單樣本游程檢驗，與卡方檢驗、二項檢驗一樣，同屬于IBM SPSS Statistics的非參數檢驗方法，是在總體方差未知的情況下，利用樣本數據對總體分布形態等進行推斷分析的方法。

游程，簡單來說，就是樣本數據的排列。單樣本游程檢驗，是一種通過分析樣本數據連貫性，來檢驗樣本所屬總體數據隨機性的方法。當我們需要研究一些自然分布數據的話，就需要確保抽取的數據符合隨機性，以剔除可能影響自然分布的因素。

一、使用的數據類型

SPSS的單樣本游程檢驗，檢驗的是二分變量的排列，因此，需要使用二值變量。如圖1所示，我們使用了性別作為本次檢驗的二分變量，并使用編碼1代表男性、編碼0代表女性。

圖1：二值數據

為了讓檢驗結果更加清晰，可打開數據集的變量視圖，在性別變量的值標簽中，添加性別的值標簽。

圖2：變量值標簽

二、應用游程檢驗

完成數據的處理后，就可以依次單擊分析-非參數檢驗-舊對話框-游程檢驗，來打開游程檢驗的設置面板。

圖3：游程檢驗

打開設置面板后，先簡單了解一下游程檢驗中的選項含義：

1. 檢驗變量列表，即用于檢驗的變量

2. 分割點，用于將變量的取值分為二組取值。如果數據中僅包含二值，需使用定制選項；如果數據中包含多個值，可指定中位數、眾數、平均值、定制值作為分割點

接下來，我們使用示例中的樣本性別數據演示一下實際操作。

圖4：游程設置面板

1.選擇變量

本例中需要檢驗的是性別樣本數據是否具有隨機性。如圖5所示，將“性別”變量添加到檢驗變量列表中，并將分割點設為1（由于數據僅包含0、1兩個數值）。

圖5：選擇變量

2.精確檢驗

由于游程檢驗屬于非參數檢驗，需要進行精確檢驗設置。一般情況下，選擇“僅漸進法（適用于較大樣本或服從漸進分布的數據）”，如果數據不符合漸進分布，則要選擇蒙特卡洛法。

圖6：精確檢驗

3.結果解讀

完成以上設置后，運行檢驗。

從圖7的檢驗結果看到，數據的總個案數為199，包含了97個游程，其漸進顯著性為0.661>0.05，不能拒絕原假設，也就是說，本例中的性別樣本數據是隨機的。

圖7：結果不顯著

三、小結

綜上所示，IBM SPSS Statistics的游程檢驗，是用于檢驗樣本數據隨機性的一種非參數檢驗方法。當我們要驗證樣本數據是否是從總體樣本中隨機抽取時，就可以應用游程檢驗法。