SPSS案例分析：非配对样本的非参数Mann-Whitney U检验

什么是Mann-Whitney U检验?
Mann-Whitney U检验（曼-惠特尼U检验），又称Wilcoxon秩和检验，是由H.B.Mann和D.R.Whitney于1947年提出的，可以看作是对两均值之差的参数检验方式的T检验或相应的大样本正态检验的代用品。Mann-Whitney U检验评估了两个样本群体是否来自同一群体，并从本质上问，两个群体在数据方面是否具有相同的形状？换句话说，我们想证明这两群体是否来自于具有不同水平的相关变量的人群。因此，Mann-Whitney U检验的假设为：

⏵无效假设(H0)是两个群体相等；
⏵备选假设(H1)是这两个群体不相等。

一些研究人员将其解释为比较两个群体之间的中位数(相反，参数检验比较两个独立组之间的平均值)。在某些情况下，如果数据的形状相似(见假设)，这是有效的。但应该注意的是，中位数实际上并不参与Mann-Whitney U检验统计的计算。两组可能有相同的中位数，但根据Mann-Whitney U检验却有明显的不同。

何时使用Mann-Whitney U检验
非参数检验（有时称为“无分布检验”）是在你假设你感兴趣的人群中的数据不具有正态分布时使用的。你可以认为Mann-Whitney U检验类似于未配对t检验。当你假设你的两个种群是正态分布时，你将使用这个检验，它是由它们的平均值和标准偏差(分布参数)定义的。

Mann-Whitney U检验的假设
Mann-Whitney U检验的一些关键假设具体如下:
两组之间进行比较的变量必须是连续的(在一定范围内可以取任何数字——如年龄、体重、身高或心率)。这是因为检验是基于每组观察结果的排序。
假设数据为非正态分布或偏态分布。如果你的数据是正态分布的，你应该使用非配对t检验来比较两组。
虽然两组的数据不被假定为正态，但两组的数据被假定为形状相似。
数据应该是两个随机选择的独立样本，即两组之间没有关系。如果样本是配对的(例如，来自同一组参与者的两个测量值)，则应该使用成对的配对样本t检验来代替。
有效的测试需要足够的样本量。通常，每组有5个以上的观察值。

Mann-Whitney U检验示例
我们要处理的数据如下，第一列表示组号，第二列表格每个人的具体数据：

首先导入数据

点击确定

导入后如图

选择非参数检验-独立样本

定制分析

在这里设置好组和检验字段

最后选择曼-惠特尼U检验

主要结果如图所示

我们得到的显著性为<0.001，所以拒绝原假设（无差异），原假设发生的可能性太小了，样本前后差异性显著，有统计学意义