首頁 / 名詞卡 / 統計與資料分析 / 非參數檢定(Non-parametric Tests:Mann-Whitney U/Kruskal-Wallis)

iPAS AI中級📊 統計與資料分析
🔑 名詞卡

非參數檢定(Non-parametric Tests:Mann-Whitney U/Kruskal-Wallis)

🎯 定義

當資料不符合常態分佈、含極端值或為順序資料時,用來取代 t檢定 / ANOVA 的檢定方法,基於中位數與排名(ranks)而非平均數進行推論。

兩種常見方法比較

非參數方法對應的參數方法比較對象虛無假設 H0
Mann-Whitney U 檢定獨立樣本 t 檢定兩組獨立樣本的中位數/分佈兩組資料來自相同分佈
Kruskal-Wallis 檢定單因子 ANOVA三組以上獨立樣本的中位數/分佈所有群組資料來自同一分佈

(若為順序型的斯皮爾曼等級相關檢定,屬相關性分析的非參數版本,詳見 皮爾森相關係數 的易混淆說明。)

重點/應用

  • 兩者皆為獨立樣本方法,若資料具配對性(前後測)應改用 Friedman 檢定。
  • 是基於中位數與排名的檢定,不能解釋為「平均數有差異」,這是最常見的誤用。
  • 若結果顯著,仍需搭配事後檢定(如 Dunn's test)進一步比較組間差異。

記憶技巧

「常態、變異數不齊 → 換無母數」:獨立樣本 t 檢定 → Mann-Whitney U;ANOVA → Kruskal-Wallis,一一對應好記。

📖 課文原文

「Mann-Whitney U 檢定是一種非參數方法,用於比較兩組獨立樣本之間的中位數是否有顯著差異……Kruskal-Wallis 檢定是一種非參數統計方法,用於比較三組以上獨立樣本之間的中位數是否存在顯著差異。它是單因子變異數分析(One-way ANOVA)的替代方案。」