Dunn事后检验

在SPSS中执行Dunn事后检验（用于Kruskal-Wallis检验后的两两比较）需要借助非参数检验模块或手动计算，因为SPSS默认不直接提供Dunn检验的图形界面选项。以下是具体操作步骤：

---

方法一：通过SPSS非参数检验菜单（部分版本支持）

步骤1：执行Kruskal-Wallis检验

1. 菜单路径：
   分析(Analyze) → 非参数检验(Nonparametric Tests) → 独立样本(Independent Samples)
   （或旧版路径：分析 → 非参数检验 → 旧对话框 → K个独立样本）

2. 设置变量：

   • 字段(Fields) 选项卡：将有序三分类因变量选入检验字段(Test Fields)，分组变量选入组(Groups)。
   • 设置(Settings) 选项卡：勾选自定义检验(Customize tests) → 选择Kruskal-Wallis检验。
   • 点击运行(Run)。

步骤2：生成两两比较结果（若版本支持）

• 在输出窗口中，双击Kruskal-Wallis检验结果表，查看是否自动包含两两比较(Pairwise Comparisons)。
• 注意：较新版本SPSS（如27以上）可能在此处提供Dunn检验选项，若没有则需用方法二。

---

方法二：手动计算Dunn检验（通用方法）

步骤1：运行Kruskal-Wallis检验并保存秩次

1. 菜单路径：
   分析 → 非参数检验 → 旧对话框 → K个独立样本

2. 变量设置：

   • 将因变量选入检验变量列表(Test Variable List)，分组变量选入分组变量(Grouping Variable)，点击**定义范围(Define Range)**输入分组最小值/最大值（如1-3）。
   • 勾选Kruskal-Wallis H，点击确定。

3. 保存秩次（为后续计算准备）：

   • 返回数据视图，点击菜单：转换(Transform) → 计算变量(Compute Variable)。
   • 输入新变量名（如Ranks），函数组选择全部(All)，找到RANK函数，将因变量放入计算表达式 → 确定。
   • 生成的新变量Ranks即为每个观测值的秩次。

步骤2：计算Dunn检验的z值与p值

Dunn检验公式：
[ z = \frac{R_i - R_j}{\sqrt{\frac{N(N+1)}{12} \left( \frac{1}{n_i} + \frac{1}{n_j} \right)}} ]
其中 (R_i) 为第i组的平均秩，(N)为总样本量，(n_i)为第i组样本量。

1. 计算各组平均秩：

   • 分析 → 比较均值 → 均值(Means)。
   • 因变量选Ranks，分组变量选原分组变量 → 点击选项(Options)，勾选均值(Mean)和个案数(Number of cases) → 确定。
   • 记录输出中每组的平均秩（Mean）和样本量（N）。

2. 手动计算z值与p值：

   • 使用Excel或SPSS语法计算每两组间的z值（公式如上）。
   • 通过标准正态分布表或SPSS函数CDF.NORMAL转换z值为p值（双尾检验需乘以2）。

3. 校正p值（Bonferroni法）：

   • 若进行k次两两比较，将原始p值乘以k（如3组比较时k=3）。

---

方法三：使用R或Python插件（推荐高效方案）

若SPSS版本不支持Dunn检验，可通过以下方式：

1. 安装R插件：
   • 菜单：扩展(Extensions) → R Essentials，安装后调用R函数dunnTest（需安装R包FSA）。
2. 语法示例：

   BEGIN PROGRAM R.
   library(FSA)
   dunn.result <- dunnTest(因变量 ~ 分组变量, data=spssdata, method="bonferroni")
   print(dunn.result)
   END PROGRAM.
   

---

注意事项

1. 多重比较校正：Dunn检验默认需校正p值（如Bonferroni、Holm法），SPSS手动计算时需自行调整。
2. 结果解读：输出中关注校正后的p值，若p<0.05则认为两组差异显著。
3. 替代方案：若操作复杂，可直接报告Kruskal-Wallis整体检验结果，并描述秩次分布趋势。

---

简化流程图

如有进一步问题，可提供SPSS版本和具体数据格式，我会补充针对性步骤！