【合集】非引數檢驗

最近一週，我們穿插著講解了基於秩次的非引數檢驗，今天我們總結一下。

一般來講，使用非引數檢驗是在資料資料不滿足正態分佈，並且樣本量較小的情況下。我們主張，當樣本量較大時，即使資料分佈情況不明，

也可以嘗試採用t檢驗、方差分析等引數檢驗。

在本系列的第一篇文章中，我們講解了什麼叫”秩“、如何編”秩“、以及如何利用秩和進行檢驗？相關內容可點選如下連結回顧：

非引數秩和檢驗是怎麼做的

第二篇文章，我們講解了，如何用SPSS軟體對單樣本及兩配對樣本，進行秩和檢驗，具體步驟和結果解讀點選以下連結回顧：

【案例分析】利用SPSS進行秩和檢驗

第三篇文章，我們介紹了兩獨立樣本秩和檢驗，在SPSS中，預設使用的是Mann-Whitney檢驗，也是實際應用中經常使用的。

兩獨立樣本秩和檢驗——Mann-Whitney檢驗

第四篇文章專門針對”等級變數“，又稱為”有序分類變數“的統計檢驗。生活中最常見的等級變數，比如”滿意度得分“，需要將評價等級賦值為”1、2、3……“，而在計算均數時，由於小數的出現，使得均數的意義不太好解釋。於是，對於此類變數也採用秩和檢驗進行分析。同時，我們也介紹了SPSS的操作過程。

等級變數的假設檢驗怎麼做？SPSS教程

第五篇文章將兩組的比較拓展到三組及以上，類似於t檢驗向方差分析的延伸，操作起來也十分方便。

多組比較的非引數檢驗——K-W檢驗

以上就是我們近期一週對非引數檢驗進行的介紹。值得指出的是，

當資料符合引數檢驗條件時，最好仍用引數檢驗，若採用非引數檢驗，容易導致檢驗效能下降。

要明白這其中的邏輯，需要首先搞懂什麼是檢驗效能，在我們平臺前期推送的文章中——

一文搞懂“第二類錯誤、檢驗功效、樣本量計算”的內在邏輯

，我們仔細講解過檢驗效能，它指的是，

當兩組資料所代表的總體確有差異時，統計檢驗能夠發現這種差異的能力。

由於非引數檢驗是採用排序的方式進行檢驗，所以勢必會損失資訊，比如資料之間無論差距多大，只要是相鄰排序的就會被賦值為”1、2……“，各個資料間的具體差異就被掩蓋了。

由此，大家在日後的實踐中，對相關的條件不必苛刻（樣本量比較高的前提下），如果懷疑資料的正態性，可以同時進行引數和非引數檢驗，然後比較結果，再結合個人專業知識進行判斷。