非参数统计中的Mann-WhitneyU检验与Kruskal-Wallis检验.docxVIP

非参数统计中的Mann-WhitneyU检验与Kruskal-Wallis检验

一、非参数统计与秩和检验概述

在统计学的工具箱中，参数检验与非参数检验是两大核心分支。参数检验如t检验、方差分析等，通常需要假设数据服从特定分布（如正态分布），并对总体参数（如均值）进行推断；而非参数检验则更“包容”，它不依赖数据的具体分布形态，主要通过数据的顺序、等级等信息进行统计推断。这种特性使得非参数检验在实际研究中应用广泛，尤其当数据不满足参数检验的前提条件（如非正态分布、小样本、数据含等级变量）时，非参数检验往往成为更可靠的选择。

（一）非参数统计的核心特点与适用场景

非参数统计的核心特点可概括为“无分布依赖”与“强鲁棒性”。所谓“无分布依赖”，是指其推断过程不假设数据来自特定的概率分布（如正态分布、泊松分布），而是基于数据的相对顺序或符号进行分析；“强鲁棒性”则体现在当数据存在异常值、分布严重偏态或样本量较小时，非参数检验的结果仍能保持稳定，不易受极端值干扰。

其适用场景主要包括四类：一是数据为等级资料（如疗效评价中的“治愈”“显效”“无效”），无法用具体数值衡量；二是连续型数据但不满足正态分布假设（如问卷调查中的满意度评分）；三是样本量过小，难以通过正态性检验；四是数据中存在未明确分布的异常值，参数检验结果可能失真。

（二）秩和检验的基本思想与应用价值

在非参数检验的众多方法中，秩和检验（基于秩次的检验）是最常用的一类，Mann-WhitneyU检验与Kruskal-Wallis检验均属于这一范畴。秩和检验的核心思想是“化数值为顺序”：将原始数据从小到大排序，赋予每个数据一个“秩次”（即排序后的位置序号），若有相同数值则取平均秩次。通过分析秩次的分布差异，推断不同组别的总体分布是否存在显著差异。

这种方法的价值在于，它将复杂的数值差异转化为更简单的顺序差异，既保留了数据的相对大小信息，又避免了对分布形态的严格假设。例如，在比较两组患者的疼痛评分时，若评分数据不满足正态分布，直接比较均值可能失真；但通过计算两组评分的秩次和，可更客观地反映两组疼痛程度的整体差异。

二、Mann-WhitneyU检验的原理与操作

MMann-WhitneyU检验（又称Wilcoxon秩和检验）是秩和检验中最经典的方法之一，主要用于比较两个独立样本的总体分布是否存在显著差异。它由HenryMann和DonaldWhitney于20世纪40年代提出，是两独立样本t检验的非参数替代方法。

（一）Mann-WhitneyU检验的研究背景与假设条件

在实际研究中，研究者常需比较两组独立样本的差异，例如比较两种教学方法下学生的成绩、两种药物的疗效等。若数据满足正态分布且方差齐性，t检验是首选；但当数据不满足这些条件时，Mann-WhitneyU检验便成为更合理的选择。

其原假设（H?）为“两个总体的分布完全相同”，即两组数据的秩次分布无显著差异；备择假设（H?）为“两个总体的分布不同”（通常为单侧或双侧差异）。需要注意的是，Mann-WhitneyU检验关注的是“分布差异”，而非仅“均值差异”，这意味着即使两组均值相同但分布形态不同（如一组更集中、另一组更分散），检验也可能拒绝原假设。

（二）Mann-WhitneyU检验的实施步骤详解

Mann-WhitneyU检验的操作可分为以下五个步骤：

数据合并与排序：将两组样本数据合并为一个整体，按从小到大的顺序排列，为每个数据赋予秩次（最小数据秩次为1，次小为2，依此类推）。若存在相同数值（即“结”），则取这些相同数值所在位置的平均秩次。例如，数据“3,5,5,7”中两个“5”的位置是第2和第3位，因此它们的秩次均为（2+3）/2=2.5。

计算各组秩和：分别计算两组样本在合并数据中的秩次之和，记为R?（第一组秩和）和R?（第二组秩和）。

计算U统计量：U统计量是检验的核心指标，计算公式为：

U?=n?×n?+n?×(n?+1)/2R?

U?=n?×n?+n?×(n?+1)/2R?

其中n?和n?为两组的样本量。最终取U?和U?中的较小值作为检验统计量U（因为U?+U?=n?×n?，所以较小的U值更能反映两组秩次的差异程度）。

确定显著性水平：通常选择α=0.05作为检验标准。

判断结果：若样本量较小（n?≤20且n?≤20），可通过Mann-WhitneyU检验临界值表查找临界值，若计算得到的U值小于等于临界值，则拒绝原假设；若样本量较大（n?或n?20），可利用正态近似法，将U值转换为Z值（Z=(Un?n?/2)/√(n?n?(n?+n?+1)/12)），再通过标准正态分布表判断显著性。

（三）Mann-WhitneyU检验的典型应用场景

Mann-Whitney