KNOWECON WIKI

ARTICLE

Wilcoxon秩和检验

Wilcoxon秩和检验 (Wilcoxon Rank-Sum Test) Wilcoxon秩和检验（Wilcoxon Rank-Sum Test），又称Mann-Whitney U检验（Mann–Whitney U Test），是一种广泛应用于非参数统计学的假设检验方法。它用于比较两组独立样本是否来自具有相同中位数的总体，是两独立样本t检验（two-sam

浏览 4 更新 2025-10-26

Wilcoxon秩和检验 (Wilcoxon Rank-Sum Test)

Wilcoxon秩和检验（Wilcoxon Rank-Sum Test），又称Mann-Whitney U检验（Mann–Whitney U Test），是一种广泛应用于非参数统计学的假设检验方法。它用于比较两组独立样本是否来自具有相同中位数的总体，是两独立样本t检验（two-sample t-test）的一种强有力的非参数替代方案。该检验由美国统计学家Frank Wilcoxon于1945年在一篇题为《Individual Comparisons by Ranking Methods》的论文中首次提出。随后，Henry Mann和Donald Whitney于1947年在《Annals of Mathematical Statistics》上发表了推广版本（即Mann-Whitney U检验），将其适用范围扩展至不等样本量的情形，并给出了完整的精确分布表。如今，这两个名称在统计学文献中常常混用，所指的实质上是同一方法。

与参数检验不同，Wilcoxon秩和检验不要求数据服从正态分布，也不要求两组数据的方差相等，仅需满足较少的假设条件。这使得它在处理非正态数据、有序分类变量或含有异常值的数据时具有显著优势。

检验的基本逻辑与假设

Wilcoxon秩和检验的核心思想是：如果两组样本来自同一个分布，那么将两组数据合并排序后，各组的秩和（rank sum）应当大致成比例于其样本量；反之，如果一组系统的秩次偏高或偏低，则表明两组存在差异。

基本假设

该检验建立在如下假定之上：

  1. 独立性：两组样本各自独立，且组内观测也相互独立。
  2. 有序性：被测量的变量至少是有序尺度（ordinal scale）的，即观测值之间可以比较大小。
  3. 分布形状相似：在两组的分布形状大致相同的前提下，检验的原假设是两组的中位数相等；若分布形状不同，则检验退化为检验两组的分布是否相同。

原假设与备择假设

  • 原假设 H0 H_0 ：两组样本所来自的总体分布相同（或中位数相等）。
  • 备择假设 H1 H_1 ：两组样本所来自的总体分布不同（或中位数不等，可单侧也可双侧）。

检验步骤与统计量

1. 合并与排序

将两组样本（设第一组样本量为 n1 n_1 ，第二组样本量为 n2 n_2 ）的所有观测值合并，按从小到大的顺序排列，并赋予每个观测值一个秩次（rank）。最小的观测值秩次为1，次小为2，依此类推。出现相同数值时，取平均秩次（即秩次平局的处理）。例如，若第3和第4位的观测值相等，则两者均赋予秩次3.5。

2. 计算秩和

分别计算两组样本的秩和（rank sum）。通常选择样本量较小的一组，将其秩和记作 W W （Wilcoxon统计量）。若两组样本量相等，则任选一组即可。

3. W统计量的分布

在零假设成立且无平局的情况下，W W 的精确分布是可以推导出来的。W W 的取值范围介于最小可能值（n1(n1+1)2 \frac{n_1(n_1+1)}{2} ）与最大可能值（n1(n1+n2+1)−n1(n1+1)2 n_1(n_1+n_2+1) - \frac{n_1(n_1+1)}{2} ）之间。其期望值和方差分别为：

E(W)=n1(n1+n2+1)2E(W) = \frac{n_1(n_1 + n_2 + 1)}{2}
Var(W)=n1n2(n1+n2+1)12Var(W) = \frac{n_1 n_2 (n_1 + n_2 + 1)}{12}

当 n1 n_1 和 n2 n_2 均较大时（通常认为两者均大于10），W W 统计量近似服从正态分布，可使用Z检验进行推断：

Z=W−E(W)Var(W)Z = \frac{W - E(W)}{\sqrt{Var(W)}}

4. 与Mann-Whitney U统计量的关系

Mann-Whitney U统计量与Wilcoxon秩和统计量之间存在严格的代数对应关系。U统计量的定义是：将第一组中的每一个观测值与第二组中的每一个观测值进行比较，计算第一组观测值大于第二组观测值的次数总和，即：

U1=∑i=1n1∑j=1n21(Xi>Yj)U_1 = \sum_{i=1}^{n_1} \sum_{j=1}^{n_2} \mathbf{1}(X_i > Y_j)

其中 1(⋅) \mathbf{1}(\cdot) 为示性函数。二者的转换公式为：

U1=W−n1(n1+1)2,U2=n1n2−U1U_1 = W - \frac{n_1(n_1 + 1)}{2}, \quad U_2 = n_1 n_2 - U_1

且有关系 W=U1+n1(n1+1)2 W = U_1 + \frac{n_1(n_1+1)}{2} 。因此，这两个检验在实质上是等价的，差别仅在于计算公式的不同。大多数统计软件报告的是U统计量及其对应的p-value。

应用示例

假设我们想比较一种新药与安慰剂对疼痛评分的影响。两组各有8名受试者，疼痛评分（1–10分，分数越高越痛）数据如下：

  • 新药组（n1=8 n_1=8 ）：3, 5, 2, 4, 6, 3, 4, 5
  • 安慰剂组（n2=8 n_2=8 ）：7, 8, 6, 9, 7, 8, 9, 10

将所有16个数据合并排序赋秩。新药组的秩和 W W 较小（因为数值偏小）。计算 W W 并与临界值比较。若 W W 小于临界值或相应的 p-value 低于显著性水平 α=0.05 \alpha=0.05 ，则拒绝原假设，认为新药显著降低了疼痛评分。

在实际应用中，研究者多借助统计软件完成计算。例如，在R语言中可使用\texttt{wilcox.test()}函数，在Python中使用\texttt{scipy.stats.mannwhitneyu()}，在SPSS中则通过"Analyze → Nonparametric Tests → Legacy Dialogs → 2 Independent Samples"菜单路径完成。

效应量度量

当Wilcoxon秩和检验拒绝原假设后，研究者常常需要报告效应量以衡量差异的大小。常用的效应量指标包括：

  • 秩双列相关系数（Rank-Biserial Correlation, r r ）：r=U1n1n2−(1−U1n1n2)=2U1n1n2−1 r = \frac{U_1}{n_1 n_2} - \left(1 - \frac{U_1}{n_1 n_2}\right) = \frac{2U_1}{n_1 n_2} - 1 ，取值范围为 [−1,1] [-1, 1] 。
  • Common Language效应量（CLES）：CL=U1n1n2 CL = \frac{U_1}{n_1 n_2} ，表示随机抽取的一组观测值大于另一组观测值的概率。

优势与局限性

优势

  1. 不依赖正态性假定：适用于偏态分布、有序分类变量或小样本数据。
  2. 对异常值稳健：秩次将极端值的影响限制在末位秩次，避免了异常值对结果的过度干扰。
  3. 适用性广：只需数据具备有序性，可用于许多参数检验不适用的场合。

局限性

  1. 统计功效较低：当数据确实满足正态分布和方差齐性时，Wilcoxon秩和检验的检验功效（power）低于t检验，即更容易犯第二类错误。
  2. 对分布形状敏感：如果两组的分布形状差异较大（如一组的方差远大于另一组），检验结果可能无法简单解释为中位数的差异。
  3. 信息损失：将原始数据转换为秩次的过程丢失了数据之间的实际距离信息，可能会导致部分统计效率的降低。

与其他非参数检验的关系

Wilcoxon秩和检验与许多其他非参数方法有着紧密联系：

  • Wilcoxon符号秩检验（Wilcoxon Signed-Rank Test）：这是针对配对样本或单样本中位数检验的非参数方法，与秩和检验仅一字之差，但适用于配对设计数据而非独立两组数据。
  • Kruskal-Wallis检验：当需要比较三组或更多独立样本时，Kruskal-Wallis检验是Wilcoxon秩和检验的直接推广，相当于单因素方差分析的非参数版本。
  • Jonckheere-Terpstra检验：当各组之间存在先验的顺序趋势假设时，该检验提供了比Kruskal-Wallis检验更强的检验功效。

这些方法共同构成了非参数统计中基于秩次的检验体系，各自适用于不同的研究设计类型。

总结

Wilcoxon秩和检验作为非参数统计中最经典的检验方法之一，以其假设条件宽松、计算简单和稳健性好的特点，在医学研究、社会科学、心理学、生态学等诸多领域得到了极为广泛的应用。当数据无法满足参数检验的前提假定时，它提供了一种可靠且易于解释的替代方案，是每一位数据分析人员应掌握的核心工具之一。理解该检验的数学原理、适用条件与局限，有助于在实际研究中选择最恰当的统计方法，从而得出可靠的结论。