前言
自学笔记,分享给对统计学原理不太清楚但需要在论文中用到的小伙伴,欢迎大佬们补充或绕道。ps:本文不涉及公式讲解(文科生小白友好体质)~
关于参数检验和非参数检验的区别,文字和实例说明请参考以下链接。
【统计学】参数检验和非参数检验的区别和基本统计学https://mp.csdn.net/mp_blog/creation/editor/137423304
本文重点:把以上进行图表整理,看起来更方便一些。
1.常用参数检验的方法和条件:
检验方法 | 两个独立样本 | 两个配对样本 | 三个及以上独立样本 | 三个及以上配对样本 | 数据服从正态分布 | 方差齐性 |
---|---|---|---|---|---|---|
独立样本t检验 | ✓ | ✓ | ✓ | |||
配对样本t检验 | ✓ | ✓ | ||||
单因素方差分析(One-way ANOVA) | ✓ | ✓ | ✓ | |||
重复测量方差分析(Repeated Measures ANOVA) | ✓ | ✓ | ✓ | |||
Welch's t检验 | ✓ | ✓ | ||||
双因素方差分析(Two-way ANOVA) | ✓ | ✓ | ✓ | ✓ |
说明:
- 对于两个独立样本的比较,使用独立样本t检验;当方差不齐时,可以考虑使用Welch's t检验。
- 对于两个配对样本的比较,使用配对样本t检验。
- 对于三个及以上独立样本的比较,使用单因素方差分析(One-way ANOVA)。
- 对于三个及以上配对样本的比较,使用重复测量方差分析(Repeated Measures ANOVA)。
- 如果同时涉及两个或多个因素,可以考虑使用双因素或多因素方差分析。
- 以上检验方法都要求数据服从正态分布。
- 除了配对样本t检验和Welch's t检验,其他检验方法还要求组间方差相等(即满足方差齐性假设)。
在实际研究中,如果数据不满足正态分布或方差齐性假设,可以考虑以下几种解决方案:
- 数据转换:对数转换、平方根转换等,使数据更接近正态分布。
- 使用非参数检验:上表中对应的非参数方法。
- 稳健方法:如Welch's t检验、Brown-Forsythe检验等,它们在方差不齐时仍能提供可靠的结果。
- 增加样本量:根据中心极限定理,样本量足够大时,抽样分布趋于正态。但这并非总是可行的。
2.非参数检验的几种方法和需要满足的条件
检验方法 | 两个独立样本 | 两个配对样本 | 三个及以上独立样本 | 三个及以上配对样本 | 数据至少有序 | 数据对称分布 | 不要求数据正态性 |
---|---|---|---|---|---|---|---|
Mann-Whitney U检验 | ✓ | ✓ | ✓ | ||||
Wilcoxon符号秩检验 | ✓ | ✓ | ✓ | ||||
Kruskal-Wallis检验 | ✓ | ✓ | ✓ | ||||
Friedman检验 | ✓ | ✓ | ✓ |
说明:
- 对于两个独立样本的比较,使用Mann-Whitney U检验;
- 对于两个配对样本的比较,使用Wilcoxon符号秩检验;
- 对于三个及以上独立样本的比较,使用Kruskal-Wallis检验;
- 对于三个及以上配对样本的比较,使用Friedman检验;
- 这四种非参数检验方法都不要求数据服从正态分布;
- Mann-Whitney U检验和Kruskal-Wallis检验要求数据至少是有序的(ordinal level);