非参数检验怎么选？5种常用方法适用场景对照表

| 非参数检验方法 | 适用场景 | 举例 |

| -- | -- | - |

| 1. Mann-Whitney U检验（U检验） | 比较两个独立样本的中位数差异 | 比较两种不同治疗方法的效果 |

| 2. Kruskal-Wallis H检验 | 比较三个或以上独立样本的中位数差异 | 比较三种不同物的疗效 |

| 3. Wilcoxon符号秩检验 | 比较两个相关样本的中位数差异 | 比较同一样本在前后两次测试中的变化 |

| 4. Friedman检验 | 比较三个或以上相关样本的中位数差异 | 比较同一样本在不同条件下重复测量的变化 |

| 5. Spearman等级相关系数检验 | 检测两个变量之间的非参数相关性 | 分析年龄与跑步速度之间的关系 |

Mann-Whitney U检验（U检验）

适用场景：当两个独立样本的数据不满足正态分布，或者研究者不关心总体分布的具体形式时，可以使用U检验来比较两个样本的中位数差异。

举例：假设你是一位医学研究者，想要比较两种不同治疗方法对患者的疗效。你收集了两组患者的治疗效果数据，这两组数据可能不满足正态分布。这时，你可以使用U检验来比较两种治疗方法的中位数差异。

Kruskal-Wallis H检验

适用场景：当有三个或以上的独立样本，且这些样本的数据不满足正态分布时，可以使用Kruskal-Wallis H检验来比较这些样本的中位数差异。

举例：假设你是一位物研究者，想要比较三种不同物对患者的疗效。你收集了三组患者的治疗效果数据，这些数据可能不满足正态分布。这时，你可以使用Kruskal-Wallis H检验来比较三种物的中位数差异。

Wilcoxon符号秩检验

适用场景：当两个相关样本的数据不满足正态分布，或者研究者不关心总体分布的具体形式时，可以使用Wilcoxon符号秩检验来比较这两个样本的中位数差异。

举例：假设你是一位教育研究者，想要比较同一样本在前后两次测试中的成绩变化。你收集了同一组学生在两次测试中的成绩数据，这些数据可能不满足正态分布。这时，你可以使用Wilcoxon符号秩检验来比较两次测试成绩的中位数差异。

Friedman检验

适用场景：当有三个或以上的相关样本，且这些样本的数据不满足正态分布时，可以使用Friedman检验来比较这些样本的中位数差异。

举例：假设你是一位体育教练，想要比较同一样本在不同训练方法下的表现。你收集了同一组运动员在不同训练方法下的表现数据，这些数据可能不满足正态分布。这时，你可以使用Friedman检验来比较不同训练方法下运动员表现的中位数差异。

Spearman等级相关系数检验

适用场景：当两个变量之间的相关性不满足正态分布时，可以使用Spearman等级相关系数检验来检测这两个变量之间的非参数相关性。

举例：假设你是一位运动科学家，想要分析年龄与跑步速度之间的关系。你收集了不同年龄段运动员的年龄和跑步速度数据，这些数据可能不满足正态分布。这时，你可以使用Spearman等级相关系数检验来分析年龄与跑步速度之间的非参数相关性。

来说，选择合适的非参数检验方法需要根据具体的研究问题和数据特点来决定。在实际应用中，研究者应该根据数据的分布情况、样本类型和研究目的，选择最合适的非参数检验方法。