Mann-Whitney 和独立样本 t 结论不一致怎么办？

先检查离群点、偏态与两组 n。本案例语文 t 的 p=0.130、U 的 p=0.219，都不显著，效应量也同属极小，可以如实并列报告。若一个显著一个不显著，应说明分布假定，并以预先指定的方法为主。

和 SPSS 两独立样本非参数检验会不会对不上？

在同样的有效样本、同样的组别编码与并列处理下，U 与 p 应能与 SPSS「非参数检验 → 独立样本」中的 Mann-Whitney U 核对。SPSS 有时同时给出 Wilcoxon W 与 Z；StatsX 主表报告 U、p 与 r。连续性校正或精确法默认不同时，p 可能有细小差别。

中位数和均值为什么一起输出？

中位数与秩次位置更匹配非参数设定；均值方便与描述性统计、t 检验对照。本例语文均值 75.631 对 74.081，中位数 76 对 74.7，方向相同。写结果时以中位数与 U 为主。

效应量 r=0.051 怎么解释？

按 0.10 / 0.30 / 0.50 标尺，0.051 属于极小。结合 p=0.219，应报告「未发现可分辨的位置差异」，而不是「边缘有差别」。

Mann-Whitney U 检验

这篇能回答什么

Mann-Whitney U 检验（又称 Wilcoxon 秩和检验）回答的是「两个独立组在某一定量或定序指标上的分布位置是否不同」。它把两组数据混在一起排秩，比较秩和，不要求正态，也不把均值当作唯一目标。输出 U、p 与效应量 r；中位数是主要位置描述，均值仅供参考。

适合：满意度 1–5 星、严重偏态的耗时或收入、明显离群的成绩，以及分组恰好两类的设计。两组近似正态且关心均值时，独立样本 t 检验更直接。三类及以上改用Kruskal-Wallis 检验。同一批人前后测用Wilcoxon 符号秩检验。

什么时候不该用

分组必须独立且恰好两类。配对设计不要用 U 检验。只想描述各组中位数而不做推断，用描述性统计即可。不要把无序定类因变量（如品牌）丢进秩和检验。

如何选择方法

先看设计：独立两组 → t 或 Mann-Whitney；独立多组 → ANOVA 或 Kruskal-Wallis；配对两组 → 配对 t 或符号秩。再看尺度与分布：均值 + 近似正态 → t；等级 / 偏态 / 离群 → Mann-Whitney。可用正态性检验辅助，但不要只靠一次 Shapiro–Wilk 的 p 做唯一决定。

Mann-Whitney U 检验：1 个二元定类分组，1–10 个定量或定序检验变量；输出 U、p、效应量 r 与组中位数。
独立样本 t 检验：同样的二元分组，比较均值。
Kruskal-Wallis 检验：三组及以上独立样本的秩和检验。
Wilcoxon 符号秩检验：成对定量 / 定序的非参数比较。

独立样本T检验

用于检验两个独立分组的样本在定量指标上是否存在显著差异。

Kruskal-Wallis检验

单因素方差分析的非参数替代方案，用于检验多组（≥3组）独立样本之间是否存在差异。

Wilcoxon符号秩检验

配对样本T检验的非参数替代方案，用于检验两组相关的非正态分布配对样本是否存在显著变化。

正态性检验

用于检验总体数据或各分组数据是否服从正态分布。

输入、输出与限制

输入

分组变量必须是恰好两个水平的定类字段；检验变量为定量或定序。

分组变量：最少 1 个，最多 1 个；二元定类。
检验变量：最少 1 个，最多 10 个定量或定序变量。

输出

结果表按检验变量列出两组的 n、中位数、参考均值；在第一组行给出 U、p 与效应量 r。另有组位置对比图与文字洞察。

产品限制

分组必须为 2 类；第三类应改用 Kruskal-Wallis。
各检验变量按列删除缺失，两组 n 可能因科目而异。
U、p、r 只出现在每个分析项的第一组行，第二组行的「-」不是缺失检验。
均值列标注为供参考，推断结论应围绕中位数 / 秩次位置，不要写成「均值 t 检验」。

案例

研究问题。 定量成绩表按性别分成男女两组，想在不依赖正态均值模型的前提下，比较语文、数学成绩的分布位置是否不同。

教学示例来自定量成绩表，工作表为「Sheet1」。语文成绩男生 381 人、女生 409 人，合计 790；数学成绩两组 n 为 383 与 407。下载后可在工作台按同样变量复现本页表格。

下载教学示例表（定量成绩）

在 StatsX 中操作

步骤 1 · 上传表格

打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用定量成绩 xlsx，确认工作表为「Sheet1」。单文件不超过 20 MB。
步骤 2 · 查看画像与质量

确认「性别」为二元定类，语文、数学成绩为定量。不要把编号列拖进检验变量。
步骤 3 · 选择「Mann-Whitney U 检验」

在算法目录搜索「Mann-Whitney」或「秩和」，点选 Mann-Whitney U检验。
步骤 4 · 指定变量并运行

分组变量指定性别。检验变量勾选语文成绩、数学成绩（最多 10 个）。点击运行分析。
步骤 5 · 阅读结果

先核对两组 n 与中位数，再看 U 与 p，最后看效应量 r。p 不显著时仍应报告 r，避免只写「没有差异」。

列画像给出类型与唯一值，便于确认二元分组与定量成绩。

在目录中选择 Mann-Whitney U 检验 — 在算法目录中选定「Mann-Whitney U检验」。

为 Mann-Whitney U 检验指定变量 — 分组变量选性别，检验变量勾选语文与数学后运行。

如何阅读输出

下表由同一份教学示例运行 Mann-Whitney U 检验得到。语文男生中位数 76（n=381），女生 74.7（n=409）；U=81851，p=0.219，效应量 r=0.051。数学 U=74882.5，p=0.340，r=0.039。

Mann-Whitney U 检验分析结果

分析项	分组 (性别)	样本量(N)	中位数	均值(供参考)	U 统计量	P 值	效应量(r)
语文成绩	男	381	76	75.631	81851	0.219	0.051
语文成绩	女	409	74.7	74.081	-	-	-
数学成绩	男	383	74.4	74.58	74882.5	0.340	0.039
数学成绩	女	407	75.7	75.366	-	-	-

左右滑动可查看完整表格

Mann-Whitney U 检验结果表 — 工作台中的 U 检验表，数字应与上表一致。

【Mann-Whitney·性别→语文成绩】U=81851.000，统计不显著(p=0.219, α=0.05)，结论：组间中位数不存在显著差异。

解读顺序建议：两组 n → 中位数（均值仅供参考）→ U 与 p → r。按 α=0.05，语文 p=0.219、数学 p=0.340 均不拒绝「两组位置相同」；r=0.051 与 0.039 属极小效应。同一份数据上独立样本 t 的语文 p=0.130、数学 p=0.431，结论方向一致：性别差异既不显著、效应也极小。

理论与公式

将两组共 N=n₁+n₂ 个观测混合后赋秩（并列取平均秩）。设第一组秩和为 R₁，则

报告的 U 通常取 U₁、U₂ 之一（软件口径需与表中数值一致）。大样本下 U 近似正态，可标准化为 Z 再计算双侧 p。效应量常用

原假设常表述为两组来自同一连续分布（或随机取一观测，P(组1>组2)=P(组1<组2)）。当形状相似时，也可近似理解为中位数位置相同。|r|≈0.10 / 0.30 / 0.50 对应小 / 中 / 大效应，本例远低于小效应标尺。

注意事项

U 检验比较的是分布位置 / 随机优势，不是严格的「均值差」。
两组分布形状差异很大时，显著结果更难解释成单纯的中位数平移。
并列（相同分数）很多时仍可运行，但精确小样本表与正态近似会有差别。
一次检验多个科目会抬高假阳性。
不要因为均值列与 t 检验接近，就把本文写成独立样本 t。

常见问题

参考文献

吴喜之. 非参数统计[M]. 中国统计出版社.
Mann, H. B., Whitney, D. R. On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 1947.
Cohen, J. Statistical Power Analysis for the Behavioral Sciences. Routledge.
Hollander, M., Wolfe, D. A., Chicken, E. Nonparametric Statistical Methods. Wiley.