什么时候使用Kruskal-Wallis检验

Kruskal-Wallis检验是一种统计检验，用于比较两个或多个连续或离散变量的组。它是一种非参数检验，这意味着它不假定你的数据有特定的分布，并且类似于单程方差分析(ANOVA)。克鲁斯卡尔-瓦利斯检验有时被称为单程行列方差分析或克鲁斯卡尔-瓦利斯单程方差分析。

Kruskal-Wallis检验的假设如下：

• 无效假设(H0)是人口中位数相等; 
• 备择假设(H1)是人口中位数不相等，或人口中位数与其他组的人口中位数不同。

Kruskal-Wallis检验的假设

Kruskal-Wallis检验的假设详见下文： 

• 假设数据为非正态分布或采取偏态分布，当数据遵循正态分布时，应使用单因素方差分析; 
• 所关注的变量应该有两个或多个独立组。该检验最常用于分析三个或更多的组：对于分析两个组，应使用Mann-Whitney U检验来代替;
• 假设数据在各组之间有类似的分布; 
• 数据应该是随机选择的独立样本，即各组之间应该没有关系; 
• 每组样本应至少有5个观测值，以达到足够的样本量。

这些假设与Mann-Whitney U检验相似，因为Kruskal-Wallis检验本质上是该检验的延伸，有两个以上的独立样本。而且，与Mann-Whitney U检验相似，Kruskal-Wallis检验是基于对数据进行排序并计算出一个检验统计量。

何时使用Kruskal-Wallis检验

当数据的正态性假设不成立时，Kruskal Wallis检验和其他非参数(或无分布)检验对于检验假设是有用的。它们对数据分布的形状不做任何假设，这使得它们在数据集很小的时候特别有用。值得注意的是，在进行非参数统计检验时，它们往往会比参数检验给出更保守的结果(更大的P值)。当感兴趣的变量是连续的(在一个范围内的任何数字，如年龄、身高、血压)或离散的(具有某种可以计算的数值，如鞋码、医院就诊次数、家庭人口数)时，应使用Kruskal Wallis检验。