本节书摘来自异步社区《SPSS 统计分析从入门到精通（第2版）》一书中的第6章，第6.1节，作者 杜强 , 贾丽艳 , 严先锋，更多章节内容可以访问云栖社区“异步社区”公众号查看
SPSS 统计分析从入门到精通（第2版）非参数检验的内容十分丰富，主要有卡方检验、二项式检验、游程检验、单样本K-S检验、两个独立样本检验、多个独立样本检验、两个相关样本检验、多个相关样本检验。非参数检验方法不依赖于总体的分布，是在总体分布情况不明时，用来检验不同样本是否来自同一个总体的统计推断方法。这些方法由于一般不涉及总体参数而得名。为了便于读者掌握这些检验方法，本章结合大量的实例进行讲解。
在SPSS中进行非参数检验，主要通过选择主窗口菜单“分析→非参数检验”的子菜单执行，对应SPSS 15的8个可选方法都在“旧对话框”子菜单中：
同时，SPSS 20还提供如下3个快捷的分析过程：
SPSS 统计分析从入门到精通（第2版）
非参数检验是相对于参数检验而言的，这两种检验方法在实际中都有广泛的应用，但它们有着不同的数理统计原理和应用场合。
在统计学的发展过程中，最先出现的推断统计方法都对样本所属总体的性质做出若干假设，即对总体的分布形状做某些限定，例如Z检验、t检验，假设样本的总体是正态分布的，或者假设两个样本都取自具有相同方差的总体。这类方法对总体的分布加以某些限定，把所要推断的总体数字特征看作未知的“参数”进行推断，称为参数统计方法（Parameter statistical methods）或限定分布统计方法（Distribution-specified statistical methods）。基于此所做的假设检验就称为参数检验（Parametric test）。常用的统计检验，如t检验、Z检验、F检验等都是参数检验。
参数检验只有在关于总体分布的假设成立时，所得出的结论才是正确的，所以它在很多场合下不便应用。于是，统计学家发展了许多对总体不做太多或严格限定的统计推断方法，这些方法一般不涉及总体参数的假设，与之相对应的统计方法通常称为非参数统计（Nonparametric statistics）或自由分
布统计方法（Distribution-free statistical methods）。基于此所做的假设检验则称为非参数检验（Nonparametric test）或自由分布统计检验（Distribution-free statistical test）。非参数检验的前提假设比参数检验方法少很多，也容易满足，适用于已知信息相对较少的数据资料，而且它的计算方法也简便易行。
对于多数参数检验方法，都有一种或几种相对应的非参数检验方法，如表6-1所示。
与参数检验方法对比，非参数检验方法具有以下优点。
（1）检验条件宽松，适应性强。参数检验常假定总体分布为正态、近似正态，或使用以正态分布为基础而构造的t分布或x2分布；非参数检验不受这些条件的限制，弥补了参数检验的不足，对于非正态的、方差不等的以及分布形状未知的数据都适用。
（2）检验方法灵活，用途广泛。非参数检验不但可以应用于定距、定比等连续变量的检验，而且适用于定类、定序等分类变量的检验。对于那些不能直接进行四则运算的定类数据和定序数据，运用符号检验、符号秩检验都能起到好的效果。
（3）非参数检验的计算相对简单，易于理解。由于非参数检验更多地采用计数的方法，其过程及结果都可以被直观地理解，为使用者所接受。
非参数检验也有一些不可避免的缺点。
（1）非参数检验方法对总体分布的假定不多，适应性强，但方法本身也就缺乏针对性，其功效不如参数检验。
（2）非参数检验使用的是等级或符号秩，而不是实际数值，方法虽简单，但会失去许多信息，因而检验的有效性也就比较差。例如对于一批适用于t检验的配对资料，如果采用符号秩检验处理，其功效将低于t检验；如果用符号检验处理，则效率更低，因为它对信息的利用更不充分。当然，如果假定的分布不成立，那么非参数检验就是更值得信赖的。
相关资源：敏捷开发V1.0.pptx