名词解释：
定类（nominal）
定序（ordinal）
定距（scale）
定比（scale）

比例分布检验

检验一个变量中取值的比例是否均匀，或者是否符合设定比例分布。

原假设：变量的取值分布与均匀分布（或研究者设定的分布）没有显著差异。
研究假设：变量的取值分布与均匀分布（或研究者设定的分布）有显著差异。

操作路径：分析-非参数检验-旧对话框-卡方

二项式检验

检验一个变量取二分类两个值的概率是否符合设定的概率。

原假设：变量的第一个取值比例与设定比例没有显著差异。
研究假设：变量的第一个取值比例与设定比例有显著差异。
操作路径：分析-非参数检验-旧对话框-二项式

分割点：将一个连续变量，选择一个值分割为大于该值和小于该值

K-S检验

检验样本来自的总体中，一个变量的分布是否服从正太分布，均匀分布，泊松分布，指数分布。

原假设：变量来自的总体分布与正态分布等没有显著差异，即变量在同体中呈现正态分布等。
研究假设：变量来自的总体分布与正态分布等有显著差异，即变量在同体中不呈现正态分布等。

游程检验

检验一个变量的两个取值出现顺序是否随机。两个值出现比例各占50%。

检验场景：通常是检验随着时间变化而产生的两个数值的出现顺序是否随机。

原假设：变量两个值出现顺序和随机出现没有差异，即变量两个值出现是随机的。
研究假设：变量两个值出现顺序不是随机的。

交叉分析

主要用在两个分类变量（定类\定序）之间的相关性检验。

例如：考察不同性别的受访者购买牛奶的主要场所是否存在差异。

如果场景中需要对连续变量进行卡方检验，首先需要将连续变量转换为分类变量，如年龄分成70后、80后、90后、00后。

操作路径：分析-描述性统计-交叉表

连续变量转换为分类变量-转换-重新编码为不同变量。

如果两个变量都是定类变量，相关系数可使用卡方检验中”名义”里的四个相关系数。如果两个都是定序变量，则选择”有序”里的四个相关系数。

卡方检验解读：

  1. 看卡方检验结果根据P值判断两个变量之间的相关性，如果判断为无相关那么其他表格都没有意义，即不用再看。
  2. 看相关系数判断两者之间相关性到底有多大。
    • 0-0.2较弱相关；
    • 0.2-0.2弱相关；
    • 0.4-0.6相关性一般；
    • 0.6-0.8较强相关；
    • 0.8-1强相关。
  3. 看频次分布、具体分析两者存在什么样的相关。

如果两个变量中一个为分类一个为定序相关系数应该选用’’名义’’，因为定序可降级为定类，而定类不可升为定序。