
文章来源: 丁点帮你
作者:丁点helper
两组独立样本的非参数检验与其t检验相对,主要是用于不满足正态分布的小样本,一般用Wilcoxon秩和检验,又称Mann-Whitney 检验。
这里我们想指出一点的是,人们往往对正态性的关注更多一些,其实样本量也很重要,这里是样本量较小的情形,如果样本量足够大(比如超过40),即使正态性不满足,也可以使用t检验,而且更推荐用t检验。
案例:在某小学随机采集12岁男童和女童各10名的头发样品,检测发样中钙(Ca)含量(μg/g),数据见下表。男童与女童头发中Ca含量有无差异?
上述数据经过正态性检验,P<0.05,此时认为数据不符合正态分布,即男童组与女童组的数据均不服从正态分布;又因为样本量合计仅有20,所以可采用非参数秩和检验。
下面,我们简单说说这其中的基本思想:
和之前讲解的单样本及配对样本秩和检验一致,这里都需要先编制求秩和,然后用秩和进行检验统计量的计算。
比如,随机抽取样本量分别为n1和n2的两个独立样本,要先将全部数据统一编秩,注意是两组混合起来统一编制。
如上表,就是将男童与女童混合在一起进行编制,然后分组计算秩和。
这里,相当于对原始数据进行了秩变换,即用秩数据代替原始数据进行分析,从而不受原始数据需满足正态分布的条件限制。
如果上述女童组的Ca含量原始数据高于男童组,则女童组Ca含量的秩和也大概率会高于男童组。
我们说过,编秩就是数数,这里一共有20个样本,总秩和加起来为210(就是从1加到20:用中学的公式,首位相加乘以项数除以2)。
如果满足假设,两组儿童Ca含量没有差异,那么两组的秩和大概率都等于105(210的一半)。
以上是基本的思路,严格来讲,检验是在计算秩和后,取任意一组样本(如男童)的秩和(R1=77)作为Wilcoxon秩和检验统计量W,在H0假设成立情况下,则W的均数和标准差分别等于:
当W远离其均数时,则有理由拒绝零假设,认为两组有差异。
比如本例W=77(男童的秩和),比 小约2倍标准差:(77-105)/13.229=-2.116,所以,粗略判断,两组数据应该是有差异的。
这里关于W统计量均数和标准差的计算可以不用特别关注,主要是理解整个思想过程,具体的计算都会交由软件来做。
上述案例标准的检验的步骤总结如下:
(1) 建立检验假设,确定检验水准
H0:男童与女童头发中Ca含量的总体分布相同
H1:男童与女童头发中Ca含量的总体分布不同
a=0.05
(2) 编秩、求秩和
先将男童组与女童组发样中Ca含量的数值由小到大统一编秩,将两组秩分别相加得每组秩和。
(3) 计算检验统计量
本例W=77,Z=-2.116。
(4) 确定P值,作出推断
本例P=0.034,按α=0.05 水准拒绝H0 ,接受H1 ,可以认为男童与女童的头发中Ca含量差异有统计学意义。男童组平均秩为77/10=7.7,女童组平均秩为133/10=13.3,可认为女童的头发中Ca含量高于男童。
另外,值得指出的是,在实际应用中,有一些数据是用离散尺度表达的,什么意思?
比如对于疼痛的评分,研究者会将疼痛用0至10个数据表示,0表示无痛、10表示最痛,研究对象需要根据自身的疼痛程度在这11个数字中挑选一个数字代表疼痛程度。
当用此类数据进行秩和检验,常常会出现很多相同秩,这个时候,检验统计量的计算会略有差别,这个大家稍微留意,不过一般统计软件在分析时会自动调整。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-19偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12