数据不符合正态分布-独立样本t检验不对，应该用哪种非参数检验

我们一般会在文献的统计方法部分看到这样的描述：

对于数值变量，首先进行正态性检验，如果各组均满足正态性，采用均数（标准差）进行统计描述，采用t检验进行组间比较；否则采用中位数（四分位数间距）进行统计描述，采用非参数检验进行组间比较。

大家对于非参数检验可能会比较陌生，一般遇到数据不符合正态分布时，手足无措。

今天，我们一起来看看。

1

基础知识

非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，它与参数检验共同构成统计推断的基本内容。

当数据符合正态分布时，采用t检验进行组间比较，否则采用非参数检验。

独立样本 t 检验对应的非参数检验方法叫做Mann-Whitney U 检验，即曼-惠特尼 U 检验（也叫做曼-惠特尼秩和检验）。

2

软件操作

1、复制数据集

在Excel中，Ctrl+A全选数据集，Ctrl+C复制。

2、数据导入到SPSS

选中最左上角的单元格-右键-与变量名称一起粘贴

3、进行简单的变量设置

分类变量group设为名义（即分类变量），小数位数为0，其他数值变量设置为标度（即数值变量）。

4、非参数检验

分析-非参数检验-旧对话框-2个独立样本

bmi-检验变量列表；group-分组变量-定义组-组1为1,-组2为2（与变量编码一致即可）-检验类型选择曼惠特尼

3

结果解读

我们可以看到检验统计表中给出了3个统计量和1个p值：

3个统计量分别为曼-惠特尼U检验（即Mann-Whitney U 检验），威尔科克森W检验（即Wilcoxon W 检验）和Z统计量，1个p值为渐进显著性（双尾）。

我们撰写文章时直接提供Z统计量和渐进显著性（双尾）的值即可。

统计结果可以表述为：统计量Z=-0.320，P=0.749>0.05，即尚不能认为两组间BMI有差异。

下一篇文章聊聊多个独立样本非参数检验及两两比较。

本文作者：刘老师，发表SCI和核心期刊论文10余篇，具有丰富的统计分析与文章投稿经验。

如你有如下问题：数据清洗、数据整理、统计分析、样本量计算、诊断试验、ROC曲线、临床预测模型、统计图、R语言、研究设计等问题，均可向刘老师咨询（需收取一定费用）。