IBM SPSS Statistics的二项分布检验，属于非参数检验中的一种分析方法，与参数检验不同，非参数检验是在总体方差未知的情况下，利用样本数据对总体分布等进行推断分析的方法。

而二项分布检验是用于二值取值样本数据的检验方法，通过验证样本数据是否服从概率为P的二项分布来推断样本所属总体是否符合概率为P的二项分布。接下来，我们会以一个检验产品合格率是否符合指定合格率的事例作为例子。

一、使用的数据类型

由于二项分布检验是用于二值取值的检验方法，在分析数据时，如图1所示，需使用数值型的数据。

为了更好地识别变量中数值的含义，如图2所示，可以在变量的值标签中，标注数值的值标签。在本例中，分别使用1、0代表合格、不合格。

二、应用二项分布检验

了解了二项分布使用的数据类型后，就可以打开IBM SPSS Statistics的二项分布检验功能，进一步了解其使用的方法。

如图3所示，依次单击分析-非参数检验-旧对话框-二项检验，打开二项检验的设置面板。

先简单了解一下二项检验中的选项含义：

1. 检验变量列表，即用于二项检验的变量

2. 定义二分法，用于定义二值的取值。如数据仅包含二值，可选择“从数据中获取”；如数据包含多个值，就需要设置“分割点”，将数据分为两组取值

3. 检验比例，即用于验证数据是否服从的概率P

接下来，我们使用示例数据实际操作一下。

1.选择变量

本例中检验的是抽样产品的合格率是否符合98%的标准，按照该检验目的，如图5所示，需将“是否合格”变量添加为检验变量列表，设置“从数据中获取”的方法，并将检验比例设置为“0.98”。

2.精确检验

由于二项分布属于非参数检验，需要进行精确检验的设置。一般情况下，保持默认的“仅渐进法”选项。蒙特卡洛法、精确法用于总体非渐进分布的情况。

3.选项设置

接着，设置统计数值以及缺失值的处理方法。为了更全面地分析数据，可同时勾选“描述”与“四分位数”。

4.结果解读

完成以上设置后，运行检验。

如图8所示，可以看到，样本的合格率为95%，与检验比例98%相比较，其显著性为0.02<0.05，表明当前样本的合格率与检验比例有显著差异，也就是说，当前样本的合格率不符合标准。

三、小结

综上所述，IBM SPSS Statistics的二项分布检验，是一种非参数的检验方法，用于推断样本所属总体是否符合概率为P的分布，适用于分析二值取值变量数据是否符合标准概率的情况。

作者：泽洋