การทดสอบทางสถิติแบบนอนพาราเมตริก
- ผู้เสนอ
- Henry Mann and Donald Whitney
- ปี
- 1947
- ประเภท
- Method
- กลุ่มวิธี
- distribution-free-methods
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การทดสอบแบบนอนพาราเมตริก (distribution-free) คือวิธีการทางสถิติสำหรับการทดสอบสมมติฐานที่ไม่ตั้งข้อสมมติฐานว่าข้อมูลมีการแจกแจงความน่าจะเป็นแบบเฉพาะเจาะจง (เช่น การแจกแจงปกติ) ทำให้มีความทนทานต่อการเบี่ยงเบนจากการแจกแจงปกติ ค่าผิดปกติ (outliers) และข้อมูลเชิงอันดับ (ordinal data) การทดสอบ Mann-Whitney U test (1947) และ Kruskal-Wallis test (1952) ขยายขอบเขตการทดสอบสมมติฐานให้เหนือกว่าข้อจำกัดของสมมติฐานแบบพาราเมตริก มีความสำคัญอย่างยิ่งในสาขาชีววิทยา การแพทย์ จิตวิทยา และสาขาใดๆ ที่ข้อมูลมีการแจกแจงไม่ปกติ มีความเบ้สูง หรือวัดในระดับอันดับ (การจัดอันดับ การให้คะแนน) การทดสอบแบบนอนพาราเมตริกให้ข้อสรุปที่ถูกต้องเมื่อสมมติฐานแบบพาราเมตริกไม่เป็นจริง
แนวคิดเบื้องหลังวิธีการ
การทดสอบแบบพาราเมตริก (t-test, ANOVA) ตั้งสมมติฐานว่ามีการแจกแจงปกติและมีความแปรปรวนเท่ากัน การละเมิดสมมติฐานเหล่านี้อาจทำให้ค่า p-value และช่วงความเชื่อมั่นคลาดเคลื่อน การทดสอบแบบนอนพาราเมตริกหลีกเลี่ยงสมมติฐานเกี่ยวกับการแจกแจงโดยการจัดอันดับการสังเกต: แทนที่จะวิเคราะห์ค่าดิบ จะแปลงข้อมูลเป็นอันดับ (อันดับต่ำสุด อันดับที่สองต่ำสุด ... อันดับสูงสุด) และทดสอบว่าการแจกแจงอันดับแตกต่างกันระหว่างกลุ่มหรือไม่ เนื่องจากอันดับเป็นจำนวนเต็มและรักษาลำดับ จึงมีความทนทานต่อค่าผิดปกติ การแจกแจงไม่ปกติ และความแปรปรวนไม่เท่ากัน (heteroscedasticity) ข้อแลกเปลี่ยน: การทดสอบแบบนอนพาราเมตริกสูญเสียกำลังการทดสอบ (power) ในสภาวะที่เหมาะสมที่สุด (ข้อมูลแจกแจงปกติ ความแปรปรวนเท่ากัน) แต่ได้รับความทนทานและความถูกต้องในสภาวะที่เป็นจริง แนวปฏิบัติปัจจุบัน: ใช้การทดสอบแบบนอนพาราเมตริกอย่างกว้างขวาง เนื่องจากมีความทนทานและมักมีกำลังการทดสอบใกล้เคียงกับวิธีแบบพาราเมตริก
ประวัติศาสตร์
Henry Mann และ Donald Whitney พัฒนา U test ในปี 1947 สำหรับการเปรียบเทียบสองตัวอย่าง William Kruskal และ Allen Wallis ขยายแนวทางนี้ไปยังหลายตัวอย่างในปี 1952 Frank Wilcoxon ได้พัฒนาการทดสอบอันดับสำหรับตัวอย่างคู่ (signed-rank test) อย่างอิสระในปี 1945 Charles Spearman ได้นำเสนอ rank correlation ก่อนหน้านี้ในปี 1904 วิธีการเหล่านี้ถูกละเลยไปจนกระทั่งคอมพิวเตอร์สมัยใหม่ทำให้การคำนวณด้วยมือไม่จำเป็น การฟื้นคืนชีพในปัจจุบันขับเคลื่อนโดย: (1) การยอมรับว่าชุดข้อมูลจำนวนมากมีการแจกแจงไม่ปกติ (2) ข้อมูลเชิงอันดับมีอยู่ทั่วไป (แบบสำรวจ การให้คะแนน) (3) ปรัชญาของสถิติที่ทนทาน (robust statistics) เน้นการป้องกันการละเมิดสมมติฐาน
ควรใช้เมื่อใด
ควรใช้การทดสอบแบบนอนพาราเมตริกเมื่อสมมติฐานของการทดสอบแบบพาราเมตริกถูกละเมิด และการแปลงข้อมูล (log, square-root) ไม่สามารถทำให้ข้อมูลมีการแจกแจงปกติได้ หรือเมื่อข้อมูลเป็นเชิงอันดับโดยธรรมชาติ จิตวิทยา: วิเคราะห์การตอบสนองมาตรวัด Likert (เชิงอันดับ มักจะแจกแจงไม่ปกติ) การศึกษาจำนวนมากใช้มาตรวัดที่มีหมวดหมู่น้อยกว่า 10 หมวด ซึ่งการแจกแจงปกติไม่น่าเป็นไปได้ การแพทย์: เปรียบเทียบค่าชีวมาร์กเกอร์ระหว่างกลุ่มการรักษาเมื่อการวัดมีความเบ้สูง (เช่น ผู้ป่วยบางรายมีค่าเป็นศูนย์ ในขณะที่รายอื่นมีค่าสูง) ชีววิทยา: ประเมินการวัดตามอันดับ (อันดับความอุดมสมบูรณ์ของชนิดพันธุ์ อันดับการแข่งขัน) นอกจากนี้ยังใช้วิธีการแบบนอนพาราเมตริกเป็นค่าเริ่มต้นในการวิเคราะห์เชิงสำรวจเบื้องต้นเมื่อไม่ทราบการแจกแจงข้อมูล หากผลลัพธ์สอดคล้องกับการทดสอบแบบพาราเมตริก วิธีการแบบพาราเมตริกน่าจะปลอดภัยสำหรับการวิเคราะห์เพื่อยืนยัน
ข้อจำกัดและข้อควรพิจารณา
- สูญเสียกำลังการทดสอบในสภาวะที่เหมาะสมที่สุด: เมื่อข้อมูลมีการแจกแจงปกติอย่างแท้จริงและมีความแปรปรวนเท่ากัน การทดสอบแบบนอนพาราเมตริกจะสูญเสียกำลังการทดสอบไปประมาณ 5–15% เมื่อเทียบกับการทดสอบ t (ประสิทธิภาพสัมพัทธ์เชิงเส้นกำกับ (asymptotic relative efficiency) ≈ 0.95)
- มีการพัฒนาน้อยกว่าสำหรับการออกแบบที่ซับซ้อน: มีการทดสอบแบบนอนพาราเมตริกที่เทียบเท่ากับ factorial ANOVA, MANOVA หรือการปรับแก้ตัวแปรร่วมที่ซับซ้อนน้อยกว่า วิธีการแบบนอนพาราเมตริกหลายระดับ (multilevel) ไม่เป็นมาตรฐาน
- ขนาดอิทธิพลมีความเป็นมาตรฐานน้อยกว่า: แตกต่างจากการทดสอบแบบพาราเมตริกที่มีมาตรวัดขนาดอิทธิพลที่ยอมรับกันอย่างแพร่หลาย (Cohen's d) ขนาดอิทธิพลแบบนอนพาราเมตริก (r, rank-biserial correlation) พบได้น้อยกว่าในทางปฏิบัติ
- การทดสอบหลังการทดสอบ (Post-hoc testing) ซับซ้อน: การเปรียบเทียบรายคู่หลัง Kruskal-Wallis ไม่เป็นมาตรฐาน การลงโทษจากการปรับแก้การทดสอบหลายครั้ง (multiple testing correction) อาจลดกำลังการทดสอบ
- จำกัดอยู่เพียงการทดสอบตำแหน่งหรือความสัมพันธ์: วิธีการแบบนอนพาราเมตริกส่วนใหญ่ทดสอบว่าการแจกแจงแตกต่างกันหรือไม่ ไม่สามารถประมาณค่าพารามิเตอร์หรือทดสอบสมมติฐานเฉพาะเกี่ยวกับโครงสร้างค่าเฉลี่ยได้
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- มีความทนทานต่อการแจกแจงไม่ปกติและค่าผิดปกติ: ให้ค่า p-value ที่ถูกต้องแม้ว่าข้อมูลจะมีการแจกแจงไม่ปกติอย่างรุนแรงหรือมีค่าสุดขั้วที่ไม่สามารถลบออกได้
- ใช้ได้กับข้อมูลเชิงอันดับ: สามารถวิเคราะห์มาตรวัด Likert การจัดอันดับ หรือหมวดหมู่อื่นๆ ที่มีลำดับ การทดสอบแบบพาราเมตริกตั้งสมมติฐานว่าข้อมูลเป็นแบบต่อเนื่อง ทำให้ไม่ถูกต้องทางเทคนิคสำหรับข้อมูลเชิงอันดับ
- การคำนวณอย่างง่าย: สถิติที่อิงตามอันดับมีความเข้าใจง่ายและคำนวณได้ง่าย สามารถคำนวณด้วยมือสำหรับตัวอย่างขนาดเล็ก
- ไม่ขึ้นกับการแจกแจง (Distribution-free): ไม่ตั้งสมมติฐานเกี่ยวกับการแจกแจงความน่าจะเป็นแบบเฉพาะเจาะจง ทำให้สามารถนำไปใช้กับข้อมูลประเภทต่างๆ ได้อย่างครอบคลุม
- มีกำลังการทดสอบที่ดีเมื่อสมมติฐานแบบพาราเมตริกถูกละเมิด: เมื่อสมมติฐานแบบพาราเมตริกไม่เป็นจริง การทดสอบแบบนอนพาราเมตริกจะมีกำลังการทดสอบมากกว่าการทดสอบแบบพาราเมตริกที่ให้ค่า p-value ที่ไม่ถูกต้อง
การประยุกต์ใช้
- งานวิจัยทางจิตวิทยา: เปรียบเทียบการตอบสนองมาตรวัด Likert (ความพึงพอใจในงาน ความรุนแรงของอาการซึมเศร้า) ระหว่างกลุ่มการรักษา การให้คะแนนมักเป็นเชิงอันดับและแจกแจงไม่ปกติ
- การแพทย์คลินิก: วิเคราะห์ระดับชีวมาร์กเกอร์ (มักจะเบ้และมีขีดจำกัดการตรวจวัด) ก่อน/หลังการรักษา เปรียบเทียบระดับความรุนแรงของอาการ
- อาชีวอนามัย: จัดอันดับความเสี่ยงในสถานที่ทำงาน หรือเปรียบเทียบการให้คะแนนความปลอดภัยเชิงอันดับ เป็นทางเลือกในทางปฏิบัติแทนวิธีการแบบพาราเมตริก
- การประเมินทางการศึกษา: เปรียบเทียบคะแนนสอบหรือการจัดอันดับระหว่างโรงเรียนหรือวิธีการสอน รองรับการแจกแจงคะแนนที่แจกแจงไม่ปกติ
- การควบคุมคุณภาพ: จัดอันดับความรุนแรงของข้อบกพร่อง หรือเปรียบเทียบมาตรวัดคุณภาพเชิงอันดับระหว่างชุดการผลิต โดยไม่ต้องตั้งสมมติฐานเกี่ยวกับการแจกแจงปกติ
วิธีการทำงาน
วิธีการทำงาน
ควรใช้การทดสอบแบบนอนพาราเมตริกเมื่อ: (1) ข้อมูลผลลัพธ์มีการแจกแจงไม่ปกติ (ตรวจสอบด้วย Q-Q plots, Shapiro-Wilk test) (2) ข้อมูลเป็นเชิงอันดับ (การจัดอันดับ การให้คะแนน มาตรวัดที่มีค่าจำกัด) (3) ขนาดตัวอย่างมีขนาดเล็ก (< 30) ซึ่งไม่สามารถยืนยันการแจกแจงปกติได้ (4) มีค่าผิดปกติที่ไม่สามารถอธิบายหรือลบออกได้ (5) ความแปรปรวนไม่เท่ากัน (heteroscedasticity) การเก็บรววบรวมข้อมูลเหมือนกับการทดสอบแบบพาราเมตริก ไม่จำเป็นต้องมีการออกแบบตัวอย่างพิเศษ ข้อกำหนดสำคัญ: การสังเกตต้องเป็นอิสระต่อกัน (ไม่มีการวัดซ้ำโดยไม่มีการปรับแก้) ข้อมูลต้องสามารถจัดอันดับได้ (สามารถกำหนดลำดับสัมพัทธ์ได้) ใช้ได้กับข้อมูลต่อเนื่อง เชิงอันดับ หรือข้อมูลทวิภาค (binary data)
สำหรับสองกลุ่มอิสระ ใช้ Mann-Whitney U test (ทางเลือกแบบนอนพาราเมตริกแทน independent t-test): (1) จัดอันดับการสังเกตทั้งหมดจากน้อยไปมาก โดยไม่คำนึงถึงกลุ่ม (2) รวมอันดับในแต่ละกลุ่ม (R₁ และ R₂) (3) คำนวณ U₁ = n₁n₂ + [n₁(n₁+1)/2] − R₁ และ U₂ = n₁n₂ + [n₂(n₂+1)/2] − R₂ (4) สถิติทดสอบ U = min(U₁, U₂) (5) หาค่า p-value จากตารางการแจกแจง Mann-Whitney (สำหรับตัวอย่างขนาดเล็ก) หรือการประมาณค่าด้วยการแจกแจงปกติ (สำหรับตัวอย่างขนาดใหญ่) รายงานขนาดอิทธิพล (effect size): r = Z / √n โดยที่ Z คือสถิติทดสอบมาตรฐาน n คือขนาดตัวอย่างทั้งหมด; r ≈ 0.1 เล็ก, 0.3 ปานกลาง, 0.5 ใหญ่ สำหรับสามกลุ่มอิสระขึ้นไป ใช้ Kruskal-Wallis test: แนวทางคล้ายกันแต่คำนวณสถิติจำนวนอันดับรวม H ซึ่งมีการแจกแจงแบบ χ² ที่มีองศาอิสระ (df) k−1 สำหรับข้อมูลคู่ (การวัดซ้ำ) ใช้ Wilcoxon signed-rank test: หาผลต่างระหว่างคู่ แล้วจัดอันดับและทดสอบเทียบกับศูนย์ สำหรับสหสัมพันธ์ ใช้ Spearman's rank correlation ρ: สหสัมพันธ์ของอันดับแทนค่าดิบ
การตีความค่า p-value เหมือนกับการทดสอบแบบพาราเมตริก: p < 0.05 บ่งชี้ถึงความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างกลุ่ม (ที่ระดับทั่วไป) อย่างไรก็ตาม เนื่องจากมีการใช้อันดับ ขนาดอิทธิพลและการตีความจึงแตกต่างกันเล็กน้อย Mann-Whitney U test ตอบคำถามว่า: การแจกแจงของกลุ่มที่ 1 มีความน่าจะเป็นสูงกว่ากลุ่มที่ 2 หรือไม่? (กล่าวคือ ค่าในกลุ่มที่ 1 มีแนวโน้มที่จะสูงกว่าหรือไม่?) โดยทั่วไปจะประมาณค่ามัธยฐานของความแตกต่างเพื่อการตีความในทางปฏิบัติ แต่ตามหลักการแล้ว การทดสอบจะเปรียบเทียบการแจกแจง ไม่ใช่แค่ค่ามัธยฐาน ขนาดอิทธิพล r ให้การวัดมาตรฐานของการแยกกลุ่ม สำหรับ Kruskal-Wallis ค่า p-value ที่มีนัยสำคัญบ่งชี้ว่าอย่างน้อยสองกลุ่มแตกต่างกัน การทดสอบเปรียบเทียบรายคู่หลังการทดสอบ (post-hoc pairwise tests) แบบ Mann-Whitney จะระบุว่าคู่ใดแตกต่างกัน (พร้อมการปรับแก้ Bonferroni) สำหรับ Spearman's ρ การตีความคล้ายกับ Pearson's r ค่าอยู่ระหว่าง −1 ถึง +1; ρ ที่เป็นบวกบ่งชี้ว่าอันดับสอดคล้องกัน
ข้อผิดพลาดที่พบบ่อย
- ความเข้าใจผิดเกี่ยวกับสิ่งที่ทดสอบ: Mann-Whitney U ทดสอบว่าการแจกแจงแตกต่างกันหรือไม่ ไม่ใช่แค่ค่ามัธยฐาน การแจกแจงสองแบบอาจมีค่ามัธยฐานเท่ากันแต่มีรูปร่างต่างกัน ควรตรวจสอบการแจกแจงด้วยภาพเสมอ
- การใช้การทดสอบแบบนอนพาราเมตริกกับข้อมูลที่แจกแจงปกติอย่างชัดเจน: ทำให้สูญเสียกำลังการทดสอบ ควรใช้การทดสอบแบบพาราเมตริกเมื่อสมมติฐานเป็นจริง
- การใช้การทดสอบแบบนอนพาราเมตริกกับข้อมูลที่มีการแบ่งหมวดหมู่มากเกินไปโดยไม่มีวิธีการที่เหมาะสม: ข้อมูลเชิงอันดับ (เช่น มาตรวัด Likert 5 ระดับ) ที่วิเคราะห์ด้วย Mann-Whitney อาจถูกต้อง แต่ถ้ามีเพียง 2 หมวดหมู่ (ข้อมูลทวิภาค) การทดสอบแบบนอนพาราเมตริกที่อิงตามอันดับจะลดรูปไปเป็นการทดสอบไคสแควร์ (chi-square)
- การไม่ตรวจสอบสมมติฐานความเป็นอิสระ: การทดสอบแบบนอนพาราเมตริกตั้งสมมติฐานว่าการสังเกตเป็นอิสระต่อกัน การจัดกลุ่ม การวัดซ้ำ หรือการออกแบบที่จับคู่กันต้องการการปรับแก้ (Friedman test สำหรับการวัดซ้ำ, การแบ่งชั้น (stratification) สำหรับการจับคู่)
- การแปลงตัวแปรต่อเนื่องเป็นข้อมูลทวิภาค: การแปลงข้อมูลต่อเนื่อง (อายุ) เป็นข้อมูลเชิงอันดับ (หนุ่ม/แก่) แล้วใช้การทดสอบแบบนอนพาราเมตริก ทำให้สูญเสียข้อมูล ควรเก็บข้อมูลในรูปแบบต่อเนื่องเมื่อเป็นไปได้
- การตีความขนาดอิทธิพลตามอันดับว่าเป็นขนาดอิทธิพลในทางปฏิบัติ: ขนาดอิทธิพลแบบนอนพาราเมตริก r = 0.3 วัดการแยกทางสถิติ ไม่ใช่นัยสำคัญในทางปฏิบัติ ควรตรวจสอบความแตกต่างที่แท้จริงของค่ามัธยฐานหรือค่าเฉลี่ยเพื่อดูความสำคัญในทางปฏิบัติเสมอ
คำถามที่พบบ่อย
เมื่อใดที่ฉันควรใช้ Mann-Whitney U แทน independent t-test?
ควรใช้ Mann-Whitney U หาก: (1) ข้อมูลไม่มีการแจกแจงปกติ (Q-Q plot แสดงการเบี่ยงเบน, Shapiro-Wilk p < 0.05) (2) ความแปรปรวนไม่เท่ากัน (Levene's test p < 0.05) และขนาดตัวอย่างไม่เท่ากัน (3) ข้อมูลเป็นเชิงอันดับ (การจัดอันดับ การให้คะแนน) (4) ขนาดตัวอย่างมีขนาดเล็ก (n < 30) จึงไม่สามารถยืนยันการแจกแจงปกติได้ หรือ (5) มีค่าผิดปกติที่แท้จริง (ไม่ใช่ข้อผิดพลาดในการวัด) และไม่สามารถลบออกได้ หากข้อมูลมีการแจกแจงปกติและมีความแปรปรวนเท่ากันอย่างชัดเจน ควรเลือกใช้ t-test (มีกำลังการทดสอบมากกว่า) ในทางปฏิบัติ Mann-Whitney U เป็นทางเลือกที่ปลอดภัย มันทำงานได้ดีพอสมควรแม้กับข้อมูลปกติ (สูญเสียกำลังการทดสอบ ~5%) ดังนั้นการใช้มันอย่างกว้างขวางจึงสมเหตุสมผล
การทดสอบ Mann-Whitney U ทดสอบอะไรกันแน่—ค่ามัธยฐานหรือการแจกแจง?
ตามหลักการแล้ว Mann-Whitney U ทดสอบว่าการแจกแจงแตกต่างกันหรือไม่ (stochastic dominance) หากการแจกแจงมีรูปร่างเหมือนกัน การทดสอบจะประมาณการทดสอบความแตกต่างของค่ามัธยฐาน อย่างไรก็ตาม การแจกแจงสองแบบอาจมีค่ามัธยฐานเท่ากันแต่มีรูปร่างต่างกัน (เช่น แบบหนึ่งสมมาตร อีกแบบเบ้) ในทางกลับกัน ค่ามัธยฐานที่แตกต่างกันบ่งชี้ถึงการแจกแจงที่แตกต่างกัน แนวปฏิบัติที่ดีที่สุด: ควรแสดงภาพการแจกแจงทั้งสองด้วย box plots หรือ density plots เสมอ การตรวจสอบข้อมูลจริงจะช่วยให้เข้าใจว่าผลการทดสอบสะท้อนถึงความแตกต่างของค่ามัธยฐานหรือความแตกต่างของการแจกแจงที่กว้างกว่าหรือไม่ ควรรายงานทั้งค่า p-value และค่ามัธยฐานของความแตกต่างเพื่อการตีความในทางปฏิบัติ
ฉันจะจัดการกับอันดับที่ซ้ำกัน (tied ranks) ในการทดสอบแบบนอนพาราเมตริกได้อย่างไร?
ค่าที่ซ้ำกัน (ค่าเท่ากัน) จะได้รับอันดับเฉลี่ย ตัวอย่างเช่น หากการสังเกตสองค่าเท่ากันในอันดับที่ 5 ทั้งสองจะได้รับอันดับ 5.5 นี่เป็นแนวทางมาตรฐานและเป็นสิ่งที่ซอฟต์แวร์ทางสถิตินำไปใช้ หากมีค่าซ้ำกันจำนวนมาก สถิติทดสอบอาจต้องมีการปรับแก้ (mid-rank tests, permutation tests) หากค่าซ้ำกันพบบ่อยมาก (เช่น ค่าศูนย์จำนวนมาก หรือข้อมูลที่มีการแบ่งหมวดหมู่มาก) ควรพิจารณาทางเลือกอื่น: permutation tests หรือวิธีการที่ทนทานซึ่งออกแบบมาสำหรับข้อมูลแบบไม่ต่อเนื่อง
ฉันสามารถใช้การทดสอบแบบนอนพาราเมตริกกับข้อมูลมาตรวัด Likert ได้หรือไม่?
ได้ การทดสอบแบบนอนพาราเมตริกเหมาะสมอย่างยิ่งสำหรับมาตรวัด Likert (ข้อมูลเชิงอันดับ) Mann-Whitney U เปรียบเทียบการแจกแจงของการตอบสนอง Likert ระหว่างกลุ่ม Kruskal-Wallis เปรียบเทียบสามกลุ่มขึ้นไป อย่างไรก็ตาม ควรระมัดระวังกับมาตรวัดที่มีหมวดหมู่น้อยมาก (เช่น มาตรวัด 3 ระดับ) กำลังการทดสอบจะลดลงเมื่อเทียบกับข้อมูลต่อเนื่อง ในทางเลือกอื่น สำหรับมาตรวัด Likert หลายข้อ (เช่น การรวมหลายข้อเป็นคะแนนรวม) คะแนนรวมอาจประมาณการแจกแจงปกติได้ (Central Limit Theorem) ซึ่งสนับสนุนการใช้การทดสอบแบบพาราเมตริก ควรใช้การทดสอบแบบนอนพาราเมตริกเป็นค่าเริ่มต้นที่ปลอดภัยสำหรับมาตรวัดเชิงอันดับแบบข้อเดียว
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50–60.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วKruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วConover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons.
เปิดเอกสารอ้างอิงสิ่งพิมพ์คัดลอกแล้ว