非参数统计的Wilcoxon秩和检验与两样本比较.docxVIP

非参数统计的Wilcoxon秩和检验与两样本比较

一、引言

在统计学的实际应用中，我们常需要比较两组数据的差异——比如两种药物的疗效、两种教学方法的效果、两种工艺的产品质量等。传统的参数检验方法（如t检验）要求数据满足正态分布、方差齐性等假设，但现实中许多数据并不符合这些条件：可能是小样本导致分布难以验证，可能是数据存在极端值，也可能是测量尺度仅为有序分类（如满意度等级）。此时，非参数统计方法因其对总体分布无严格要求、适用范围广的特点，成为更合理的选择。

Wilcoxon秩和检验（WilcoxonRankSumTest）作为非参数统计中最经典的两样本比较方法之一，自20世纪中期被提出以来，广泛应用于医学、社会学、生物学等领域。它通过将数据转换为秩次（即数据的相对大小顺序），利用秩和（各组秩次之和）的差异来推断两组总体分布是否存在显著差异。本文将围绕Wilcoxon秩和检验的基本概念、原理逻辑、实施步骤、应用实例及注意事项展开，系统解析其在两样本比较中的核心作用。

二、基本概念与适用场景

（一）非参数统计与参数统计的区别

参数统计方法的核心是对总体分布的具体形式（如正态分布）做出假设，并基于该假设估计分布的参数（如均值、方差），进而通过参数间的比较推断总体差异。例如两独立样本t检验，需假设两组数据均服从正态分布且方差相等，通过比较均值差异得出结论。

非参数统计则不依赖总体分布的具体形式，而是直接基于数据的秩次、符号或顺序等信息进行推断。其优势在于：一是对数据分布无严格要求，适用于非正态、分布未知或含有极端值的数据；二是可处理有序分类数据（如“差-中-良-优”），这类数据无法用均值等参数描述，但秩次能反映其相对顺序；三是方法稳健，对异常值的敏感度低于参数检验。Wilcoxon秩和检验正是非参数统计中针对两独立样本比较的典型方法。

（二）Wilcoxon秩和检验的适用场景

Wilcoxon秩和检验主要用于比较两个独立样本的总体分布是否存在差异，尤其适用于以下情况：

数据不满足正态分布：例如小样本（如每组样本量小于30）时，难以通过正态性检验；或数据明显偏态（如收入数据常呈右偏态）。

数据为有序分类变量：如患者对两种治疗方式的满意度评价（1-5分），分数仅表示顺序而非等距测量。

存在极端值或离群点：参数检验对极端值敏感，可能导致均值偏移，而秩次会弱化极端值的影响（极端值仅对应最大或最小的秩次，不会过度放大差异）。

方差不齐的情况：参数检验要求方差齐性，而Wilcoxon秩和检验不依赖方差信息，仅关注数据的相对位置。

需要注意的是，Wilcoxon秩和检验的原假设是“两组总体分布相同”，备择假设是“两组总体分布不同”（通常关注位置差异，如中位数不同）。若实际研究目的是比较均值差异，且数据满足参数检验条件，参数检验（如t检验）的效能更高；但若数据不满足条件，Wilcoxon秩和检验是更可靠的选择。

三、检验原理与逻辑

（一）秩次的概念与作用

秩次（Rank）是数据的“相对位置分”，即将所有数据从小到大排序后，每个数据对应的序号。例如，数据组[3,5,7,2,9]排序后为[2,3,5,7,9]，对应的秩次分别为1、2、3、4、5。若存在相同数据（称为“结”，Tie），则取平均秩次。例如数据[3,5,5,7]排序后为[3,5,5,7]，两个5的秩次为(2+3)/2=2.5，因此秩次为1、2.5、2.5、4。

秩次的作用在于将原始数据转换为反映相对大小的顺序信息，消除了量纲（如身高的厘米、体重的公斤）和分布形式的影响，使不同性质的数据具备可比性。Wilcoxon秩和检验的核心正是通过比较两组数据的秩和（即各组秩次之和）来推断总体差异。

（二）秩和的计算与检验逻辑

假设我们有两个独立样本，样本量分别为n?和n?（n?≤n?），将两组数据合并后排序并赋予秩次，计算第一组的秩和为W?，第二组的秩和为W?。由于所有数据的秩次之和是固定的（等于1+2+…+(n?+n?)=(n?+n?)(n?+n?+1)/2），因此W?可由总和减去W?得到，通常选择较小的样本组的秩和作为检验统计量W（即W=W?，若n?=n?则任选）。

在原假设（两组总体分布相同）成立时，两组数据的秩次应均匀分布在合并后的序列中，因此W?应接近理论期望值。理论上，当原假设成立时，W的期望为E(W)=n?(n?+n?+1)/2，方差为Var(W)=n?n?(n?+n?+1)/12（当无结值或结值较少时）。若实际计算的W与期望值差异过大，则拒绝原假设，认为两组分布存在显著差异。

（三）结值的处理与校正

实际数据中常存在相同观测值（结值），这会影响秩次的计算和检验统计量的方差。例如，若多个数据相同，它们的秩次会被平均，导致方差减小（因为秩次的离散程度降低）。此时