Kruskal-Wallis-H检验(多个独立样本).pdfVIP

一、问题与数据

某研究者认为工作年限多的人能更好地应对职场的压力。为了验证这一假设，某研究招募了31名研

究对象，调查了他们的工作年限，并测量了他们应对职场压力的能力。

根据工作年限，研究对象被分为4组：0-5年、6-10年、11-15年、16年（变量名为

working_time）。利用Likert量表调查的总得分（CWWS得分）来评估应对职场压力的能力，分数

越高，表明应对职场压力的能力越强（变量名为stress_score）。部分数据如图1。

图1部分数据

二、对问题分析

研究者想知道不同工作年限之间CWWS得分是否不同。由于CWWS得分不服从正态分布（仅为模拟

数据，实际使用时需要专业判断或结合正态性检验结果），因此可以使用Kruskal-WallisH检验。

Kruskal-WallisH检验（有时也叫做对秩次的单因素方差分析）是基于秩次的非参数检验方法，用于

检验多组间（也可以是两组）连续或有序分类变量是否存在差异。

使用Kruskal-WallisHtest检验时，需要考虑以下3个假设。

假设1：有一个因变量，且因变量为连续变量或有序分类变量。

假设2：存在多个分组（≥2个）。

假设3：具有相互独立的观测值。

三、SPSS操作

3.1Kruskal-WallisH检验

在主界面点击Analyze→NonparametricTests→IndependentSamples，出现Nonparametric

Tests:TwoorMoreIndependentSamples对话框，默认选择Automaticallycompare

distributionsacrossgroups。如图2。

图2NonparametricTests:TwoorMoreIndependentSamples

点击Fields，在Fields下方选择Usecustomfieldassignments，将变量stress_score放入Test

Fields框中，将变量working_time放入Groups框中。如图3。

图3Fields

点击Settings→Customizetests，在CompareDistributionsacrossGroups区域选择Kruskal-

Wallis1-wayANOVA(ksamples)，如图4。本步骤也可不操作，默认即可。因为我们选择了

Automaticallycomparedistributionsacrossgroups，且有3个分组，SPSS会默认选择Kruskal-

Wallis1-wayANOVA(ksamples)。

图4Settings

点击Run，输出结果。

3.2对数据分布的了解

Kruskal-WallisH检验，其原理是将原始数据排序后分配秩次，再对秩次做假设检验。因此，统计描

述只能描述各组数据的“平均秩次”，假设检验的结果也只能表述为“各组数据分布的差异有、无

统计学意义”。然而，“平均秩次”并不能充分反映各组数据的集中趋势。我们知道，对于非正态

分布数据，描述其集中趋势的较好指标是中位数（相对应的，对于正态分布数据，描述其集中趋势

的较好指标是均数）。因此，在做Kruskal-WallisH检验（以及Mann-WhitneyU检验/Wilcoxon

秩和检验）前，需要首先对原始数据的分布形态做一个了解。

假设某研究关注不同教育程度（高中及以下、本科、硕士及以上）研究对象的年均收入，则年均收

入的分布可能有2种情况（如图5）。左侧的图表示各组年均收入的分布形状一致（分布形状一致代

表变异一致），而右侧的图表示各组年均收入的分布形状不一致。

图5数据分布示意图

因此，在做Kruskal-WallisH检验（以及Mann-WhitneyU检验、Wilcoxon秩和检验）前，需要画

直方图对各组数据的分布形状做一个了解（本例的模拟数据量较少，因此省去画直方图的操作。实

际研究中，应当首先做直方图）。

如果实际研究中，各组因变量的分布形状基本一致，则需要计算各组因变量的中位数，以便统计描

述时汇报。如果各组因变量的分布形状不一致，则在统计描述时不必汇报。

3.3计算中位数

K