Mann-Whitney 检验
Mann-Whitney 检验将两个独立组的所有值合并排秩,并比较两组的秩分布。当响应为连续型或有序型、数据不服从正态分布或样本太小而无法检查正态性时使用。每组至少收集 5 到 10 个观测值;若要将结果解读为中位数之差,则需要两组分布形状相似。输出包含该差值的置信区间。
最后审阅
核心要点
Mann-Whitney 检验(Wilcoxon 秩和检验)是一种非参数检验,用于比较两个独立组,判断其中一组是否倾向于产生更高或更低的值,且不要求数据服从正态分布。
本页内容
什么是 Mann-Whitney 检验?
Mann-Whitney 检验(也称 Wilcoxon 秩和检验)是一种非参数检验,用于比较两个独立组,判断其中一组是否倾向于比另一组产生更高或更低的值。它将所有值合并排秩,并比较两组之间的秩分布,因此是双样本 t 检验的一种可靠的、不依赖分布的替代方法。
简要定义:一种比较两个独立组的检验,用于判断其中一组是否倾向于具有更高或更低的值(通常概括为中位数之差),且不要求数据服从正态分布。
何时使用 Mann-Whitney 检验?
- 当对连续型或有序型响应变量比较 恰好两个独立组 时使用。
- 当数据 不服从正态分布 或样本量太小而无法验证正态性时使用。
- 当 t 检验的假设不成立时,可作为 双样本 t 检验的非参数替代方法 使用。
- 当响应为 有序型 时使用,例如调查评分或偏好排序。
正确使用 Mann-Whitney 检验的指南
- 两组必须 完全独立,任何观测值都不应同时出现在两组中。
- 每组至少收集 5 到 10 个观测值,以获得可靠的结果。
- 如果要将结果解读为中位数之差,两组应具有 相似的分布形状。
- 在进行分析之前,应根据您的假设确定采用 单侧检验还是双侧检验。
- 不显著的结果并不能证明两组相等,只能说明 没有发现足够的证据来断定存在差异。
替代方法:何时不宜使用 Mann-Whitney 检验
- 如果数据 服从正态分布,请使用 双样本 t 检验,在正态性成立时检验功效更高。
- 如果要比较 三个或更多独立组,请使用 Kruskal-Wallis 检验
- 如果各组 配对或相关,请改为对差值使用 单样本 Wilcoxon 检验。
- 如果要将单个样本与 已知目标值比较,请使用 单样本符号检验或 Wilcoxon 检验
Mann-Whitney 检验示例
某公路管理人员想确定两种道路划线涂料品牌的耐久性是否存在差异。对每个品牌,该人员记录在可比较的公路路段上,涂料保持可见直至需要重新涂刷的月数。由于耐久时间可能存在偏态,且正态性/方差齐性假设可能不成立,该人员采用 Mann–Whitney 检验,评估两个品牌涂料持续时间的中位月数是否存在差异。步骤如下:
- 收集所需数据。

- 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
- 要找到 Mann-Whitney 检验,请选择 Statistical module> Nonparametric > Mann Whitney.
- 在工具中输入数据及其他输入项,如下所示:

5. 使用上述工具后,得到如下输出:

如何进行 Mann-Whitney 检验
操作步骤如下:
- 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
- 在首页选择 Statistical Tool> Nonparametric>Mann Whitney。
- 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。
- 接下来,填写所需选项。
- 最后,点击页面底部的 calculate,即可得到所需结果。
Mann-Whitney 检验的工具界面分为两部分。

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。
Load File: 用于直接加载 Excel 数据。
右侧提供以下选项:
- First Sample: 选择包含 第一组 数据的列,即作为基线或参照、需要进行比较的组。该列中的每一行代表来自第一个总体的一个独立观测值。
- Second Sample: 选择包含 第二组 数据的列,即与第一组进行比较的组。每一行必须是来自第二个总体的独立观测值。两列不得共享任何观测值,它们必须彼此完全独立。
- Confidence Level (Default 95%): 设定围绕两组中位数之差计算的置信区间的置信水平。默认值 95% 表示您有 95% 的把握认为中位数之差的真值落在所报告的范围内。这是统计实践中普遍接受的标准,既足够谨慎以避免得出错误结论,又具有实用价值。置信水平越高(例如 99%),区间越宽;水平越低(例如 90%),区间越窄,但把握也越小。
- Alternative (Default: Not Equal): 定义假设的方向,即检验的目标。通常提供三个选项:
- Not Equal ——双侧检验,检查两组在任一方向上是否存在差异。当事先不确定哪一组更高或更低时使用。这是大多数分析推荐的默认值。
- Less Than ——单侧检验,检查第一组的中位数是否明确 小于 第二组。仅当在收集数据之前有充分的、预先设定的理由预期该方向时才使用。
- Greater Than ——单侧检验,检查第一组的中位数是否明确 大于 第二组。同样,仅当该方向事先已有依据时才使用。
常见问题
什么是 Mann-Whitney 检验?
Mann-Whitney 检验也称 Wilcoxon 秩和检验,是一种非参数检验,用于比较两个独立组,判断其中一组是否倾向于比另一组产生更高或更低的值。它将所有值合并排秩并比较秩分布,因此是双样本 t 检验的一种不依赖分布的替代方法。
何时应使用 Mann-Whitney 检验而不是双样本 t 检验?
比较恰好两个独立组,并且数据不服从正态分布、样本量太小而无法验证正态性,或响应为有序型(例如调查评分)时,请使用 Mann-Whitney 检验。如果数据服从正态分布,双样本 t 检验的检验功效更高。对于三个或更多组,请使用 Kruskal-Wallis 检验。
Mann-Whitney 检验有哪些假设?
两组必须完全独立,任何观测值都不能同时出现在两组中。每组至少收集 5 到 10 个观测值。如果要将结果解读为中位数之差,两组应具有相似的分布形状,并且应在进行分析之前选定单侧检验或双侧检验。
Mann-Whitney 检验结果不显著意味着什么?
不显著的结果并不能证明两组相等;它只意味着没有发现足够的证据来断定存在差异。默认的备择假设 Not Equal 检验任一方向上的差异;仅当方向事先已有依据时,才应使用 Less Than 或 Greater Than。
