五大统计学检验区别

卡方检验

卡方检验（Chi-square test）是一种用于检验两个分类变量之间是否存在显著关联的统计方法。它基于观察到的频数与预期频数之间的差异来判断两个变量之间的关系是否是由于偶然的因素。

相关性检验

相关性检验（Correlation test）：用于检验两个连续变量之间是否存在线性相关性。最常用的相关性检验是皮尔逊相关系数检验（Pearson correlation test），它衡量两个变量之间的线性相关程度。其他相关性检验方法包括斯皮尔曼等级相关检验（Spearman’s rank correlation test）和肯德尔秩相关检验（Kendall’s rank correlation test），用于检验非线性相关性。

t 检验

t检验（t-test）：用于比较两组样本的平均值是否存在显著差异。如果有两个组别（如治疗组和对照组），并且变量近似服从正态分布，可以使用独立样本t检验（independent samples t-test）。如果是同一组样本在不同时间点或不同条件下的比较，可以使用配对样本t检验（paired samples t-test）。

方差分析

方差分析（Analysis of Variance, ANOVA）：用于比较多个组别之间的平均值是否存在显著差异。当有一个自变量（组别）和一个因变量（连续变量）时，可以使用单因素方差分析（one-way ANOVA）。如果有多个自变量（如两个或更多组别因素），可以使用多因素方差分析（multi-factor ANOVA）。

非参数检验

非参数检验：当数据不满足正态分布或方差齐性的假设时，可以使用非参数检验方法。例如，对于两个组别的中位数比较，可以使用Mann-Whitney U检验（Wilcoxon秩和检验）。对于多个组别的中位数比较，可以使用Kruskal-Wallis H检验。非参数检验还包括秩相关检验（如Spearman相关检验）和重复测量的非参数方法（如Friedman检验）等。