免费Wilcoxon秩和检验计算器

Wilcoxon秩和检验与Mann‑Whitney U检验

当处理两个独立样本时，经典的Student t检验假设数据服从正态分布。当这一假设无法满足时——例如有序数据、小样本量或明显非正态的连续变量——则需要非参数替代方法。Wilcoxon秩和检验（通常称为Mann‑Whitney U检验）是使用最广泛的两样本非参数检验。它不依赖于特定分布，而是通过将原始数据转换为秩来比较两组数据的集中趋势。

本非参数检验计算器可快速获取检验统计量（U或W）、z值（使用正态近似时）以及相应的p值，帮助你评估样本数据与“两个总体来自同一分布”的原假设的相符程度。

何时使用该两样本检验

当以下情况时，你应该考虑秩和检验（或等价的Mann‑Whitney U检验）：

• 你的数据为有序尺度（如Likert型应答）或严重偏离正态分布的连续尺度。
• 样本量较小，无法依赖中心极限定理。
• 数据包含可能过度影响参数检验的异常值。
• 你希望在不对总体分布做出假设的情况下对两个独立组进行稳健比较。

该检验适用于相等和不相等的样本量。

检验原理

1. 合并两个样本为一个有序列表，并按数值从小到大分配秩次（相同值取平均秩）。
2. 计算第一组（或目标组）的秩和。设$R_1$为第一组（含$n_1$个观测值）的秩和。
3. 计算该组的U统计量：

$$U_1 = R_1 - \frac{n_1 (n_1 + 1)}{2}$$

可以对第二组计算同样量（$U_2$）。通常报告$U_1$和$U_2$中较小的值作为检验统计量，但许多文献也报告较小样本组的秩和（Wilcoxon秩和统计量$W$）。 4. 获取p值。 对于小样本，使用U的精确分布；对于大样本（通常$n_1, n_2 > 20$），该统计量近似服从正态分布：

$$z = \frac{U - \mu_U}{\sigma_U} \quad \text{where} \quad \mu_U = \frac{n_1 n_2}{2}, \quad \sigma_U = \sqrt{\frac{n_1 n_2 (n_1 + n_2 + 1)}{12}}$$

本工具中的p值计算器随后返回在原假设下出现与$U$（或$z$）同样极端值的概率，取决于所选检验方向（单尾或双尾）。

结果解读

• 如果p值小于显著性水平（通常$\alpha = 0.05$），则拒绝原假设，并得出结论：两组集中趋势存在统计显著差异。
• 该检验不直接比较中位数，除非分布形状相同（即方差和偏度一致）。在这种情况下，显著结果意味着位置偏移（"stochastic equality"差异）。
• 本工具还允许并排查看检验统计量和p值，便于评估反对原假设的证据。

如何使用本在线工具

Wilcoxon秩和检验计算器通常接受粘贴到两个输入字段中的原始数据，或样本汇总统计量（样本量和秩和）。你可以：

• 在Mann‑Whitney U或Wilcoxon秩和公式之间选择（两种统计量在数学上等价）。
• 选择单尾或双尾检验。
• 查看精确p值（当样本较小时）或基于正态近似的近似p值。

由于该工具自动处理排序和概率计算，它成为非参数分析的便捷p值计算器，使你免于手动计算。

重要注意事项

• Mann‑Whitney U检验和Wilcoxon秩和检验是同一过程；名称的不同仅源于历史原因和统计量的呈现方式。本计算器使用通用公式。
• 结（相同值）会轻微改变精确p值；包括本计算器在内的大多数在线计算器在使用正态近似时会应用结校正。
• 该检验不要求数据对称，但要求每组内的观测值独立，且测量尺度具有可比性。

通过使用这种非参数方法，你可以从两样本比较中得出可靠结论，而无需依赖正态性假设——这对许多实际数据集来说是一个关键优势。