4个汽车生产厂各自提供的4种汽车油耗测试数据见表12-1。试用多样本非参数检验4种汽车的油耗以及判断哪一种汽车的燃油性最好。由于样本数据较少且相互之间是独立的，因此采用Kruskal-Wallis ANOVA多样本独立非参数检验。

表12-14 种汽车油耗测试数据

（1）新建Origin工作表，按列输入4种汽车油耗测试数据。

（2）选择菜单命令【Statistics】→【Nonparametric Tests】→【Kruskal-Wallis ANOVA】，打开【Statistics\Nonparametric Tests：kwanova】对话框。

（3）在【Statistics\Nonparametric Tests：kwanova】对话框中的“Input Data Form”栏选择“Raw”数据存放格式，在“Input”栏单击右边的三角形，将工作表数据全部输入。设置好的【Statistics\Nonparametric Tests：kwanova】对话框如图12-114所示。

图12-114 设置好的【Statistics\Nonparametric Tests：kwanova】对话框

（4）单击“OK”按钮，得到“KWANOVA1”检验结果工作表，如图12-115所示。根据该检验结果，统计表（Test Statistics）显示在显著性为0.05的条件下，4种汽车油耗有明显差异；秩序（Rank）表表明，Infinity的燃油性最好。

多样本检验的另一个实例为研究采用He-Ne激光治疗对少年儿童视力改善的效果。试验数据分为6～10岁组和11～16岁组，每组由5人组成。数据为两组少年儿童经3个疗程治疗后，裸眼视力改善的差异。数据存放在“eyesight.dat”数据文件中。由于样本数据较少且相互之间有一定关联，因此采用“Friedman ANOVA”多样本相关非参数检验。

（1）导入“Origin9.1\Samples\Statistics\eyesight.dat”数据文件，如图12-116所示。该工作表A（X）列和B（Y）列分别为6～10岁组和11～16岁两组少年儿童治疗后的视力数据，C（Y）列为治疗疗程次数，D（Y）列为治疗人数数据。

（2）选择菜单命令【Statistics】→【Nonparametric Tests】→【Friedman ANOVA】，打 开【Statistics\Non-parametric Tests：friedman】对话框。(www.daowen.com)

图12-115 “KWANOVA1”检验结果工作表

图12-116 “eyesight.dat”数据文件

（3）在【Statistics\Nonpara-metric Tests：friedman】对话框中的“Input Data Form”栏中选择“In-dexed”数据存放格式，在“Input”栏中单击“Data Range”右边的三角形，输入工作表数据中A（X）列数据，单击“Factor Range”右边的三角形，输入工作表数据中C（Y）列数据，单击“Subject Range”右边的三角形，输入工作表数据中D（Y）列数据。设置好的【Statistics\Nonparametric Tests：kwanova】对话框如图12-117所示。

（4）单击“OK”按钮，得到“Friedman ANOVA1”检验结果工作表，如图12-118a所示。根据该检验结果，P值为0.0067379，小于0.05。因此，采用He-Ne激光治疗对改善6～10岁组儿童视力的效果显著。

（5）同理，采用步骤（2）～（4），选择工作表数据中B（Y）列数据，得到11～16岁组少年的“Friedman ANOVA2”检验结果工作表，如图12-118b所示。根据该检验结果，P值为0.025991，小于0.05。因此，采用He-Ne激光治疗对改善11～16岁组少年视力的效果也显著。进一步比较两组数据的检验结果工作表发现，6～10岁组的P值明显小于11～16岁组的，因此得出采用该He-Ne激光治疗方法对改善6～10岁组儿童视力的效果更为显著，年龄较小的儿童的治疗效果优于年龄较大的结论。

图12-117 设置好的【Statistics\Nonparametric Tests：kwanova】对话框

图12-118 “Friedman ANOVA”检验结果工作表