R语言非参数检验

一、导语

对于连续变量进行检验时，当数据分布状态不满足正态分布，那我们就不能采用t检验或者单因素方差分析来进行分析。此时，就要用到非参数检验的方法来进行分析了。

二、非参数检验的原理

假设检验通常可划分为参数检验和非参数检验。参数检验（比如t检验、方差分析）是以特定的总体分布为前提，对未知的总体参数做出推断；非参数检验不以特定的 总体分布为前提，不针对决定总体分布的几个参数做假设检验，也称为任意分布检验。

非参数检验，一般不直接用样本观察值做分析，统计量的计算时基于原始数据在整个样本中昂大小顺序所占的位次。故而，非参数检验没有利用原始数据，只用了秩次大小信息，信息利用不充分，所以凡是符合参数检验的，首选参数检验方法来进行分析。但是对于总体分布未知的总体，应采用非参数检验，尤其是有正常范围内的极端值存在时，非参数检验在剔除这些极端值前后所得结论比较稳健。

非参数检验的大类有很多，包括秩和检验、符号检验、游程检验、等级相关分析等等。在医学研究中我们说的非参数检验主要是秩和检验。

三、非参数检验的应用条件

1、样本分布未知，或者为非正态分布；

2、样本存在极端值，或者最大最小值不明确的；

3、等级资料；

四、常用的非参数检验的类型

1、Wilcoxon符号秩和检验（符号秩和检验）：配对设计的两样本比较；单样本与总体中位数比较。

2、Wilcoxon秩和检验：成组设计两样本比较的秩和检验；更为广知的名字是Mann-Whitney U检验。

3、Kruskal-Wallis H秩和检验：成组设计多个样本比较的秩和检验

4、多个相关样本比较的Friedman M检验：随机区组设计的秩和检验

五、R代码

####Wilcoxon秩和检验####

AA<-wilcox.test(mpg~am,data=mtcars)#数据一列

wilcox.test(y1,y2)#数据分两列

Z<-qnorm(AA$p.value/2)#Z值计算

####wilcoxon符号秩检验（配对设计）####
wilcox.test(y,x,paired=T)
with(data,wilcox.test(y,x,paired = T))

####连续型变量多组比较####

kruskal.test(y~x,data = )#多组独立样本比较分析
friedman.test(y~A|B,data = )#重复测量设计或者随机区组设计资料。A是分组，B是区组变量