克鲁斯卡尔–沃利斯H检验计算器

使用基于秩的非参数检验比较三个独立组,即时获得H统计量、自由度和p值。

克鲁斯卡尔–沃利斯检验
为每个独立组输入至少两个数值观测值。

关于克鲁斯卡尔–沃利斯H检验

克鲁斯卡尔–沃利斯H检验是一种比较三个或更多独立组的非参数方法。它判断各组观测值是否可能来自相同分布,而不要求数据服从正态分布或总体方差相等。它通常被称为单因素方差分析的基于秩的替代方法。研究人员常将其用于有序评分、偏态测量、小样本,以及含有异常值、导致均值比较不可靠的定量结果。 计算首先合并所有观测值,并将数据从小到大排序。每个观测值获得一个秩。相等的观测值共享其所占秩的平均值,以公平处理并列情况。随后将秩归回原组并求和。若原假设成立,各组平均秩应相近。秩和之间较大的差异会增大H统计量,表明至少有一组倾向于出现较高或较低的数值。 本计算器对并列观测值进行标准校正。重复值出现时,校正十分重要,因为并列会减少排序中的可变性。校正后,将H与自由度为组数减一的卡方分布比较。因此,这个三组计算器报告的自由度为二。显示的p值是在原假设成立时,获得不小于当前计算值的H统计量的概率。 较小的p值提供了反对各组分布相同的证据,但不能指出哪些组不同。若总体结果显著,应使用适当的事后比较,例如结合多重检验校正的Dunn检验。还应注意,若要将结果具体解释为中位数差异,检验要求观测值相互独立,且各组分布形状相似。配对测量或重复观测需要采用其他方法,例如Friedman检验。 统计显著性不等于实际重要性。尽可能报告各组样本量、中位数、离散程度、H统计量、自由度、p值及效应量。在得出结论前,先查看各组图形。本计算器提供可重复的初步筛查计算,但要作出有用的解释,仍需要合理的研究设计与专业判断。

克鲁斯卡尔–沃利斯检验示例

分组结果解读
1,2,3 | 4,5,6 | 7,8,9H = 7.2, p = 0.027324各组数值有明显高低次序时,总体结果显著。
1,4,7 | 2,5,8 | 3,6,9H = 0.8, p = 0.670320各组秩交错分布,支持组间差异的证据较少。
2,2,4 | 3,3,5 | 4,4,6并列秩校正检验重复值使用平均秩,并进行并列秩校正。

如何使用克鲁斯卡尔–沃利斯计算器

  1. 输入第一个独立组的观测值,以逗号或空格分隔。
  2. 为第二个和第三个独立组输入相应的数值数据。
  3. 点击“计算H检验”,对合并观测值排序并计算并列秩校正后的统计量。
  4. 将p值与选定的显著性水平比较,并查看结果解读。

克鲁斯卡尔–沃利斯检验常见问题

什么时候应使用克鲁斯卡尔–沃利斯检验?

当单因素方差分析的分布假设难以满足时,可用它比较三个或更多独立组。它也适用于能够进行有意义排序的有序结果。

结果显著能说明哪些组不同吗?

不能。显著的H统计量只说明至少有一组不同,需要事后两两检验来定位差异。

这个检验比较的是中位数吗?

它比较各组的秩分布。当各组分布具有相似的形状和离散模式时,才可将其解释为中位数比较。

如何处理并列值?

并列观测值取其平均秩,然后将H统计量除以标准并列秩校正因子,以保持卡方近似。

检验有哪些假设?

组内及组间观测值必须相互独立,响应变量至少应为有序变量。要推广结论,抽样的代表性也很重要。