成对平均值/差值/斜率
该工具列出数据的所有成对组合,并对其做稳健汇总。成对平均值给出样本中心的 Hodges-Lehmann 估计,成对差值给出两个独立样本之间的 Hodges-Lehmann 位移,成对斜率给出 Theil-Sen 斜率。适用于偏斜数据或存在异常值的情形。观测值必须相互独立。输出包括估计值、平均值和差值的置信区间、表格和直方图。
最后审阅
核心要点
成对平均值、差值和斜率给出稳健且不依赖分布的估计:单样本的 Hodges-Lehmann 中位数、两个样本之间的 Hodges-Lehmann 位移,以及趋势的 Theil-Sen 斜率。
用途
成对平均值/差值/斜率列出数据的所有成对组合,并用稳健且不依赖分布的估计加以汇总。成对平均值给出样本中心的 Hodges-Lehmann 估计;成对差值给出两个独立样本之间位移的 Hodges-Lehmann 估计;成对斜率给出趋势的 Theil-Sen(Sen 斜率)估计。当数据偏斜或含有异常值,且您不希望少数极端值拉动均值或最小二乘斜率时使用。
主要功能
- 三种工具合一,通过 Type 选择:成对平均值(单样本)、成对差值(两个独立样本)和成对斜率(成对的 X 和 Y)。
- 中位数的 Hodges-Lehmann 估计,其置信区间来自 Wilcoxon 符号秩检验。
- 两个样本之间位移的 Hodges-Lehmann 估计,其近似置信区间来自 Mann-Whitney 分布。
- Theil-Sen 斜率:所有成对斜率的中位数。
- 成对值表(显示前 200 个)以及所有成对值的直方图。
- Data Options:在分析之前对行进行子集筛选。
统计方法
成对平均值:对于 n 个观测值,工具构成所有 n(n + 1)/2 个 Walsh 平均值 (xᵢ + xⱼ)/2(i ≤ j),包括每个值与其自身的平均。它们的中位数是总体中位数(对称分布的中心)的 Hodges-Lehmann 估计。置信区间包含这样的每个 Walsh 平均值:将双侧 Wilcoxon 符号秩检验用作中位数检验时,在 α = 1 − 置信水平下不被拒绝的那些值(观测值不超过 50 个时使用精确检验,超过时使用正态近似)。
成对差值:对于大小为 n₁ 和 n₂ 的样本,工具构成所有 n₁·n₂ 个差值 xᵢ − yⱼ;它们的中位数是两个总体之间位移的 Hodges-Lehmann 估计。近似置信区间从第 (k+1) 小的差值延伸到第 (k+1) 大的差值,其中 k = floor(n₁n₂/2 − z·√(n₁n₂(n₁ + n₂ + 1)/12)),这是 Mann-Whitney 统计量的正态近似。缺失值在每个样本中分别剔除。
成对斜率:对于 n 个成对的 (x, y) 观测值,工具对每一对 x 值不同的观测计算斜率 (yⱼ − yᵢ)/(xⱼ − xᵢ);x 相同(结)的对被跳过。这些斜率的中位数即 Theil-Sen 估计,它不受约 29% 以内野值点的影响。不给出斜率的置信区间。三种估计都假定观测值相互独立;成对平均值还假定分布大致对称。
输入字段和选项
字段 | 说明 |
Type | Pairwise Averages(单样本:Walsh 平均值 / Hodges-Lehmann 估计量,默认)、Pairwise Differences(两个独立样本:Hodges-Lehmann 位移估计量)或 Pairwise Slopes(成对 X/Y:Theil-Sen / Sen 斜率估计量)。 |
Variable | 数值型列。Pairwise Averages 必填。 |
First sample / Second sample | 数值型列。Pairwise Differences 必填;差值为 first − second。 |
X variable / Y variable | 成对值的数值型列。Pairwise Slopes 必填。 |
Confidence level | 默认为 95,范围 75 至 100。仅用于 Pairwise Averages 和 Pairwise Differences。 |
Data Options: Subset (optional) | Exclude matching rows(默认)或 Include only matching rows,按行号和/或条件选择。 |

图 1 — 灯泡寿命示例的选项:Hours 的 Pairwise Averages,置信水平 95%。
输出说明
- Summary table —— 所用的列、N(或 N1 和 N2)、成对值的个数、估计值(Hodges-Lehmann 中位数、Hodges-Lehmann 位移或 Theil-Sen 斜率),以及对于平均值和差值的置信区间。
- Table of pairwise values —— 已排序,前 200 行。
- 所有成对值的直方图。
- 通过 Download 导出 PDF。

图 2 — 燃烧时间的成对平均值:5050 个 Walsh 平均值,Hodges-Lehmann 估计为 1248.28 小时,95% CI 为 1232.335 至 1263.55 小时。
计算示例
一名质量工程师对 100 个灯泡进行试验直至失效(Hours,1044 至 1510 小时),希望在不假定正态分布的情况下得到典型燃烧时间及其置信区间。工程师选择 Pairwise Averages,选择 Hours 作为变量,并保持 95% 置信水平。
工具构成 100 × 101 / 2 = 5050 个成对平均值。它们的中位数,即典型燃烧时间的 Hodges-Lehmann 估计,为 1248.28 小时,95% 置信区间为 1232.335 至 1263.55 小时。成对平均值的直方图为单峰,围绕该值近似对称。
作为对比,数据的普通均值为 1248.00 小时,基于 t 的 95% 区间约为 1231.3 至 1264.7 小时:对于这些较为对称的数据,稳健方法与经典方法的结果一致,这让工程师对该数值有信心。若数据偏斜或有少数很早的失效,Hodges-Lehmann 估计的变动将远小于均值。若要比较两种灯泡设计,工程师应选择 Pairwise Differences,并读取 Hodges-Lehmann 位移及其区间。
常见问题
什么是 Hodges-Lehmann 估计量?
对于单样本,Hodges-Lehmann 估计量是所有 Walsh 平均值的中位数,即成对平均值 (xi + xj)/2(包括每个值与其自身的平均),用于估计对称分布的中心。对于两个独立样本,它是所有成对差值的中位数,用于估计两个总体之间的位移。
什么是 Theil-Sen 斜率?
Theil-Sen 斜率也称 Sen 斜率,是每一对 x 值不同的 (x, y) 点之间斜率的中位数;x 相同(结)的对被跳过。它不受约 29% 以内野值点的影响。不给出斜率的置信区间。
何时应使用成对平均值、差值或斜率?
当数据偏斜或含有异常值,且您不希望少数极端值拉动均值或最小二乘斜率时使用。单样本选择成对平均值,两个独立样本选择成对差值,显示趋势的成对 X 和 Y 数据选择成对斜率。
Hodges-Lehmann 估计有哪些假设?
三种估计都假定观测值相互独立,成对平均值还假定分布大致对称。成对平均值的置信区间来自 Wilcoxon 符号秩检验,成对差值的区间是基于 Mann-Whitney 分布的近似。
