排队比大小--基于秩次的检验方法
前面咱们说了那么多检验方法,其实前面说的可以分为两大类:参数检验和非参数检验。
我们最前面说的关于定量资料(计量资料)基本都是参数检验,而定性资料大多是非参数检验,比如卡方检验就是非参数检验。
咦,问题来了!为啥有的叫参数检验,有的叫非参数检验,到底啥才是参数检验,啥又是非参数检验呢?
嗯,这里我给你举个例子你立马明白~
比如俩人比个子,有两种办法:
1、找把尺子,分别测量俩人的身高,然后研究数字的具体情况,这就是参数检验。
2、俩人站一起,直接比高低,这就是非参数检验。
简单吧。当然简单理解起来可以从这个方向去理解,实际情况要复杂很多。
先看看定义:
参数检验:在总体分布类型已知的条件下,对未知参数检验。
非参数检验:不是对参数进行检验,而是检验总体分布位置是否相同。
看完定义,说说非参数检验的适用条件:
1、总体分布类型不明
2、总体分布呈偏态分布
3、数据一端或两端有不确定的资料
4、总体方差分布不齐
5、有序分类变量资料
这个有序分类变量资料是不是眼熟?对啊,昨天刚说过,是卡方检验处理不了的情况之一啊。
好啦,接下来进入正题,说说今天的主人公--秩和检验(rank sum test).
秩和检验是首先将数据从小到大,或等级从弱到强转换成秩后,再求秩和,计算检验统计量--秩和统计量,做出统计推断。
插句闲话,也是咱们以前说过的,就是弄懂某些知识的时候,先对里面名词的概念深入理解,就很容易理解知识的本质。比如秩和检验,“秩”是什么意思呢?其实这个字的本意就是“次序”,秩和就是次序的和啦。理解到这个,就简单了,就是次序的和的比较嘛!次序的和小了,就是总体偏小,次序的和大了,就是总体偏大,就这么简单。
要是按照书上学的方法用秩和检验,那就复杂了,又是编秩了,又是求秩和啦,其实,统统不用,知道这个方法干什么用就行了,然后到医研云(1rcloud.net)直接把数据放进去,系统就替你处理好了。
秩和检验包括:
配对设计资料的Wilcoxon符号秩和检验
单样本资料的Wilcoxon符号秩和检验
完全随机设计两独立样本Wilcoxon符号秩和检验
完全随机设计多个样本的Kruskal-Wallis秩和检验
随机化区组设计资料的Friedman秩和检验