秩和检验

秩和检验 (Rank Sum Test)

秩和检验（Rank Sum Test），通常指威尔科克森秩和检验（Wilcoxon Rank Sum Test）或与其等价的曼-惠特尼U检验（Mann-Whitney U Test），是用于比较两个独立样本是否来自相同分布的非参数统计方法。与独立样本t检验不同，秩和检验不需要假设数据服从正态分布，也不要求样本方差齐性。它通过分析数据的秩即数据的大小排序位置而非原始数值来进行统计推断，因此特别适用于偏态数据、含有离群值的数据或定序变量。

检验原理与步骤

秩和检验的核心思想在于，将两组样本合并后从小到大统一排序，赋予每个观测值一个秩。若两总体的分布相同，则两组的秩之和应当大致相等。若某一组的秩和显著偏大或偏小，则表明该组的观测值倾向于整体偏大或偏小，两组之间存在显著区别。

具体步骤为：将 $n_1 + n_2$ 个观测值进行升序排名，计算第一组的秩和 $W$。原假设 $H_0$ 为两总体分布相同。备择假设有三种可选方向：双侧备择假设认为两分布不同；单侧备择假设则认为分布一整体大于分布二或反之。在大样本条件下（$n_1$ 和 $n_2$ 均大于10），秩和的分布可以用正态分布来近似，构建Z统计量 $Z = (W - \mu_W)/\sigma_W$，其中 $\mu_W = n_1(n_1 + n_2 + 1)/2$，$\sigma_W^2 = n_1 n_2 (n_1 + n_2 + 1)/12$（在无结的情形下）。

相对t检验的优劣势

秩和检验相对于t检验具有多方面优势。首先，它不需要正态分布假设，适用性更广。其次，它对异常值具有稳健性，因为秩的转换削弱了极端值的直接影响。此外，它可以处理定序数据，即只有排序信息而缺乏精确数值的情形。然而，秩和检验也存在劣势。当数据确实服从正态分布时，t检验的统计功效略高于曼-惠特尼U检验。两者的渐近相对效率（ARE）约为 $3/\pi \approx 0.955$，这意味着在正态条件下，秩和检验需要略微更大的样本量才能达到与t检验相同的检验功效。

秩和检验在计量经济学的稳健性检验、心理学和医学统计中应用广泛。在AB测试分析中，它常作为t检验的非参数替代方法，当数据呈现偏斜或含有离群值时，能够提供更可靠的统计推断保证。