一句话结论:参数检验看均值,非参数检验看秩次

## 一句话结论:参数检验看均值,非参数检验看秩次

先说人话结论:参数检验(如 t 检验、方差分析)比的是各组均值的差异,非参数检验(如 Mann-Whitney U、Wilcoxon、Kruskal-Wallis)比的是数据按大小排成的“秩次”分布。所以选方法前,先问自己一句:我的数据能不能代表均值说话?

参数检验不是白叫的——它对数据本身有前提要求。以独立样本 t 检验为例,独立样本 t 检验前提为 正态 + 方差齐(方差不齐时看 Welch 校正行或改用非参数)。换句话说,数据要大致对称、近似正态,各组波动程度也要差不多,这时比较均值才是可靠的。毕业论文里常见的李克特量表得分如果明显偏态,硬跑 t 检验,结论就站不住。

非参数检验则宽松得多:它不要求正态,只把数据从小到大排队,比较的是秩次的分布位置。代价是当数据确实满足参数检验条件时,非参数方法的检验力略低——也就是同样效应下,它更难检出显著差异。因此总原则是:

  • 前提条件满足时优先用参数检验,检验力更高;
  • 前提不满足(明显偏态、方差不齐、有序资料)时切换非参数检验,不要硬跑。

对应的替换关系记三个就够:独立样本 t 检验换 Mann-Whitney U 检验;配对 t 检验在差值不正态时换 Wilcoxon 符号秩检验;方差分析在不正态或方差不齐时换 Kruskal-Wallis 检验。后面几节会教你怎么判断“正不正态”,以及报表出来后每一行该怎么读。

两类检验在前提条件和检验力上的具体差别

## 两类检验在前提条件和检验力上的具体差别

先说结论:参数检验和非参数检验的核心差别有四点——对数据类型的要求不同、对分布的假设不同、检验力不同、结果表述方式不同。搞清这四点,选方法就不会迷路。

参数检验不满足时的非参数替代对照
参数方法非参数替代切换信号
独立样本 t 检验Mann-Whitney U 检验任一组正态性检验 p < 0.05
配对样本 t 检验Wilcoxon 符号秩检验差值不服从正态
单因素方差分析Kruskal-Wallis 检验组数 ≥3 且分布偏态
Pearson 相关Spearman 秩相关数据偏态或为等级资料

数据来源:统计学教材通用标准(APA/心理测量学惯例)

从四个维度逐一对比

  • 数据类型:参数检验(如 t 检验、方差分析)要求因变量是连续变量,且总体近似正态分布;非参数检验(如 Mann-Whitney U 检验、卡方检验)可以处理等级资料、明显偏态的数据,对分布形状几乎不做要求。
  • 前提假设:独立样本 t 检验前提为 正态 + 方差齐(方差不齐时看 Welch 校正行或改用非参数)。方差齐性通常用 Levene 检验判断,p > 0.05 视为方差齐性成立。
  • 检验力:当前提条件都满足时,参数检验更“灵敏”,也就是说更容易检出真实存在的差异;非参数检验把数据换成秩次再比较,等于丢掉了一部分原始信息,是用稳健性换灵敏度的交易。
  • 结果表述:参数检验报告均值差和置信区间,比如“实验组满意度均值比对照组高 0.6 分”;非参数检验多报告中位数或平均秩,结论措辞也要相应改成“实验组的秩次显著更高”。

前提破坏了会怎样

举个例子:你收了 30 份问卷,某量表得分严重右偏(大多数人选低分项),却硬跑独立样本 t 检验。小样本加偏态会让 t 统计量的分布偏离理论假设,算出来的 p 值不可靠——可能把偶然差异当成显著差异写进论文。正确的做法是先做正态性检验:Shapiro-Wilk 适用样本为 n ≤ 50(小样本正态性首选;n>50 用 K-S(Lilliefors 校正))。正态性没过,独立样本比较就换 Mann-Whitney U 检验,配对设计差值不正态就换 Wilcoxon 符号秩检验,不必慌。

动手判断第一步:你的数据到底正不正态

## 动手判断第一步:你的数据到底正不正态

先说结论:正态性判断不是凭感觉,而是“统计检验 + 图形”双管齐下,且方法要看样本量来选。Shapiro-Wilk 适用样本为 n ≤ 50(小样本正态性首选;n>50 用 K-S(Lilliefors 校正))。也就是说,问卷回收一两百份的毕业论文,直接看 SPSS 中 Explore 输出的 K-S 行;三五十人的小组实验,则看 Shapiro-Wilk 行。

正态性检验方法选择
方法适用样本判定方式备注
Shapiro-Wilk(W 检验)n ≤ 50p > 0.05 视为正态小样本首选,检验力高
Kolmogorov-Smirnov(Lilliefors 校正)n > 50p > 0.05 视为正态大样本使用
Q-Q 图任意散点贴近对角线直观辅助判断,配合统计检验
偏度/峰度大样本|偏度| < 2 且 |峰度| < 7大样本下 K-S 过于敏感时的辅助口径

数据来源:统计学教材通用标准(APA/心理测量学惯例)

判定口径统一记一句话:p > 0.05 视为不拒绝正态假设,可以走参数路线(如独立样本 t 检验);p ≤ 0.05 才考虑切换到非参数方法。反过来,p 很小就提示数据明显偏离正态。

但别只盯着 p 值。大样本下 K-S 检验非常敏感,一两百份量表得分哪怕只是轻微偏态,也可能被它“判死刑”。这时候可以辅助看偏度和峰度:绝对值较小时(常用 |偏度| < 2 且 |峰度| < 7 的口径),实际影响有限,不必急着换方法。再配合 Q-Q 图看一眼——散点大致贴着对角线走,就基本可以放心。

毕业论文里最常见的场景是量表总分:李克特量表得分天然有界,小样本下轻微右偏或左偏非常常见。此时如实的做法是把检验结果写进论文(例如“Shapiro-Wilk 检验,W=0.96,p=0.18,不拒绝正态假设”),再说明结合偏度、峰度与 Q-Q 图综合判断。若确实不满足正态,再按下一节讨论是否切换 Mann-Whitney U 等非参数方法。

样本量不够时先别急着换方法

## 样本量不够时先别急着换方法

很多同学一看到“样本量小”就想直接换成非参数检验,其实先别慌。不同分析对样本量的要求差别很大:组间比较一般每组不少于 30 例;多元线性回归的经验法则是每个自变量 10~20 例,稳妥的做法是预留两成余量应对无效问卷;而探索性因子分析门槛更高,通常是题项数乘以 5~10,总样本达到 200 以上更稳妥。问卷类课题如果是两三组的均值比较,小一点往往也够用。

常见分析的样本量经验参考
分析类型最低样本经验值稳妥做法
探索性因子分析题项数 × 5~10总样本 ≥ 200
多元线性回归每个自变量 10~20 例预留 20% 余量应对无效问卷
组间比较(t/方差)每组 ≥ 30先做检验力估计更严谨
结构方程模型≥ 200样本不足时用 Bootstrap

数据来源:统计学教材通用标准(APA/心理测量学惯例)

例 0 50 100 150 200 因子分析(20 题项) 多元回归(5 自变量) 组间比较(单组) 结构方程模型 200 100 30 200 最低样本经验值
常见分析的样本量经验参考

更要警惕的是:小样本下正态性检验本身“不灵”。Shapiro-Wilk 适用样本为 n ≤ 50(小样本正态性首选;n>50 用 K-S(Lilliefors 校正)),但在样本很少时,这类检验的检验力偏低——即使 p 值大于 0.05,也未必真能说明数据“正态”,可能只是查不出来。所以判断正态性时别只盯着 p 值,要结合 Q-Q 图看散点是否大致贴合对角线,偏态明显就别硬用参数检验。

  • 组间比较样本不够时,可考虑 Mann-Whitney U、Kruskal-Wallis 等非参数替代,但要在论文里说明理由。
  • 如果连非参数方法的条件都勉强,宁可把研究问题收窄(少几个自变量、少几个分组),也别硬跑回归或因子分析去过度解读不稳健的结果。

一句话:样本量不够的第一反应不是“换检验”,而是先看这类分析的门槛够不够、再用图形辅助判断数据形态;实在不足,就降低研究设计的复杂度——这比拿着一份经不起推敲的结果写讨论要负责任得多。

结果怎么读:p 值和效应量要分开看

## 结果怎么读:p 值和效应量要分开看

先说人话结论:p < 0.05 只能说明“两组的差异不太可能是抽样误差造成的”,它管不了差异有多大、实际重不重要。样本量一大,再微小的差异也容易跑出显著的 p 值。所以论文里只报 p 值,评审很可能追问效应量。

标准正态分布 z 值与双尾 p 值对照
z 值双尾 p 值对应置信水平常用表述
1.000.31768%远未达显著
1.280.20080%未达显著
1.640.10090%边缘显著
1.960.05095%显著(最常用门槛)
2.330.02098%较强显著
2.580.01099%强显著
3.290.00199.9%极强显著

数据来源:统计学教材通用标准(APA/心理测量学惯例)

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 1.00 1.28 1.64 1.96 2.33 2.58 3.29 0.317 0.2 0.1 0.05 0.02 0.01 0.001 双尾 p 值
标准正态分布 z 值与双尾 p 值对照

举例:比较男女生的某量表得分,跑独立样本 t 检验得到 t=2.14、p=0.03,p 值过线了;但一看 Cohen's d=0.18,按常用分档 0.2 / 0.5 / 0.8 对应小/中/大效应,这连“小效应”都没够到——结论就该是“差异统计显著但幅度很小”,而不是“男女生差别很大”。

读表时还有两个常见口径要记牢:

  • z 值与 p 值的对应是查表口径:z=1.96 对应双尾 p=0.05,z=2.58 对应双尾 p=0.010(强显著),Mann-Whitney U 等检验输出的 z 值可以照此理解。
  • 效应量按方法配套:t 检验报 Cohen's d;方差分析报 η²,分档 0.01 / 0.06 / 0.14 对应小/中/大;卡方检验报 Cramér's V;非参数检验可用秩双列相关等指标补充报告,避免只有 p 值孤零零一行。

写作建议:结果部分同时报告检验统计量、p 值和效应量,并在讨论里区分“统计显著”与“实际意义”。一句话记住——p 值回答“是不是巧合”,效应量回答“差多少”,两个都要写进论文。

SPSS 报表里哪几行要写进论文

## SPSS 报表里哪几行要写进论文

先说结论:论文里不能只贴一句“p<0.05,显著”。完整的写法是先交代正态性检验,再给出检验统计量、p 值和效应量,方法选择的依据和结果本身缺一不可。

参数检验的独立样本 t 检验,要从“独立样本检验”表里摘出四样东西:t 值、自由度 df、显著性(双尾)p 值、均值差及其 95% 置信区间。前提是 Shapiro-Wilk 适用样本为 n ≤ 50(小样本正态性首选;n>50 用 K-S(Lilliefors 校正)),同时满足独立样本 t 检验前提为 正态 + 方差齐(方差不齐时看 Welch 校正行或改用非参数)。如果 Levene 检验的 p ≤ 0.05,说明方差不齐,就写“方差齐性假设不满足,采用 Welch 校正结果”。

非参数检验则换成对应统计量:Mann-Whitney U 检验报告 U 值与 Z 值及渐近显著性,Wilcoxon 符号秩检验报告 Z 值,Kruskal-Wallis 检验报告 H(χ²近似)值。p 值一律读“渐近显著性”那一行。

写进论文时建议按三线表规范整理,一张表里各行分工明确:

  • 统计量行:写明 t=2.14(df=58)或 U=231.5 这类统计量,例如示例语境
  • p 值行:标注“p<0.05”或精确 p 值,显著性水平统一按 α=0.05 说明
  • 效应量行:组间比较附 Cohen's d,方差分析附 η²,并注明检验方法名称

最后提醒一句:表格注释里务必写清选用的检验方法及理由(如“Shapiro-Wilk 检验 p>0.05,符合正态性,故采用独立样本 t 检验”),答辩老师最常追问的就是“你为什么选这个方法”,把依据写在前,逻辑才算闭环。

行动清单:从收数据到定稿的四步决策路径

## 行动清单:从收数据到定稿的四步决策路径

前面讲了那么多判断标准,最后落到一句话:别等数据收完了再想方法。建议按下面四步走,每一步都有明确的动作和依据。

第一步:收数据前先估样本量。 拿到研究设计就对照经验值算一算:做因子分析,样本量按题项数 × 5~10 估算,或总样本不少于 200 更稳妥;做多元回归,按每个自变量 10~20 例来配。问卷发出去之前发现量不够,比定稿前发现要从容得多。另外量表本身先过 Cronbach's α 达到 0.7 这一关,再谈后面。

第二步:跑正态性检验,定路线。 样本收齐后先做正态性判断——Shapiro-Wilk 适用样本为 n ≤ 50(小样本正态性首选;n>50 用 K-S(Lilliefors 校正))。正态且方差齐就走参数路线,否则转非参数。切换时要留证据:把 Levene 检验结果(p > 0.05 视为方差齐性成立)截图存档,写进论文交代依据。

第三步:按对照表选方法,别混口径。 路线定了之后,方法是一一对应的:

  • 独立样本 t 检验对应 Mann-Whitney U 检验;配对 t 检验对应 Wilcoxon 符号秩检验;方差分析对应 Kruskal-Wallis 检验。
  • Pearson 相关对应 Spearman 秩相关;卡方检验注意期望频数 E ≥ 5 的要求,不满足的格子偏多时改用 Fisher 精确检验。

选定了就只报一套口径:写了“均值差异”就别在非参数结果里硬套,反过来也是。

第四步:p 值和效应量一起报。 定稿前逐个结果检查:显著性水平统一用 α = 0.05,同时给出效应量——组间比较报 Cohen's d(0.2 / 0.5 / 0.8 对应小/中/大),方差分析报 η²(0.01 / 0.06 / 0.14),卡方报 Cramér's V(0.10 / 0.30 / 0.50)。例如 t = 2.14、p < 0.05、d = 0.52,就是"显著且中等效应"的规范写法。哪一步换了方法,就在脚注里说明切换依据,答辩时才立得住。

常见问题

结果不显著怎么办?是数据问题还是方法选错了?

不显著先别慌,它只说明没找到足够证据,不代表两组真没差别。建议按顺序排查:一看前提条件(正态、方差齐)满足没有,方法选错确实会导致检验力下降;二看效应量,p 不显著但 Cohen's d 达到中等水平,可能是样本量不够。补救方向是核对数据录入、检查反向题、必要时扩大样本重测。

问卷数据不正态,还能硬跑 t 检验吗?

李克特量表数据常常偏态,硬跑 t 检验有风险。正态性检验方面,Shapiro-Wilk 适用样本为 n ≤ 50(小样本正态性首选;n>50 用 K-S(Lilliefors 校正))。大样本下 t 检验本身有一定稳健性,通常问题不大;但明显偏态或有序资料时,建议改用 Mann-Whitney U 检验,配对设计用 Wilcoxon 符号秩检验更稳妥。

一共只收到三四十份问卷,样本太少有救吗?

有救,但要调整预期和方法。小样本下优先选非参数检验:组间比较用 Mann-Whitney U 或 Kruskal-Wallis,配对用 Wilcoxon 符号秩检验,它们对分布假设要求低,小样本更稳。正态性用 Shapiro-Wilk 检验判断。建议论文里如实说明样本量局限,把结论写成探索性的,不夸大推断。

SPSS 输出那么多行,论文里到底要写哪几行?

以独立样本 t 检验为例:先写 Levene 检验那一行(p > 0.05 视为方差齐性成立),决定看上面还是下面的 t 值行;再报告 t 值、自由度、p 值和均值差。前提检验的 Shapiro-Wilk 结果也要提一句。做量表分析时另加 Cronbach's α(≥0.7 可接受)和 KMO(≥0.6 适合做因子分析)。

p 值刚好是 0.05 出头,算不算边缘显著,论文里怎么写?

p 略大于 0.05 在统计上就是不显著,"边缘显著"不是标准结论,答辩时容易被追问。稳妥写法是:如实报告 p 值,写"未达到 0.05 显著性水平,但呈接近显著的趋势",同时报告效应量辅助说明实际差异大小。不要为了显著改方法反复试,多次检验会增加假阳性风险。

参数检验和非参数检验结果一个显著一个不显著,听哪个的?

听前提条件满足的那个,而不是听显著的那个。先检查数据是否正态、方差是否齐:条件满足就报参数检验结果;不满足就报非参数结果。如果条件模糊、两者结论又不一致,建议两个都报告并说明差异原因,这反而是加分的写法。切忌为了结论好看挑显著的报,那属于选择性报告。

数据来源

  • [1] 统计学教材通用标准(APA/心理测量学惯例)
  • [2] 统计方法参考文档(帮助中心) 来源链接