Kruskal-Wallis 檢定
Kruskal-Wallis 檢定是一種非參數統計檢定,用於判斷三個或更多獨立組是否來自同一總體分配。它將所有資料值一起排等級,並比較各組的平均等級——這使它成為單因素變異數分析的一種不依賴分配的替代方法,不要求資料服從常態分配。
最後審閱
核心要點
Kruskal-Wallis 檢定是一種非參數統計檢定,用於判斷三個或更多獨立組是否來自同一總體分配。
本頁內容
什麼是 Kruskal-Wallis 檢定?
Kruskal-Wallis 檢定是一種非參數統計檢定,用於判斷三個或更多獨立組是否來自同一總體分配。它將所有資料值一起排等級,並比較各組的平均等級——這使它成為單因素變異數分析的一種不依賴分配的替代方法,不要求資料服從常態分配。
它回答的問題是:各組的集中趨勢之間是否存在統計上顯著的差異?結果顯著表示至少有一個組不同——但並不能指出具體是哪些組。為此需要進行事後比較。
簡單定義:一種比較三個或更多獨立組的檢定,用於判斷是否至少有一個組的中位數存在顯著差異,且不要求資料服從常態分配。
何時使用 Kruskal-Wallis 檢定?
- 在對連續型或有序反應變數比較 三個或更多獨立組 時使用。
- 當 不能假定資料服從常態分配 時使用——尤其是小樣本或嚴重偏斜的資料。
- 當變異數分析的假設被違背時,用作 單因素變異數分析的非參數替代方法。
- 當反應變數是 有序的(例如滿意度評分)而不是連續型時使用。
正確使用 Kruskal-Wallis 檢定的指南
- 各組必須 相互獨立 ——一個組中的觀測值不得與另一個組中的觀測值相關。
- 為獲得可靠的結果,每組至少收集 5 個觀測值。
- 各組應具有 相似的分配形狀和離散程度,中位數的解釋才有效。
- 結果顯著只表明 至少有一個組不同 ——請使用帶 Bonferroni 校正的 Mann-Whitney 兩兩比較來找出是哪些組。
- 確保反應是 連續型或至少是有序的 ——該檢定不適用於名目分類反應。
替代方法:何時不宜使用 Kruskal-Wallis 檢定
- 如果資料 服從常態分配,請使用 單因素變異數分析 ——在滿足假設時檢定的檢定力更高。
- 如果只比較 兩個獨立組,請使用 Mann-Whitney 檢定
- 如果各組是 相關的或為重複量測,請使用 Friedman 檢定
- 如果離群值很嚴重,請使用 Mood 中位數檢定 進行更穩健的比較。
Kruskal-Wallis 檢定範例
某醫院集團希望比較同一城市三家醫院的空床數。從每家醫院的記錄中選取 11 個不同的日期,並記錄每天的空床數。為判斷空床數的中位數是否存在差異,管理人員使用 Kruskal-Wallis 檢定。步驟如下:
- 收集所需資料。

- 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
- 要找到 Kruskal-Wallis 檢定,請選擇 Statistical module> Nonparametric > Kruskal-Wallis Test。
- 在工具中輸入資料及其他輸入項,如下所示:

5. 使用上述工具後,得到如下輸出:

如何進行 Kruskal-Wallis 檢定
操作步驟如下:
- 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
- 在首頁選擇 Statistical Tool> Nonparametric>Kruskal-Wallis Test。
- 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
- 接下來,填寫所需選項。
- 最後,點選頁面底部的 calculate,即可得到所需結果。
Kruskal-Wallis 檢定的工具介面分為兩部分。

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
Load example: 將載入範例資料。
右側提供以下選項:
- Response 選擇包含要在各組之間比較的 量測值 的欄——例如週期時間、強度、重量,或任何連續型或有序的結果變數。這是被檢定的變數,用於判斷其分配在由 Factor 欄定義的各組之間是否存在顯著差異。
- Factor 選擇識別 每個觀測值所屬組別 的欄——例如機器類型、操作員、班次或處理條件。該欄中的每個唯一值代表一個單獨的組。Kruskal-Wallis 檢定比較此處定義的所有組的反應值,以判斷是否至少有一個組的中位數與其他組存在顯著差異。
常見問題
什麼是 Kruskal-Wallis 檢定?
Kruskal-Wallis 檢定是一種非參數檢定,用於判斷三個或更多獨立組是否來自同一總體分配。它將所有資料值一起排等級,並比較各組的平均等級,因此是單因素變異數分析的一種不依賴分配的替代方法,不要求資料服從常態分配。
什麼情況下應使用 Kruskal-Wallis 而不是單因素變異數分析?
當比較三個或更多獨立組、且不能假定資料服從常態分配(尤其是小樣本或嚴重偏斜的資料),或反應是有序的(例如滿意度評分)時,使用 Kruskal-Wallis。如果資料服從常態分配,單因素變異數分析的檢定的檢定力更高。兩個組請使用 Mann-Whitney 檢定;相關組請使用 Friedman 檢定。
Kruskal-Wallis 檢定有哪些假設?
每個組中的觀測值必須與其他組中的觀測值相互獨立。每組至少收集 5 個觀測值。各組應具有相似的分配形狀和離散程度,中位數的解釋才有效,並且反應必須是連續型或至少是有序的,而不是名目分類的。
Kruskal-Wallis 結果顯著之後應怎麼做?
結果顯著只表明至少有一個組不同;並不能指出是哪個組。請使用帶 Bonferroni 校正的 Mann-Whitney 兩兩比較來找出哪些組存在差異。如果離群值很嚴重,Mood 中位數檢定可提供更穩健的比較。
