Skip to content
返回搜索结果

非参数统计检验

提出者
Henry Mann and Donald Whitney
年份
1947
类型
Method
类别
distribution-free-methods

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

非参数(免分布)检验是用于假设检验的统计方法,它们不假设数据服从特定的概率分布(例如正态分布),因此对偏离正态性、异常值和有序数据具有鲁棒性。Mann-Whitney U 检验(1947)和 Kruskal-Wallis 检验(1952)将假设检验的范围扩展到参数假设的限制之外。在生物学、医学、心理学以及任何数据非正态、高度偏斜或以有序尺度(排名、评级)测量领域中,非参数检验至关重要,当参数假设失效时,非参数检验能提供有效的推断。

方法背后的直觉

参数检验(t 检验、ANOVA)假设数据服从正态分布且方差相等;违反这些假设可能导致不正确的 p 值和置信区间。非参数检验通过对观测值进行排序来避免分布假设:它们不分析原始值,而是将数据转换为秩(第 1 小、第 2 小、……、最大),并检验各组之间的秩分布是否存在差异。由于秩是整数且保留了顺序,因此它们对异常值、非正态性和异方差性具有鲁棒性。权衡:在理想条件下(正态、等方差数据),非参数检验会牺牲统计功效,但在实际条件下则获得了鲁棒性和有效性。现代实践:广泛使用非参数检验;它们是鲁棒的,并且通常与参数替代方法具有几乎相同的功效。

历史学

Henry Mann 和 Donald Whitney 于 1947 年开发了用于比较两个样本的 U 检验。William Kruskal 和 Allen Wallis 于 1952 年将该方法扩展到多个样本。Frank Wilcoxon 独立开发了配对样本秩检验(符号秩检验,1945)。Charles Spearman 早些时候引入了秩相关(1904)。这些方法在现代计算使手动计算过时之前一直处于休眠状态。当前复兴的原因是:(1) 认识到许多数据集是非正态的,(2) 有序数据无处不在(调查、评级),(3) 强调防止违反假设的鲁棒统计学理念。

何时使用

当参数检验假设被违反且转换(对数、平方根)无法使数据正态化,或者当数据本质上是有序的时,使用非参数检验。心理学:分析 Likert 量表响应(有序,通常非正态);许多研究使用类别少于 10 个的量表,其中正态性不合理。医学:比较治疗组之间的生物标志物值,当测量值高度偏斜时(例如,一些患者值为零,另一些患者值很高)。生物学:评估基于秩的度量(物种丰度排名、锦标赛排名)。在数据分布未知时,也可将非参数方法作为早期探索性分析的默认选择;如果结果与参数检验一致,则参数方法可能对验证性分析是安全的。

局限与注意事项

  • 在理想条件下功效损失:当数据真正服从正态分布且方差相等时,非参数检验比 t 检验损失 5-15% 的功效(渐近相对效率约为 0.95)。
  • 对于复杂设计开发较少:对于因子 ANOVA、MANOVA 或复杂协变量调整,非参数等效方法较少;多水平非参数方法不那么标准化。
  • 效应量标准化程度较低:与参数检验具有完善的效应量度量(Cohen's d)不同,非参数效应量(r、秩二列相关)在实践中较不常见。
  • 事后检验复杂:Kruskal-Wallis 检验后的成对比较标准化程度较低;多重检验校正惩罚可能会降低功效。
  • 仅限于位置或关联检验:非参数方法主要检验分布是否不同;无法估计参数或检验关于均值结构的特定假设。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 对非正态性和异常值具有鲁棒性:即使数据严重非正态或包含无法移除的极端值,p 值也有效。
  • 适用于有序数据:可以分析 Likert 量表、排名或其他有序类别;参数检验假设连续数据,因此在技术上对有序数据无效。
  • 计算简单:基于秩的统计量直观且计算简单;对于小样本可以手动计算。
  • 免分布:不假设任何特定的概率分布,使其普遍适用于各种数据类型。
  • 在违反参数假设时具有良好的统计功效:当参数假设不成立时,非参数检验比产生无效 p 值的参数检验更具功效。

应用

  • 心理学研究:比较治疗组之间 Likert 量表响应(工作满意度、抑郁严重程度);评级通常是有序且非正态的。
  • 临床医学:分析治疗前后生物标志物水平(通常偏斜且有检测限);比较症状严重程度评级。
  • 职业健康:对工作场所的危害暴露进行排名或比较有序安全评级;参数方法的实用替代方案。
  • 教育评估:比较学校或教学方法之间的考试分数或排名;适应非正态的分数分布。
  • 质量控制:对缺陷严重程度进行排名或比较不同生产批次的有序质量度量,而不假设正态性。

使用方式

使用方式

1

在以下情况下使用非参数检验:(1) 结果数据非正态(检查 Q-Q 图、Shapiro-Wilk 检验),(2) 数据为有序数据(秩、评级、有限值尺度),(3) 样本量小(< 30),无法验证正态性,(4) 存在无法合理解释或移除的异常值,(5) 方差不相等(异方差性)。数据收集与参数检验相同;无需特殊抽样设计。关键要求:观测值必须独立(未经调整不得重复测量);数据必须可排序(可以确定相对顺序)。适用于连续、有序或二元数据。

2

对于两个独立组,使用 Mann-Whitney U 检验(独立 t 检验的非参数替代):(1) 忽略组别,将所有观测值从小到大排序。(2) 计算每组的秩和(R₁ 和 R₂)。(3) 计算 U₁ = n₁n₂ + [n₁(n₁+1)/2] − R₁ 和 U₂ = n₁n₂ + [n₂(n₂+1)/2] − R₂。(4) 检验统计量 U = min(U₁, U₂)。(5) 从 Mann-Whitney 分布表(小样本)或正态近似(大样本)中获取 p 值。报告效应量:r = Z / √n,其中 Z 是标准化检验统计量,n 是总样本量;r ≈ 0.1 为小效应,0.3 为中效应,0.5 为大效应。对于三个或更多独立组,使用 Kruskal-Wallis 检验:方法类似,但计算服从 k−1 自由度 χ² 分布的总秩和统计量 H。对于配对(重复测量),使用 Wilcoxon 符号秩检验:对配对差异进行排序并检验其是否为零。对于相关性,使用 Spearman 秩相关 ρ:计算秩而不是原始值的相关性。

3

P 值解释与参数检验相同:p < 0.05 表示组间存在统计学显著差异(在常规水平下)。然而,由于使用了秩,效应量和解释略有不同。Mann-Whitney U 检验回答:第 1 组的分布是否随机大于第 2 组?(即,第 1 组的值是否倾向于更高?)。通常会估计中位数差异以进行实际解释,但从技术上讲,该检验比较的是分布,而不仅仅是中位数。效应量 r 提供了组间分离的标准化度量。对于 Kruskal-Wallis 检验,显著的 p 值表示至少有两组不同;事后成对 Mann-Whitney 检验(带 Bonferroni 校正)可识别哪些对存在差异。对于 Spearman 的 ρ,解释类似于 Pearson 的 r;值范围为 −1 到 +1;正的 ρ 表示秩一致。

常见陷阱

  • 误解检验内容:Mann-Whitney U 检验的是分布是否不同,而不仅仅是中位数;两个分布可以具有相同的中位数但形状不同。始终通过视觉检查分布。
  • 将非参数检验应用于明显正态的数据:浪费功效;当满足假设时使用参数检验。
  • 在没有适当方法的情况下,将非参数检验应用于严重分类的数据:用 Mann-Whitney 检验分析有序数据(例如,5 点 Likert 量表)可能是有效的,但如果只有 2 个类别(二分),非参数秩检验会退化为卡方检验。
  • 未能检查独立性假设:非参数检验假设观测值独立;聚类、重复测量或匹配设计需要调整(重复测量的 Friedman 检验,匹配的分层)。
  • 二分连续变量:将连续数据(年龄)转换为有序数据(年轻/年老)然后应用非参数检验会丢失信息。尽可能保留连续形式。
  • 将基于秩的效应量解释为实际效应量:非参数效应量 r = 0.3 量化的是统计分离,而不是实际重要性。始终检查中位数或均值的实际差异以评估实际显著性。

常见问题

我应该何时使用 Mann-Whitney U 检验而不是独立 t 检验?

如果出现以下情况,请使用 Mann-Whitney U 检验:(1) 数据不服从正态分布(Q-Q 图显示偏离,Shapiro-Wilk p < 0.05),(2) 方差不相等(Levene 检验 p < 0.05)且样本量不相等,(3) 数据为有序数据(排名、评级),(4) 样本量小(n < 30),因此无法验证正态性,或 (5) 存在真实(非测量误差)且无法移除的异常值。如果数据明显正态且方差相等,则首选 t 检验(功效更高)。实际上,Mann-Whitney U 检验是保守的选择;即使对于正态数据,它也表现良好(功效损失约 5%),因此广泛使用它是合理的。

Mann-Whitney U 检验究竟检验的是中位数还是分布?

从技术上讲,Mann-Whitney U 检验的是分布是否不同(随机优势)。如果分布形状相同,则该检验近似于中位数差异检验。然而,两个分布可以具有相同的中位数但形状不同(例如,一个对称,一个偏斜)。反之,不同的中位数意味着不同的分布。最佳实践:始终使用箱线图或密度图可视化两个分布;检查实际数据可以澄清检验结果反映的是中位数差异还是更广泛的分布差异。报告 p 值和中位数差异以进行实际解释。

在非参数检验中如何处理并列秩?

并列(相等值)被赋予平均秩。例如,如果两个观测值并列第 5 位,则两者都被赋予秩 5.5。这是标准方法,也是统计软件实现的方式。如果并列很多,检验统计量可能需要调整(中秩检验、置换检验)。如果并列非常常见(例如,许多零值或严重分类的数据),请考虑替代方法:置换检验,或为离散数据设计的鲁棒方法。

我可以使用非参数检验处理 Likert 量表数据吗?

是的,非参数检验非常适合 Likert 量表(有序数据)。Mann-Whitney U 检验比较组间 Likert 响应的分布;Kruskal-Wallis 检验比较三个或更多组。但是,对于类别非常少的量表(例如,3 点量表)要谨慎:与连续数据相比,检验功效会降低。或者,对于多项目 Likert 量表(例如,将多个项目求和为综合得分),综合得分可能近似正态分布(中心极限定理),从而支持参数检验。对于单项目有序测量,非参数检验是安全的默认选择。

相关方法

参考文献

  1. 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.

    打开 DOI 文献
    已复制。
  2. Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.

    打开 DOI 文献
    已复制。
  3. Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons.

    打开出版物文献
    已复制。