Kruskal-Wallis Test学习笔记

Kruskal-Wallis Test学习笔记

前言

Kruskal-Wallis Test，也称作H检验，是一种非参数的假设检验方法，用于检验三组或以上样本中是否至少有一组存在显著不同。与方差分析（ANOVA）和t检验相比，它们对数据的分布特征没有前置要求，且可以应用于顺序性变量的分析。通过本篇文章的学习，您将能够掌握Kruskal-Wallis Test的基本原理、实现步骤以及Python代码实现方法。

Kruskal-Wallis Test的基本原理

Kruskal-Wallis Test的基本原理依赖于秩和统计量，其定义如下：

• 对每个样本进行排序，得到一个从小到大的序列
• 给每个样本分配一个秩
• 计算每个样本的秩和
• 计算秩和平均值
• 计算秩和离差平方和

最终，我们通过计算秩和离差平方和来判断是否拒绝零假设。如果拒绝零假设，则说明至少有一组样本之间存在显著的差异。

Kruskal-Wallis Test的实现步骤

Kruskal-Wallis Test的实现步骤如下：

1. 提出零假设和备择假设

   零假设：所有组的总体分布相同

   备择假设：至少有一组的总体分布不同

2. 根据样本数据对每个样本进行排序，然后给每个样本分配一个秩

3. 计算样本的秩和

4. 计算秩和平均值

5. 计算秩和离差平方和

6. 计算Kruskal-Wallis检验统计量，即：$$H=\frac{12}{N(N+1)}\sum _{i=1}^g\frac{T_i^2}{n_i}-3(N+1)$$
   其中，$N$是所有样本数量的总和，$n_i$是第$i$组样本的数量，$T_i$是第$i$组样本的秩和。

7. 根据自由度和显著性水平查找Kruskal-Wallis检验临界值表，确定检验水平下的显著性水平

8. 比较检验统计量与临界值，判断是否拒绝零假设

Kruskal-Wallis Test的Python代码实现

以下是使用Python stats库进行Kruskal-Wallis Test的示例代码：

from scipy import stats

# 构造样本数据
group1 = [1, 2, 3]
group2 = [2, 3, 4]
group3 = [3, 4, 5]

# 进行 Kruskal-Wallis Test
test_statistic, p_value = stats.kruskal(group1, group2, group3)

# 打印检验结果
print("Kruskal-Wallis Test:")
print(f"test statistic: {test_statistic:.3f}")
print(f"p-value: {p_value:.3f}")

输出结果：

Kruskal-Wallis Test:
test statistic: 3.000
p-value: 0.223

总结

Kruskal-Wallis Test是一种常用的非参数假设检验方法，可以应用于比较三组或以上样本之间是否存在显著差异。本篇文章对Kruskal-Wallis Test的基本原理、实现步骤以及Python代码实现进行了详细的介绍。