Kruskal-Wallis 检验

Kruskal-Wallis 检验是一种非参数统计检验,用于判断三个或更多独立组是否来自同一总体分布。它将所有数据值一起排秩,并比较各组的平均秩——这使它成为单因素方差分析的一种不依赖分布的替代方法,不要求数据服从正态分布。

最后审阅

核心要点

Kruskal-Wallis 检验是一种非参数统计检验,用于判断三个或更多独立组是否来自同一总体分布。

本页内容
  1. 什么是 Kruskal-Wallis 检验?
  2. 何时使用 Kruskal-Wallis 检验?
  3. 正确使用 Kruskal-Wallis 检验的指南
  4. 替代方法:何时不宜使用 Kruskal-Wallis 检验
  5. Kruskal-Wallis 检验示例
  6. 如何进行 Kruskal-Wallis 检验

什么是 Kruskal-Wallis 检验?

Kruskal-Wallis 检验是一种非参数统计检验,用于判断三个或更多独立组是否来自同一总体分布。它将所有数据值一起排秩,并比较各组的平均秩——这使它成为单因素方差分析的一种不依赖分布的替代方法,不要求数据服从正态分布。

它回答的问题是:各组的集中趋势之间是否存在统计上显著的差异?结果显著表示至少有一个组不同——但并不能指出具体是哪些组。为此需要进行事后比较。

简单定义:一种比较三个或更多独立组的检验,用于判断是否至少有一个组的中位数存在显著差异,且不要求数据服从正态分布。

何时使用 Kruskal-Wallis 检验?

  • 在对连续型或有序响应变量比较 三个或更多独立组 时使用。
  • 当 不能假定数据服从正态分布  时使用——尤其是小样本或严重偏斜的数据。
  • 当方差分析的假设被违背时,用作 单因素方差分析的非参数替代方法。
  • 当响应变量是 有序的(例如满意度评分)而不是连续型时使用。

正确使用 Kruskal-Wallis 检验的指南

  • 各组必须 相互独立 ——一个组中的观测值不得与另一个组中的观测值相关。
  • 为获得可靠的结果,每组至少收集 5 个观测值。
  • 各组应具有 相似的分布形状和离散程度,中位数的解释才有效。
  • 结果显著只表明 至少有一个组不同 ——请使用带 Bonferroni 校正的 Mann-Whitney 两两比较来找出是哪些组。
  • 确保响应是 连续型或至少是有序的 ——该检验不适用于名义分类响应。

替代方法:何时不宜使用 Kruskal-Wallis 检验

  • 如果数据 服从正态分布,请使用 单因素方差分析  ——在满足假设时检验功效更高。
  • 如果只比较 两个独立组,请使用 Mann-Whitney 检验
  • 如果各组是 相关的或为重复测量,请使用 Friedman 检验
  • 如果异常值很严重,请使用 Mood 中位数检验 进行更稳健的比较。

Kruskal-Wallis 检验示例

某医院集团希望比较同一城市三家医院的空床数。从每家医院的记录中选取 11 个不同的日期,并记录每天的空床数。为判断空床数的中位数是否存在差异,管理人员使用 Kruskal-Wallis 检验。步骤如下:

  1. 收集所需数据。
Kruskal-Wallis Test — figure 1
  1. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2.  要找到 Kruskal-Wallis 检验,请选择 Statistical module> Nonparametric > Kruskal-Wallis Test。
  3.  在工具中输入数据及其他输入项,如下所示:
Kruskal-Wallis Test — figure 2

5. 使用上述工具后,得到如下输出:

Kruskal-Wallis Test — figure 3

如何进行 Kruskal-Wallis 检验

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Nonparametric>Kruskal-Wallis Test。
  3. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  4. 接下来,填写所需选项。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

Kruskal-Wallis 检验的工具界面分为两部分。

Kruskal-Wallis Test — figure 4

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

右侧提供以下选项:

  • Response 选择包含要在各组之间比较的 测量值 的列——例如周期时间、强度、重量,或任何连续型或有序的结果变量。这是被检验的变量,用于判断其分布在由 Factor 列定义的各组之间是否存在显著差异。
  • Factor 选择标识 每个观测值所属组别  的列——例如机器类型、操作员、班次或处理条件。该列中的每个唯一值代表一个单独的组。Kruskal-Wallis 检验比较此处定义的所有组的响应值,以判断是否至少有一个组的中位数与其他组存在显著差异。

常见问题

什么是 Kruskal-Wallis 检验?

Kruskal-Wallis 检验是一种非参数检验,用于判断三个或更多独立组是否来自同一总体分布。它将所有数据值一起排秩,并比较各组的平均秩,因此是单因素方差分析的一种不依赖分布的替代方法,不要求数据服从正态分布。

什么情况下应使用 Kruskal-Wallis 而不是单因素方差分析?

当比较三个或更多独立组、且不能假定数据服从正态分布(尤其是小样本或严重偏斜的数据),或响应是有序的(例如满意度评分)时,使用 Kruskal-Wallis。如果数据服从正态分布,单因素方差分析的检验功效更高。两个组请使用 Mann-Whitney 检验;相关组请使用 Friedman 检验。

Kruskal-Wallis 检验有哪些假设?

每个组中的观测值必须与其他组中的观测值相互独立。每组至少收集 5 个观测值。各组应具有相似的分布形状和离散程度,中位数的解释才有效,并且响应必须是连续型或至少是有序的,而不是名义分类的。

Kruskal-Wallis 结果显著之后应怎么做?

结果显著只表明至少有一个组不同;并不能指出是哪个组。请使用带 Bonferroni 校正的 Mann-Whitney 两两比较来找出哪些组存在差异。如果异常值很严重,Mood 中位数检验可提供更稳健的比较。