPSS统计分析案例:Wilcoxon符号秩检验
最近我发现，大家对T检验的使用频率很高，但是有一个共同的应该引起注意的问题，几乎没有人去讨论原始数据的正态分布情况，只要是两样本差异检验，就直接使用T检验出结果。
严格来说，这是不严谨的。为什么呢？因为T检验对数据正态分布有一定的要求和假设，当数据明显不是正态分布的时候，要考虑使用非参数检验过程。
从这个角度，也能说明非参数检验的实用性更强，使用范围更为广泛。
今天就送上一个非参数配对检验：Wilcoxon符号秩检验，与之遥相呼应的恰好是大家比较喜欢的配对T检验。
某减肥班15名学员，记录了减肥前的体重，参加1个月的减肥特训后，再次称重，现在我们要考察一下一个月的减肥训练是否有效。
这个话题真的是很贴近生活吧，接下来让我们满怀期待开始SPSS非参数Wilcoxon符号秩检验吧。
数据个案只有15个，样本少的时候，真的很难看清是不是正态分布，所以使用非参数检验就显得很可贵了，我们可以不用去关注分布的问题。
在【分析】菜单中找到【非参数检验】→【相关样本】，打开对话框，【目标】选项卡选择【定制分析】，【字段】选项卡设置如下：
【设置】选项卡里面的参数比较重要，首先要在【定制检验】的检验方法中选择【威尔科克森匹配对符号秩检验】，如下：
其他参数可以不用设置。最后点击下方的【运行】按钮，软件开始执行。
来看结果吧。
原假设减肥训练前后的体重无差异，这样的事情概率是0.034（表中的显著性值），与显著性水平0.05相比呢，0.034足够小，是小概率事件，也就是说，减肥训练前后体重没有差异的概率是0.034，概率太小了，拒绝原假设。说明减肥训练前后体重发生了变化，有显著差异，有统计学意义。
我们双击上面这个统计图表，或者鼠标右键选择【编辑内容】→【在单独窗口中】，此时软件自动打开【模型查看器】，我们能看到此次分析更为细致的统计结果，结论当然是不变的。所以我们只看前面的检验表就是可以的。
为了辅助看清楚减肥训练前后的体重变化方向，我们还需要自己动手制作一个多线图，结果如下：
显然大部分的学员在减肥特训之后，体重的确是有所下滑的，减肥班报的有效果，当然也有个别的学员并没有如愿。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中，箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库，具备无需额外安装、调用简单、兼容性强、轻量化高效等优势，是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰，但真到落地环节却面临“数据在手，不知如何转化为可用标签”的困境：或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道，但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时，却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及，各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中，Requests库是最简洁、最高效的HTTP请求工具，凭借简洁的语法、完善的适 ...
2026-05-272025 年，零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL，但当被问到“数据查询语言（DQL）的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中，单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中，两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT，但当被问到“新建一张表，该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中，箱型图（又称箱线图、Box Plot）是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域，异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表，但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代，企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中，自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标，而是陷入“指标失控”：仪表盘上堆满实时跳动的数据，却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下，存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
