如何进行多样本秩和检验？ | 30天学会医学统计与SPSS公益课（D7）
30天打卡学习医学统计与SPSS
Day 7： 多样本秩和检验
隶属第二章：实验性研究定量数据的统计分析策略
本日学习任务
非参数秩和检验是参数检验重要的补充。秩和检验是非参数检验的重要方法。多组定量数据的比较，主要的方法有两种。一种是F检验，一种是已经介绍过的属于非参数检验的秩和检验。
之前介绍过成组两样本的秩和检验，一般来说两样本秩和检验是t检验的补充，多组样本如果检验如果是正态性不符合时，我们采用的多样本秩和检验，即Kruskal Wallis 检验。
实例分析
为研究霍乱菌疫苗不同给苗途径的免疫效果，随机将小鼠分为三组，分别施加不同的给苗途径，测定免疫21天后血清抗体滴度水平，问各组间的血清抗体滴度水平之间是否存在差异？数据库见didu.sav
思考
这个案例需要思考：
-这个案例由几个变量组成？
-研究的结局变量是什么?
-结局变量属于什么类型的变量？
-如果是定量变量数据，是偏态还是正态分布？
-研究目的是比较，那比较的组数是多少？
案情分析
这个案例包括2个变量，一个是血清抗体滴度（s），另外一个是分组变量（实验因素）。主要研究的结局指标是血清抗体滴度，为定量变量数据；比较的组数是3组（气雾80亿/ml、气雾100亿/ml、皮下注射）。本案例目的是比较多组总体有无统计学差异。
统计分析策略
多组定量数据的比较，基本的方法有3种。一种是成组F检验，一种是多样本的非参数秩和检验（Kruskal Wallis 秩和检验）。
究竟采用哪种方法，必须考虑“三个性”的条件：正态性、独立性、方差齐性。关于“三个性”的解释，可以看之前的文章，此处不再赘述。
Kruskal Wallis 秩和检验 和两样本秩和检验（Wilcoxon Mann Whitney检验）一样，都是非参数检验一种，它们对数据的分布没有要求，不要求正态性、方差齐性的应用条件，它们主要是探讨总体的分布位置有没有差异，而非总体均数。
总结来说，对于本例：
如何SPSS进行多样本秩和检验
多样本秩和检验入口界面
秩和检验入口有两个，本处采用常用的入口：分析—非参数检验—旧对话框-K个独立
多样本秩和对话框
多样本秩和与多样本方差分析的操作界面有点类似。
① 检验类型：克鲁斯卡尔-沃利斯H 检验即Kruskal Wallis 方法
② 精确&选项：“精确“按钮中可以选择确切概率的方法进行分析。一般可以不选择，默认为正态法；“选项按钮”可统计描述，但意义不大。
③ 定义范围：这一按钮在两样本t检验和两样本秩和检验都出现过，但此处是要填写该分组变量在数据库赋值中的最大值和最小值。
统计分析结果与解释
多样本秩和检验结果有两张表。第一张表为不同组数据平均秩次的描述，过程性结果，意义不大。
第二表为多样本秩和检验结果，如下表：检验统计量H值（近似于卡方检验的卡方值）12.67，P=0.002。
偏态资料的多重比较方法
多样本秩和检验的结果，当P<0.05，可以进行多重比较。秩和检验多重比较，也存在多重方法，比如α分割的方法，SPSS带的Bonferroni方法，还有Nemenyi方法、DSCF方法等。但后面两种方法SPSS软件均无法实现。
α分割即多重比较时采用两两比较的Wilcoxon 两样本秩和检验，但是检验水准α不再是0.05，而是等于0.05/比较次数。
本文主要对SPSS自带的Bonferroni方法进行介绍。具体入口界面如下：分析—非参数检验—独立样本（本入口实际上是多样本秩和检验的第二个入口，只不过操作略显复杂，因此，只在多重比较时使用。）
然后，“字段”界面，选择纳入'抗体滴度'到'检验字段'，选择分组变量到“组”。
接着，“设置”界面，选择定制检验，在定制检验中，选择“克鲁斯卡尔-沃利斯单因素分析”，多重比较中选择“全部成对”。
点击“运行”，得到以下结果：本结果即多样本秩和检验的分析结果，显示P值。
然后，双击该结果，得到以下的结果。该结果显示多样本秩和检验的检验统计量，P值（①），点击右下方选项框，选择成对比较即可（②）。
最终显示，多重比较的结果：分别进行三次多重比较，显示各次比较的统计量，标准误、P值和Bonfferroni校正P值（Adj.Sig. 以校正P值为准）
结果及表格的规范表达
规范的统计表（其中一种形式）为：
多样本秩和检验的注意事项
3.非参数检验的特点
现在总结一下多样本秩和检验的特性
-稳定性，对数据的改变不敏感
-广泛适用性
-可用于等级资料分析
-难以充分利用资料信息
-正态分布时，检验效能不如参数检验
4. 什么时候用多样本秩和检验
以下本人在多组数据比较时的分析习惯，仅供参考:
至少一组数据严重偏态分布，必须选择Kruskal Wallis秩和检验
如果数据理论上属于偏态分布，无论正态性检验P值，优先考虑Kruskal Wallis秩和检验（理论上意思是大规模真实人群的情况，一般是一种常识）
无论正态性检验P值大小，如果研究变量分布直方图呈一边倒趋势，或者存在若干个极端异常值，优先考虑Kruskal Wallis秩和检验
若至少一组数据正态性检验P值接近0.01或者<0.01，优先考虑Kruskal Wallis秩和检验
最后提醒：要学习本推文的完全对应的课程视频，请发送关键词“打卡”入群高校公益免费课程群来学习吧。
-本讲结束-
更多信息