
在医学、生物学、心理学和社会科学研究中,两组比较几乎是最常见的统计分析任务之一。
例如,比较药物治疗组和对照组的血压是否存在差异,比较两种教学方法对学生考试成绩的影响,或者分析干预前后患者的症状评分是否发生变化。
问题看起来很简单,但真正进行统计分析时,很多研究者都会遇到同样的困惑:到底应该使用独立样本 t 检验、配对 t 检验,还是 Mann-Whitney U 检验?如果数据不服从正态分布,是不是就必须使用非参数检验?
事实上,选择两组比较方法并不需要一开始就记住几十种统计检验。只要理清几个关键问题,就能建立一套相对清晰的判断路径。
这篇文章从数据类型、样本关系和分布特征三个方面入手,帮助你快速确定两组比较应该使用哪种统计检验。
一、选择统计检验之前,先回答两个问题
面对两组数据,不要急着检查正态性,也不要直接打开 SPSS 寻找检验方法。
建议先回答两个更基础的问题。
1. 两组数据是独立的,还是配对的?
这是选择统计检验时最容易被忽略、但非常重要的一步。
独立样本(Independent Samples)意味着两组数据来自不同的研究对象,且一个对象的观测值不会与另一组中的某个观测值形成自然对应关系。
例如:
- 比较男性和女性的平均血压;
- 比较药物治疗组和安慰剂对照组的血糖水平;
- 比较两所学校学生的考试成绩。
这些情况通常属于独立样本设计。
配对样本(Paired Samples)则意味着两组观测值之间存在明确的对应关系。
最常见的情况包括:
- 同一批患者治疗前后的血压变化;
- 同一批受试者接受两种不同干预后的评分;
- 按照年龄、性别等因素匹配的病例与对照。
例如,研究者招募了30名患者,在药物治疗前后分别测量其收缩压。每名患者都有两个测量值,这两个数值显然不是独立的,而是来自同一个人。

需要特别提醒:配对与否取决于研究设计,而不是两组样本量是否相同。即使两组各有100个观测值,也不意味着它们就是配对样本。
2. 结局变量是连续型,还是分类型?
第二个问题是明确你想比较的变量属于哪种数据类型。
连续型变量(Continuous Variable)通常可以在一定范围内取任意数值,例如:
- 血压、血糖、体重;
- 身高、体温;
- 考试成绩、反应时间;
- 某种生物标志物的浓度。
分类变量(Categorical Variable)则表示研究对象属于不同类别,例如:
- 是否发生不良反应(是/否);
- 治疗是否有效(有效/无效);
- 疾病分期(Ⅰ期、Ⅱ期、Ⅲ期、Ⅳ期);
- 性别、职业、教育程度。
这两类变量的统计分析思路不同。
连续型变量通常关注均值、分布或位置差异;分类变量通常关注比例、频数或构成比是否存在差异。
明确这两个问题后,两组比较的统计检验范围就基本确定了。
二、独立样本 + 连续型结局:应该选择哪种检验?
这是科研论文中非常常见的一类情况。
例如,研究者想比较两种药物对患者血糖水平的影响,两组患者互相独立,最终测量的血糖值属于连续型变量。
通常需要考虑三种方法:
- Student's independent samples t-test(Student独立样本t检验)
- Welch's t-test(Welch t检验)
- Mann-Whitney U test(Mann-Whitney U检验)
具体怎么选?
第一步:观察数据分布
传统 Student t 检验要求两组数据在各自总体中近似服从正态分布。
但这里有一个容易产生误解的地方:正态性判断的目的不是要求每一个数据点都完美符合正态分布,而是评估参数检验的分布假设是否足够合理。
实际分析时,可以结合以下方法:
- 绘制直方图(Histogram),观察数据是否明显偏斜;
- 绘制Q-Q图(Quantile-Quantile Plot),观察数据与正态分布的偏离程度;
- 使用Shapiro-Wilk检验进行辅助判断。
不要仅凭Shapiro-Wilk检验的P值决定是否使用t检验。
尤其是样本量较大时,正态性检验可能对轻微偏离也非常敏感;样本量较小时,检验又可能缺乏发现明显偏离的能力。
此外,t检验对一定程度的非正态性具有稳健性,特别是在样本量适中、分布没有严重偏斜或极端异常值时。
第二步:判断方差是否齐性
如果数据分布没有明显问题,接下来需要考虑两组方差是否相等。
方差齐性(Homogeneity of Variance)意味着两组数据的离散程度相近。
常见判断方法是Levene's test(Levene检验)。
根据方差情况,可以选择:

这里有一个非常实用的建议:如果没有充分理由坚持使用Student t检验,可以优先考虑Welch t检验。
Welch t检验不要求两组方差相等,在方差不齐、样本量不平衡时通常比传统Student t检验更加稳健。事实上,当两组方差相等时,Welch t检验通常也能保持良好的表现。
Mann-Whitney U检验什么时候使用?
当连续型数据明显偏斜、存在极端值,或者不适合采用基于均值的参数分析时,可以考虑Mann-Whitney U检验。
它属于非参数检验(Non-parametric Test),不要求数据服从正态分布。
但需要纠正一个常见误区:Mann-Whitney U检验并不总是在比较两组中位数。
它实际上利用两组观测值的秩(Rank)进行比较,检验两组分布是否存在差异。在两组分布形状相似、离散程度相近等条件下,其结果可以解释为位置差异,包括中位数差异。
如果两组分布形状差异明显,就不能简单地把检验结果解释为中位数不同。
三、配对样本 + 连续型结局:配对t检验还是Wilcoxon?
假设研究者招募了25名患者,分别在治疗前和治疗后测量血糖水平。
这时应该怎么做?
最重要的一点是:配对样本分析关注的是每一对观测值之间的差值,而不是分别判断治疗前和治疗后的数据是否服从正态分布。
例如:

分析的重点是每位患者治疗前后的差值。
配对t检验(Paired t-test)
如果差值近似服从正态分布,可以使用配对t检验。
它主要检验两次测量的平均差值是否显著偏离0。
需要注意,配对t检验的正态性假设针对的是差值,而不是两组原始数据分别服从正态分布。
Wilcoxon符号秩检验(Wilcoxon Signed-Rank Test)
如果差值分布明显偏离正态,存在严重偏斜,或者样本量较小且正态性假设不合理,可以考虑Wilcoxon符号秩检验。
它利用差值的正负方向及其绝对值的秩进行分析。
需要注意,这个检验通常要求配对差值的分布具有一定的对称性。若差值分布严重不对称,符号检验(Sign Test)也可以作为一种更少依赖分布假设的选择,但统计效能通常较低。

四、分类结局:卡方检验、Fisher精确检验还是McNemar检验?
如果研究结局不是血压、体重这样的连续型数据,而是有效/无效、发生/未发生等分类数据,就需要考虑另一套统计检验方法。
1. 独立样本 + 二分类结局:卡方检验或Fisher精确检验
例如,研究者想比较两种治疗方案的不良反应发生率。
示例数据:两组患者的不良反应发生情况

这种情况通常采用Pearson卡方检验(Chi-square Test),判断两组不良反应发生比例是否存在统计学差异。
卡方检验的基本前提包括:
- 观测值相互独立;
- 各类别互斥;
- 期望频数满足近似卡方分布的要求。
特别注意:判断卡方检验是否适用,主要看期望频数(Expected Frequency),而不是实际观察到的频数。
如果2×2列联表中存在较小的期望频数,可以考虑Fisher精确检验(Fisher's Exact Test)。
它不依赖卡方分布近似,在样本量较小或事件发生率较低时尤其有用。
2. 配对样本 + 二分类结局:McNemar检验
假设研究者想比较同一批患者在干预前后是否存在某种症状。
每名患者的结果只有两种:有症状或无症状。
这时,数据具有配对关系,不能直接使用普通卡方检验。
应该考虑McNemar检验(McNemar's Test)。
它主要关注配对数据中发生状态变化的两类人数:
- 干预前有症状、干预后无症状;
- 干预前无症状、干预后有症状。
如果这两类人数存在明显不平衡,就可能说明干预前后的症状发生比例存在差异。
3. 多分类结局:R×C卡方检验
如果结局变量包含三个或更多类别,例如疾病分期、满意度等级或治疗反应等级,可以根据研究设计构建R×C列联表。
当观测值独立且期望频数满足要求时,可以使用Pearson卡方检验。
如果存在较多小期望频数,可以考虑Fisher-Freeman-Halton精确检验或Monte Carlo模拟方法。
如果分类变量具有明确的顺序,还可以根据研究问题考虑趋势检验(Trend Test)或有序分类模型,而不只是把所有类别当作普通无序分类。
五、两组比较的完整决策路径
到这里,我们可以把前面的内容整合成一套实际分析时可以直接使用的决策流程。

六、实际分析中,还有哪些问题需要注意?
掌握决策流程后,还需要避免几个常见的统计分析误区。
1. 不要把正态性检验的P值当作唯一标准
很多研究者习惯先运行Shapiro-Wilk检验,如果P值小于0.05,就使用非参数检验;如果大于0.05,就使用t检验。
这种做法过于机械。
正态性检验的结果受到样本量影响。小样本可能无法识别明显的非正态分布,大样本则可能对轻微偏离非常敏感。
更合理的做法是结合Q-Q图、直方图、异常值、样本量和研究设计综合判断。
2. 非参数检验不一定比参数检验更好
非参数检验的优势是对总体分布的假设相对较少,但这并不意味着它在所有情况下都更可靠。
当数据满足参数检验的适用条件时,t检验通常具有较高的统计效能(Statistical Power)。
如果研究问题关注的是两组平均值差异,而且数据条件允许,通常没有必要为了避免正态性检验而直接使用非参数方法。
3. 样本量较小时,不要过度依赖统计检验
例如,每组只有8名患者时,即使Shapiro-Wilk检验的P值大于0.05,也不能据此认定数据服从正态分布。
小样本研究需要更加关注:
- 原始数据分布及异常值;
- 研究设计是否合理;
- 检验方法的适用假设;
- 效应量(Effect Size)和置信区间(Confidence Interval)。
对于极小样本,某些精确检验可能比依赖渐近分布的方法更加合适。
4. 不要只报告P值
统计检验告诉我们是否有足够证据反对原假设,但不能直接说明差异有多大,也不能说明差异是否具有实际意义。
例如,比较两组患者的平均血压,即使P值小于0.05,也应该进一步报告:
- 两组均值及标准差;
- 两组均值差(Mean Difference);
- 95%置信区间;
- P值。
如果使用Mann-Whitney U检验,可以报告中位数、四分位距以及适当的秩效应量。
分类变量则可以报告各组人数、百分比、风险差(Risk Difference)或比值比(Odds Ratio)等指标。
七、R、SPSS和Python如何实现?
确定统计检验后,软件操作通常并不复杂。
下面列出几个常见命令,方便大家在实际分析中使用。

这里有两个操作细节值得注意。
第一,R中的t.test(x, y)默认采用Welch t检验,而不是传统的Student t检验。如果确实需要假设方差齐性,可以设置var.equal=TRUE。
第二,Python中的ttest_ind()默认不采用Welch校正,需要显式设置equal_var=False。
如果使用SPSS,可以在Analyze菜单中找到Compare Means和Nonparametric Tests等功能模块,根据研究设计选择对应方法。
无论使用哪种软件,都建议在论文的方法学部分说明具体检验名称,并报告必要的描述性统计结果。
八、统计分析前的快速自查清单
在正式运行统计检验之前,可以用下面这份清单检查自己的分析思路是否正确。
统计检验自查
- 已经明确两组数据是独立样本还是配对样本
- 已经明确主要结局变量是连续型还是分类变量
- 连续型数据已检查分布特征和异常值
- 独立样本分析已考虑方差齐性问题
- 配对样本分析已检查配对差值的分布
- 分类数据已检查列联表的期望频数
- 选择的统计检验符合研究设计和适用假设
- 准备报告效应量、置信区间和P值
最后
两组比较看起来只是一个简单的统计分析任务,但选择合适的检验方法,需要同时考虑研究设计、变量类型和数据分布。
如果只记住一条经验,我建议大家记住:先判断样本是独立还是配对,再判断结局变量是连续型还是分类变量,最后根据数据分布和检验假设选择具体方法。
不要一看到数据不服从正态分布就机械地使用非参数检验,也不要因为软件默认提供了某个检验,就直接把它用在论文中。
统计检验只是回答研究问题的工具。研究设计是否合理、数据质量是否可靠、效应量是否具有实际意义,往往比选择某一个检验名称更加重要。
对于科研人员来说,真正需要掌握的不是记住所有统计检验,而是理解每一种方法背后的假设,并知道什么时候可以使用、什么时候不应该使用。
