求序列中第k小的数_SPSS中常见参数说明

1. 数据类型

SPSS中数据类型根据度量尺度可为三类：定距型数据（Scale）、定序型数据（Ordinal）、定类型数据（Nominal），如下图。

定距型数据（Scale）通常是连续数据，例如常见的体重、身高等。当然，也可以是离散整型数据，例如人数、物品个数等离散型数据。

定序型数据（Ordinal）指具有内在固有大小或高低顺序，但它又不是定距型数据的数据类型。定序数据一般可以用数值或字符表示，用于表示的数值或字符有高低之分，但数据间的距离是不等的。例如，英语四级、英语六级、专业八级，可以分别用1、2、3表示，或者A、B、C表示；身材可以有胖、中、瘦三个取值，同样可用1、2、3或者A、B、C表示。无论是用数值还是字符表示，都是有大小或高低之分，但数据间距是不好认定。例如，四级和六级之间的差距与六级和专八之间的差距是无法认定其相等的。

定类型数据（Nominal）同样可用数值或字符表示的分类数据，但该类型数据间的数值或字符大小是没有意义，仅作为一种区分标识。如仓库1和仓库2，分别用A、B表示；产地为“福建”、“云南”、“贵州”等，为方便给其编号1、2、3，但其内部间并不存在固有的大小或高低顺序，仅是标识而已。

总而言之，定距型性数据是连续数据或者有序的离散数据，具有实际长短距离意义。定序型数据也有大小或高低之分，但仅作为等级；而定类型数据仅作为分类的标识而已。

参考链接：spss中的数据类型解析_轩辕小子_新浪博客

2. Width和Columns的区别

问题如图：

width表示数据视图中变量最多几位数字（不含小数点）。columns是数据视图中列的宽读，可以用鼠标左右调整。

另外，Decimals表示设定几位小数。

参考链接：spss中，width和Columns有何区别_百度知道

3. Most Extreme Differences

参数如图：

检验统计量为：

，其中

为观察序列值，

为理论序列值或另一观察序列值。

4. Kolmogorov-Smirnov检验中Z值的含义

问题如图：

Kolmogorov-Smirnov（K-S）单样本检验（Kolmogorov-Smirnov One-sample test）是 一种分布拟合优度的检验 ，其方法是将一个变量的累积分布函数与特定分布进行比较 。用

表示理论（假 设）分布每个类别的累积相对频数，

表示样本频数的相应值，Ｋ-Ｓ检验是以

和

的绝对差异为基础的，其检验统计量为：

显然 ，如果原假设成立，则每次抽样研究中所得到的Ｋ值应当不会偏离０太远，如果Ｋ值越大 ，说明基于原假设得到当前样本的可能性就越小，就越有可能判断

为错误 。

以上给出的是Ｋ-Ｓ检验的基本思路，为了方便计算出各种情况下Ｋ值所对应的概率大小，统 计软件还往往会将Ｋ值进一步转化为Ｚ值。

IBM的对Kolmogorov-Smirnov Z的定义：根据观察到的和理论累积分布函数之间的最大差（绝对值）计算得出的。

对于正态分布：

，其中N为样本个数。

对于指数分布，不能简单地使用这个公式，而必须根据定义计算。

5. K-S检验实例分析

如图，给出了一个K-S检验结果：样本数N=62，均值Mean=40144.2258。这里事实上给出了所进行检验的原假设：数据服从均值为40144.2258的指数分布。也就是说，此时考虑的是得到的样本数据是否可以拒绝这一假设。紧接着的几项是Ｋ-Ｓ检验的统计量表达式

，实际分布与验证分布之间的正向最大频数差为0.093，负向最大频数差为-0.133，因此用于计算统计量的绝对值最大频数差为0.133。随后的统计量Ｚ值为1.045，相应的显著性水平为0.224。根据这个检验结果，可以得出以下结论：如果原假设是成立的，则从这样一个正态分布的总体中按照现有样本量进行抽样，平均每100次中会有22.4次得到实际数据和理论分布之间的差值Ｋ等于甚至小于现有样本的Ｋ值0.133，这显然不是低于5%的小概率事件，是可以接受的，因此不能拒绝原假设。