Mann-Whitney 檢定
Mann-Whitney 檢定將兩個獨立組的所有值合併排定等級,並比較兩組的等級分配。當反應為連續型或有序型、資料不服從常態分配或樣本太小而無法檢查常態性時使用。每組至少收集 5 到 10 個觀測值;若要將結果解讀為中位數之差,則需要兩組分配形狀相似。輸出包含該差值的信賴區間。
最後審閱
核心要點
Mann-Whitney 檢定(Wilcoxon 等級和檢定)是一種非參數檢定,用於比較兩個獨立組,判斷其中一組是否傾向於產生更高或更低的值,且不要求資料服從常態分配。
本頁內容
什麼是 Mann-Whitney 檢定?
Mann-Whitney 檢定(也稱 Wilcoxon 等級和檢定)是一種非參數檢定,用於比較兩個獨立組,判斷其中一組是否傾向於比另一組產生更高或更低的值。它將所有值合併排定等級,並比較兩組之間的等級分配,因此是雙樣本 t 檢定的一種可靠的、不依賴分配的替代方法。
簡要定義:一種比較兩個獨立組的檢定,用於判斷其中一組是否傾向於具有更高或更低的值(通常概括為中位數之差),且不要求資料服從常態分配。
何時使用 Mann-Whitney 檢定?
- 當對連續型或有序型反應變數比較 恰好兩個獨立組 時使用。
- 當資料 不服從常態分配 或樣本數太小而無法驗證常態性時使用。
- 當 t 檢定的假設不成立時,可作為 雙樣本 t 檢定的非參數替代方法 使用。
- 當反應為 有序型 時使用,例如調查評分或偏好排序。
正確使用 Mann-Whitney 檢定的指南
- 兩組必須 完全獨立,任何觀測值都不應同時出現在兩組中。
- 每組至少收集 5 到 10 個觀測值,以獲得可靠的結果。
- 如果要將結果解讀為中位數之差,兩組應具有 相似的分配形狀。
- 在進行分析之前,應根據您的假設確定採用 單尾檢定還是雙尾檢定。
- 不顯著的結果並不能證明兩組相等,只能說明 沒有發現足夠的證據來斷定存在差異。
替代方法:何時不宜使用 Mann-Whitney 檢定
- 如果資料 服從常態分配,請使用 雙樣本 t 檢定,在常態性成立時檢定力更高。
- 如果要比較 三個或更多獨立組,請使用 Kruskal-Wallis 檢定
- 如果各組 配對或相關,請改為對差值使用 單樣本 Wilcoxon 檢定。
- 如果要將單一樣本與 已知目標值比較,請使用 單樣本符號檢定或 Wilcoxon 檢定
Mann-Whitney 檢定範例
某公路管理人員想確定兩種道路劃線塗料品牌的耐久性是否存在差異。對每個品牌,該人員記錄在可比較的公路路段上,塗料保持可見直至需要重新塗刷的月數。由於耐久時間可能存在偏態,且常態性/變異數齊性假設可能不成立,該人員採用 Mann–Whitney 檢定,評估兩個品牌塗料持續時間的中位月數是否存在差異。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 Mann-Whitney 檢定,請選擇 Statistical module> Nonparametric > Mann Whitney.
- 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 Mann-Whitney 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>Mann Whitney。
- 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。
Mann-Whitney 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。
Load File: 用於直接載入 Excel 資料。
右側提供以下選項:
- First Sample: 選擇包含 第一組 資料的欄,即作為基線或參照、需要進行比較的組。該欄中的每一列代表來自第一個母體的一個獨立觀測值。
- Second Sample: 選擇包含 第二組 資料的欄,即與第一組進行比較的組。每一列必須是來自第二個母體的獨立觀測值。兩欄不得共享任何觀測值,它們必須彼此完全獨立。
- Confidence Level (Default 95%): 設定圍繞兩組中位數之差計算的信賴區間的信賴水準。預設值 95% 表示您有 95% 的把握認為中位數之差的真值落在所報告的範圍內。這是統計實踐中普遍接受的標準,既足夠謹慎以避免得出錯誤結論,又具有實用價值。信賴水準越高(例如 99%),區間越寬;水準越低(例如 90%),區間越窄,但把握也越小。
- Alternative (Default: Not Equal): 定義假設的方向,即檢定的目標。通常提供三個選項:
- Not Equal ——雙尾檢定,檢查兩組在任一方向上是否存在差異。當事先不確定哪一組更高或更低時使用。這是大多數分析推薦的預設值。
- Less Than ——單尾檢定,檢查第一組的中位數是否明確 小於 第二組。僅當在收集資料之前有充分的、預先設定的理由預期該方向時才使用。
- Greater Than ——單尾檢定,檢查第一組的中位數是否明確 大於 第二組。同樣,僅當該方向事先已有依據時才使用。
常見問題
什麼是 Mann-Whitney 檢定?
Mann-Whitney 檢定也稱 Wilcoxon 等級和檢定,是一種非參數檢定,用於比較兩個獨立組,判斷其中一組是否傾向於比另一組產生更高或更低的值。它將所有值合併排定等級並比較等級分配,因此是雙樣本 t 檢定的一種不依賴分配的替代方法。
何時應使用 Mann-Whitney 檢定而不是雙樣本 t 檢定?
比較恰好兩個獨立組,並且資料不服從常態分配、樣本數太小而無法驗證常態性,或反應為有序型(例如調查評分)時,請使用 Mann-Whitney 檢定。如果資料服從常態分配,雙樣本 t 檢定的檢定力更高。對於三個或更多組,請使用 Kruskal-Wallis 檢定。
Mann-Whitney 檢定有哪些假設?
兩組必須完全獨立,任何觀測值都不能同時出現在兩組中。每組至少收集 5 到 10 個觀測值。如果要將結果解讀為中位數之差,兩組應具有相似的分配形狀,並且應在進行分析之前選定單尾檢定或雙尾檢定。
Mann-Whitney 檢定結果不顯著意味著什麼?
不顯著的結果並不能證明兩組相等;它只意味著沒有發現足夠的證據來斷定存在差異。預設的對立假設 Not Equal 檢定任一方向上的差異;僅當方向事先已有依據時,才應使用 Less Than 或 Greater Than。
