非参数方法(Non-Parametric)详解:常用统计检验、R与Python实战及结果解读

Non-Parametric methods 如何应用于科研数据分析?本文系统介绍非参数检验的原理、适用条件、Wilcoxon检验、Mann-Whitney U检验、Kruskal-Wallis检验、Friedman检验、Spearman相关、Bootstrap及Permutation test,并提供R、Python、SPSS和GraphPad Prism操作示例,帮助科研人员正确选择和报告统计方法

更新于2026年11月16日

非参数方法(Non-Parametric)详解:常用统计检验、R与Python实战及结果解读

在生物医学、临床医学、心理学和生态学研究中,我们经常遇到这样的数据:样本量只有十几例,指标分布明显偏斜,少数观测值特别大,或者同一批受试者需要接受多次测量。面对这些情况,研究人员往往会纠结:数据不服从正态分布,还能不能使用t检验?是不是应该直接换成非参数检验(Non-Parametric Tests)?

这也是我在科研方法学培训和论文审阅中经常遇到的问题。

非参数方法(Non-Parametric Methods)确实是处理非正态、小样本和复杂数据的重要工具,但它并不是参数方法失效之后的万能替代品。 如果只因为Shapiro-Wilk检验的P值小于0.05,就把所有分析统一换成Mann-Whitney U检验或Kruskal-Wallis检验,实际上可能引入新的统计学问题。

非参数方法的真正价值,在于它提供了不同于传统参数模型的推断思路。研究人员可以利用数据的秩次(Ranks)、随机化分布(Randomization Distribution)或重抽样(Resampling),在不严格依赖特定总体概率分布的前提下,回答组间差异、变量相关性以及数据变化趋势等问题。

本文从统计学原理出发,结合常见科研场景,系统介绍Non-Parametric methods in data analysis的主要方法、软件实现、结果报告及常见误区。希望读者不仅能够知道某个检验应该怎么做,更能理解为什么选择它,以及它究竟能够支持什么样的科学结论。

一、什么是非参数方法?它与参数方法有什么本质区别?

1.1 非参数方法的基本概念

参数方法(Parametric Methods)通常假设研究数据来自某种特定的概率分布,并通过估计该分布中的有限个参数完成统计推断。

以独立样本t检验为例,研究人员通常关注两组总体均值之间的差异。在经典推断框架下,需要考虑独立性、正态性以及方差结构等条件。分析的核心是估计均值差及其标准误,并据此计算t统计量。

非参数方法则不要求研究者预先指定一个完整的总体分布形式。许多常用非参数检验不直接使用原始数值,而是将数据转换为秩次,再根据秩次的分布计算检验统计量。

例如,研究人员比较两种药物治疗后患者的炎症指标。A组测量值为:

10、12、15、18、20

B组测量值为:

8、11、13、16、25

参数检验主要利用这些数值本身及其均值、方差等信息;Mann-Whitney U检验则将两组数据合并排序,比较不同组别的观测值在整体秩次中是否存在系统性差异。

这里需要强调一个容易被忽视的问题:非参数方法并不等于完全没有统计假设。

不同方法仍然可能要求:

  • 观测值之间相互独立;
  • 样本具有合理的随机性或代表性;
  • 数据至少具有相应方法要求的测量尺度;
  • 配对数据的差值具有特定结构;
  • 随机化检验满足相应的可交换性(Exchangeability)条件。

因此,Non-Parametric的准确理解应该是:不依赖传统参数模型中某些特定分布形式或有限维参数假设的方法,而不是不需要任何假设的统计分析。

1.2 Non-Parametric vs Parametric:两种方法的核心差异

理解两者的区别,需要从几个方面进行比较。

Non-Parametric vs Parametric

这里特别需要讨论稳健性(Robustness)和统计效率(Statistical Efficiency)。

稳健性方面,非参数秩检验通常不容易受到极端数值的直接支配。

例如,某组患者的炎症指标大部分集中在10~20之间,但有一名患者的数值达到500。使用均值进行比较时,这个极端值可能显著改变组均值;秩检验则主要考虑该观测值在所有数据中的排序位置。

不过,秩方法并不是对异常值完全免疫。如果异常值来自测量错误,仍然需要调查其来源。秩检验也可能受到大量并列秩次(Ties)的影响。

统计效率方面,非参数方法并不总是优于参数方法。

当总体确实符合参数模型假设时,参数方法能够利用原始数值及其分布信息,通常具有更高的统计效率。例如,在正态总体下,经典t检验通常比Wilcoxon秩和检验更有效率。

但当数据明显偏态、存在厚尾分布(Heavy-tailed Distribution),或者测量尺度仅支持排序时,非参数方法可能更加合适。

因此,不能简单地认为Non-Parametric tests比参数检验更先进,也不能认为参数检验一定更准确。真正合理的选择取决于研究问题、数据结构以及模型假设是否可信。

1.3 非参数方法不只是非参数检验

科研人员经常把Non-Parametric Methods和Non-Parametric Tests当成同一个概念。

实际上,非参数方法是一个更大的统计学范畴,至少包括三类重要工具:

  • 非参数假设检验(Non-Parametric Tests): 例如Mann-Whitney U、Wilcoxon、Kruskal-Wallis和Friedman检验。
  • 非参数估计(Non-Parametric Estimation): 例如核密度估计(Kernel Density Estimation,KDE)和Bootstrap置信区间。
  • 非参数回归与关联分析(Non-Parametric Regression and Association): 例如Spearman相关、Kendall's tau和局部回归(LOESS)。

这三类方法解决的问题并不相同。研究人员需要根据自己的科学问题选择工具,而不是看到数据不服从正态分布,就只考虑某一种秩检验。

二、什么时候应该优先考虑Non-Parametric Methods?

在实际科研项目中,我通常不会在看到数据之后立即决定使用哪种检验,而是先检查研究设计和数据特征。

以下几种情况尤其值得考虑非参数方法。

2.1 数据明显偏离正态分布

常见于:

  • 炎症因子浓度;
  • 血清生物标志物;
  • 肿瘤患者生存时间或住院时间;
  • 微生物丰度;
  • 细胞因子表达水平;
  • 问卷评分和心理量表得分。

例如,研究人员比较两组患者的IL-6浓度,发现大多数患者处于低浓度范围,少数患者出现极高表达,数据呈现明显右偏。

这时可以考虑对数转换、合适的参数模型,或者使用Mann-Whitney U检验等方法。

需要注意,偏态分布并不自动意味着必须使用非参数检验。若研究目标是比较均值,且样本量、方差结构和模型条件允许,Welch t检验或适当的广义线性模型(Generalized Linear Model)仍然可能是更合适的选择。

2.2 样本量较小,难以验证模型假设

在动物实验、细胞实验和探索性临床研究中,小样本非常常见。

例如:

  • 每组只有6~10只小鼠;
  • 某项罕见病研究仅纳入15名患者;
  • 某种干预实验只有12名受试者;
  • 某个生态学研究只采集了少量独立样地。

小样本下,正态性检验的检验效能通常有限。即使Shapiro-Wilk检验得到P大于0.05,也不能据此证明总体服从正态分布。

如果研究人员同时发现数据明显偏斜、存在异常值,而且参数模型缺乏充分依据,那么非参数方法可以作为合理选择。

但要明确:小样本并不意味着非参数检验天然可靠。 小样本也会导致非参数检验效能不足,甚至无法获得足够精细的P值。

2.3 数据属于有序分类变量

有些科研指标本身就不是连续变量。

例如:

  • 疼痛程度:无痛、轻度、中度、重度;
  • 肿瘤组织学分级;
  • 患者满意度:1~5分;
  • 病情严重程度评分;
  • Likert量表单个条目。

这些变量可以排序,但相邻等级之间未必具有相等的数值间隔。

在这种情况下,Spearman相关、Mann-Whitney U检验等秩方法通常比直接套用均值比较更符合数据尺度。

如果研究包含多个有序等级、重复测量或协变量,则还需要考虑有序Logistic回归(Ordinal Logistic Regression)等模型。

2.4 存在明显异常值或厚尾分布

在实际生物医学数据中,异常值可能来自真实的个体差异,也可能来自实验操作和仪器误差。

非参数秩检验能够降低极端数值对检验统计量的直接影响,但不能替代异常值质量控制。

我的建议是:先核实异常值是否真实,再决定是否保留。不能为了让P值达到统计学显著性而删除观测值,也不能因为准备使用非参数检验就忽略数据质量问题。

2.5 数据具有重复测量或配对结构

例如:

  • 同一患者治疗前后检测炎症指标;
  • 同一批小鼠接受不同时间点的药物处理;
  • 同一受试者完成三种实验条件;
  • 同一生态样地在不同季节重复采样。

这些数据不能按照独立样本处理。

如果只有两个配对条件,可以考虑Wilcoxon符号秩检验;如果有三个及以上相关条件,可以考虑Friedman检验。

但如果研究还涉及缺失数据、不等间隔测量、个体差异或协变量,则混合效应模型(Mixed-effects Models)往往更加合适。

三、常用非参数检验:原理、适用条件与软件实战

这是Non-Parametric analysis中最值得掌握的部分。实际科研中,绝大多数基础非参数检验都可以根据两个维度来选择:

  • 样本之间是否独立(Independent Samples)?
  • 比较的是两个组还是三个及以上的组?
常用非参数检验:原理、适用条件与软件实战

3.1 Wilcoxon秩和检验与Mann-Whitney U检验

Wilcoxon Rank-Sum Test / Mann-Whitney U Test

这是科研论文中出现频率非常高的非参数检验,主要用于比较两个独立样本。

原理:为什么要比较秩次?

假设研究人员希望比较两种治疗方案对患者炎症指标的影响。

A组:12、15、18、20、25

B组:8、10、11、13、16

如果直接比较均值,容易受到数据偏态和极端值的影响。

Mann-Whitney U检验采取另一种思路:将两组数据合并,按照从小到大的顺序排列,然后计算每个观测值的秩次。

如果A组的数值普遍高于B组,那么A组获得较大秩次的概率也会更高。

其核心思想是判断:随机从A组和B组各抽取一个观测值时,A组数值大于B组数值的概率是否偏离0.5。

在没有并列值的情况下,常用的效应量可以表示为:

𝐴=𝑈/𝑛1𝑛2

其中,𝐴表示概率优势(Probability of Superiority),𝑈为相应方向定义下的Mann-Whitney统计量,𝑛1和𝑛2分别为两组样本量。

例如,A=0.75意味着随机抽取一名A组患者和一名B组患者,A组患者的测量值高于B组患者的概率约为75%(并列值按半个胜出计算)。

需要特别强调:Mann-Whitney U检验并不总是在检验两组中位数是否相等。更一般地说,它检验的是两组分布是否存在差异。在两组分布形状和离散程度相近、主要区别表现为位置移动时,才可以将结果解释为位置差异。

适用条件

  • 两组样本相互独立;
  • 数据至少可以排序;
  • 观测值来自合理的抽样或实验设计;
  • 如果要将结果解释为中位数或位置差异,需要两组分布形状大致相似。

如果两组方差或分布形状差异明显,即使Mann-Whitney检验显著,也不能直接说两组中位数不同。

R实现

group_A <- c(12, 15, 18, 20, 25)
group_B <- c(8, 10, 11, 13, 16)

wilcox.test(
group_A,
group_B,
paired = FALSE,
exact = FALSE,
conf.int = TRUE
)

exact = FALSE表示采用渐近计算方式。存在大量并列秩次时,需要注意精确P值的计算方式及软件支持情况。

Python实现

from scipy.stats import mannwhitneyu

group_A = [12, 15, 18, 20, 25]
group_B = [8, 10, 11, 13, 16]

result = mannwhitneyu(
group_A,
group_B,
alternative="two-sided",
method="auto"
)

print("U statistic:", result.statistic)
print("P value:", result.pvalue)

SciPy的mannwhitneyu()函数可以进行独立样本比较。对于小样本、并列值和精确检验,应根据当前软件版本及其计算选项确认所使用的方法。

SPSS与GraphPad Prism实现

SPSS:

进入:

Analyze → Nonparametric Tests → Legacy Dialogs → 2 Independent Samples

将研究指标放入Test Variable List,将组别放入Grouping Variable,定义两组编码,选择Mann-Whitney U。

GraphPad Prism:

建立Column数据表,每组数据分别放在一列,选择:

Analyze → t tests → Mann-Whitney test

具体菜单名称可能因Prism版本而略有变化。

结果如何报告?

建议同时报告:

  • 两组样本量;
  • 各组中位数和四分位距(Median [IQR]);
  • U统计量;
  • P值;
  • 效应量及其置信区间(如适用)。

例如:

The median inflammatory marker level was higher in group A than in group B (median [IQR]: 18 [15–20] vs. 11 [10–13]). The Mann-Whitney U test indicated a difference between the two groups (U = XX, P = 0.012). The probability of superiority was estimated as 0.78.

这里的U值和P值仅为报告格式示例,不代表前面数据实际计算得到的结果。

3.2 Wilcoxon符号秩检验

Wilcoxon Signed-Rank Test

如果Mann-Whitney U检验用于两个独立组,那么Wilcoxon符号秩检验主要用于两个配对样本。

例如,研究人员收集了20名患者接受药物治疗前后的血糖水平。由于每名患者都有两次测量,因此不能将治疗前后数据视为独立样本。

原理:不仅看变化方向,还看变化幅度

Wilcoxon符号秩检验首先计算每名受试者的差值:

\[ D_i=Y_{i,\text{after}}-Y_{i,\text{before}} \]

随后,去掉差值为零的观测值,对差值的绝对值进行排序,并重新赋予秩次。

正差值和负差值分别保留符号。

如果治疗后数据普遍下降,那么负差值对应的秩次总和可能明显大于正差值对应的秩次总和。

与单纯统计正负变化人数的符号检验(Sign Test)相比,Wilcoxon符号秩检验还利用了变化幅度的排序信息,因此在适当条件下通常具有更高的检验效能。

适用条件

  • 两次测量来自同一对象,或者研究对象经过合理配对;
  • 配对之间相互独立;
  • 差值至少能够排序;
  • 传统Wilcoxon符号秩检验要求差值分布大致对称。

最后一点非常重要。

如果配对差值明显不对称,Wilcoxon符号秩检验可能不再适合解释为差值中位数是否为零。此时可以考虑符号检验,或者根据研究设计使用其他方法。

R实现

before <- c(120, 130, 125, 140, 135)
after <- c(110, 125, 118, 130, 128)

wilcox.test(
before,
after,
paired = TRUE,
exact = FALSE,
conf.int = TRUE
)

Python实现

from scipy.stats import wilcoxon

before = [120, 130, 125, 140, 135]
after = [110, 125, 118, 130, 128]

result = wilcoxon(
before,
after,
alternative="two-sided",
method="auto"
)

print(result)

注意:不同软件对差值方向、统计量定义和零差值处理可能有所不同,不能仅凭统计量数值大小比较不同软件的输出。

SPSS与GraphPad Prism实现

SPSS:

Analyze → Nonparametric Tests → Legacy Dialogs → 2 Related Samples

选择两次测量变量,并勾选Wilcoxon。

GraphPad Prism:

使用Before-After或配对数据格式,选择Wilcoxon matched-pairs signed-rank test。

效应量与结果报告

可以报告配对差值的中位数及其四分位距,并提供Hodges-Lehmann位置估计及置信区间(当所使用的软件和方法支持时)。

另一种常用效应量是:

效应量与结果报告

其中,Z为标准化检验统计量,N为实际参与检验的有效配对数。使用时需要说明统计量的计算和符号约定。

示例:

The post-treatment glucose level was lower than the pre-treatment level (median paired difference: -8.0 mmol/L). The Wilcoxon signed-rank test showed a statistically significant change (Z = -2.45, P = 0.014).

这里的数值仅用于展示报告方式。

3.3 Kruskal-Wallis检验

Kruskal-Wallis H Test

当研究人员需要比较三个或以上独立组时,Kruskal-Wallis检验是最常见的非参数选择之一。

例如,研究人员将小鼠随机分配到对照组、低剂量组、中剂量组和高剂量组,比较不同处理下的炎症因子浓度。

传统单因素方差分析(One-way ANOVA)主要分析组间均值差异;Kruskal-Wallis检验则通过合并排序,判断各组的秩次分布是否存在差异。

原理

将所有组的数据放在一起进行排序,然后计算每组的平均秩次。

如果不同组来自相同分布,那么各组的平均秩次通常不会出现系统性差异。

Kruskal-Wallis H统计量近似服从自由度为\(k-1\)的卡方分布,其中k为组数。在存在并列秩次时,需要进行相应的校正。

适用条件

  • 至少有三个独立组;
  • 观测值相互独立;
  • 数据至少具有有序尺度;
  • 如果研究目标是比较位置参数,通常要求各组分布形状大致相似。

需要注意,Kruskal-Wallis检验只能告诉研究人员至少有一组与其他组存在差异,不能直接指出具体是哪两组。

因此,显著结果之后通常还需要进行事后多重比较。

R实现

control <- c(10, 12, 14, 15, 16)
low <- c(13, 15, 17, 18, 20)
medium <- c(18, 20, 22, 24, 25)
high <- c(25, 27, 29, 30, 32)

kruskal.test(
list(control, low, medium, high)
)

事后比较可以使用:

pairwise.wilcox.test(
c(control, low, medium, high),
factor(rep(1:4, each = 5)),
p.adjust.method = "holm"
)

这里采用Holm方法调整两两比较的P值。实际研究中,建议同时报告各组效应估计及其不确定性,而不是只报告事后比较的P值。

Python实现

from scipy.stats import kruskal

control = [10, 12, 14, 15, 16]
low = [13, 15, 17, 18, 20]
medium = [18, 20, 22, 24, 25]
high = [25, 27, 29, 30, 32]

result = kruskal(
control,
low,
medium,
high
)

print(result)

如果需要进行事后比较,可以使用scikit-posthocs中的Dunn检验:

import scikit_posthocs as sp
import pandas as pd

data = pd.DataFrame({
"value": control + low + medium + high,
"group": (
["Control"] * 5 +
["Low"] * 5 +
["Medium"] * 5 +
["High"] * 5
)
})

posthoc = sp.posthoc_dunn(
data,
val_col="value",
group_col="group",
p_adjust="holm"
)

print(posthoc)

SPSS与GraphPad Prism实现

SPSS:

Analyze → Nonparametric Tests → Legacy Dialogs → K Independent Samples

选择Kruskal-Wallis H检验,指定组别范围。

GraphPad Prism:

建立Column表,选择:

Analyze → Nonparametric tests → Kruskal-Wallis test

并根据需要选择Dunn's multiple comparisons test。

效应量与结果报告

Kruskal-Wallis检验常见的效应量包括基于H统计量计算的epsilon-squared(ε²)等指标。

一种常见估计形式为:

效应量与结果报告

其中,H为Kruskal-Wallis统计量,k为组数,N为总样本量。

需要注意,文献中存在不同的效应量定义和有限样本校正方式,报告时应注明具体计算方法。

示例:

A significant difference in inflammatory marker levels was observed among the four groups (Kruskal-Wallis H = XX, df = 3, P = 0.003, ε² = 0.35). Dunn's post hoc test with Holm adjustment indicated differences between the control and high-dose groups.

不要仅凭Kruskal-Wallis检验显著,就直接宣称高剂量组显著优于其他所有组。

3.4 Friedman检验

Friedman Test

Friedman检验主要用于三个或以上相关样本的比较,是重复测量数据中非常重要的非参数方法。

例如,同一批患者分别在治疗前、第4周和第8周检测某项炎症指标。

由于每个患者都提供三次测量结果,因此三组数据之间并不独立。

原理

Friedman检验的核心是对每个受试者内部的测量值进行排序。

假设有20名患者,每名患者都有三个时间点的检测值。研究人员分别对每位患者的三个测量值进行排序,然后比较不同时间点的平均秩次。

如果三个时间点的指标分布没有系统性差异,那么它们的平均秩次通常不会明显不同。

这种方法可以控制受试者之间相对稳定的个体差异,因此非常适合部分重复测量研究。

适用条件

  • 三个或以上相关条件;
  • 受试者或实验单位之间相互独立;
  • 每个实验单位都具有相应条件下的完整测量;
  • 数据至少可以排序。

标准Friedman检验通常要求完整的区组数据。如果存在较多缺失测量,不能简单地把缺失值删除后仍然按照原来的设计解释结果。

R实现

data <- data.frame(
time1 = c(10, 12, 15, 13, 14),
time2 = c(8, 11, 13, 12, 10),
time3 = c(6, 9, 10, 8, 9)
)

friedman.test(
as.matrix(data)
)

Python实现

from scipy.stats import friedmanchisquare

time1 = [10, 12, 15, 13, 14]
time2 = [8, 11, 13, 12, 10]
time3 = [6, 9, 10, 8, 9]

result = friedmanchisquare(
time1,
time2,
time3
)

print(result)

SPSS与GraphPad Prism实现

SPSS:

Analyze → Nonparametric Tests → Legacy Dialogs → K Related Samples

选择Friedman检验。

GraphPad Prism:

将每名受试者的重复测量放在同一行,选择:

Analyze → Nonparametric tests → Friedman test

如果总体检验显著,可以进一步进行配对事后比较,并使用Holm等方法控制多重比较。

效应量

Friedman检验常报告Kendall's W(Kendall's coefficient of concordance),用于反映不同处理条件之间的秩次差异程度。

其取值通常在0~1之间,数值越大,表示处理条件之间的秩次差异越明显。

常见表达形式为:

效应量

其中,Q为经过适当处理的Friedman统计量,N为区组数,k为处理条件数。具体计算应注意并列秩次校正。

3.5 Spearman秩相关分析

Spearman's Rank Correlation

在生物医学研究中,研究人员经常需要分析两个变量之间是否存在关联。

例如:

  • 炎症因子浓度与疾病严重程度;
  • 年龄与某项生物标志物;
  • 肿瘤分级与蛋白表达水平;
  • 环境污染水平与植物生长指标。

如果变量不满足Pearson相关分析所需要的适当条件,或者研究关注的是单调关系(Monotonic Relationship),可以考虑Spearman相关分析。

原理

Spearman相关分析并不直接计算原始数据之间的线性相关,而是先将两个变量分别转换为秩次,再计算秩次之间的相关性。

其取值范围为-1至+1:

  • +1:完全正向单调关联;
  • -1:完全负向单调关联;
  • 0:没有明显的秩相关。

需要特别注意,Spearman相关可以识别非线性但单调的关系,却不能充分反映非单调关系。

例如,两个变量呈现U形关系时,即使存在明显的统计关联,Spearman相关系数也可能接近零。

R实现

x <- c(10, 20, 30, 40, 50, 60)
y <- c(15, 25, 28, 45, 55, 70)

cor.test(
x,
y,
method = "spearman",
exact = FALSE
)

Python实现

from scipy.stats import spearmanr

x = [10, 20, 30, 40, 50, 60]
y = [15, 25, 28, 45, 55, 70]

result = spearmanr(x, y)

print("Spearman rho:", result.statistic)
print("P value:", result.pvalue)

SPSS与GraphPad Prism实现

SPSS:

Analyze → Correlate → Bivariate

选择Spearman,并根据研究目的选择双侧或单侧检验。

GraphPad Prism:

建立XY数据表,选择:

Analyze → Correlation

选择Spearman correlation。

结果报告

建议报告Spearman相关系数、P值、样本量及置信区间。

例如:

Spearman's rank correlation analysis showed a positive association between inflammatory marker levels and disease severity (ρ = 0.68, P = 0.002, n = 20).

这里的相关系数表示关联强度和方向,不代表因果关系。

如果需要控制年龄、性别、疾病分期等混杂因素,可以考虑多变量回归或其他适合有序、非正态数据的模型,而不是仅依靠Spearman相关。

3.6 Kendall's tau相关分析

Kendall's Rank Correlation Coefficient

Kendall's tau与Spearman相关都属于秩相关方法,但两者的计算思想不同。

Spearman相关主要比较两个变量的秩次之间的相关程度,而Kendall's tau主要考虑观测值两两组合之后是否具有一致的排序。

例如,研究人员比较患者的疾病严重程度与生活质量评分。

对于任意两名患者,如果患者A的疾病严重程度高于患者B,同时A的生活质量评分也高于B,那么这对观测属于一致对(Concordant Pair)。

如果两个变量的排序方向相反,则属于不一致对(Discordant Pair)。

Kendall's tau根据一致对和不一致对的数量计算相关程度。

常见的Kendall's tau-b还会对并列秩次进行校正,因此在存在大量相同评分时具有实际价值。

适用场景

  • 样本量相对较小;
  • 数据属于有序分类变量;
  • 观测值存在较多并列秩次;
  • 研究关注两个变量的排序一致性。

R实现

cor.test(
x,
y,
method = "kendall",
exact = FALSE
)

Python实现

from scipy.stats import kendalltau

result = kendalltau(
x,
y,
variant="b"
)

print(result)

结果解读

Kendall's tau取值范围为-1至+1。

正值表示两个变量倾向于具有相同的排序方向,负值表示倾向于相反的排序方向。

与Spearman相关相比,Kendall's tau的数值通常不完全相同,因此不能直接把两种相关系数的大小进行机械比较。

论文中应明确报告使用的是tau-a、tau-b还是其他变体。

四、超越传统秩检验:Bootstrap与Permutation Test

如果研究人员只掌握Mann-Whitney、Wilcoxon和Kruskal-Wallis几种方法,就会错过非参数统计学中非常重要的一部分。

在现代科研数据分析中,重抽样方法(Resampling Methods)已经成为估计置信区间、进行统计推断和验证研究结论的重要工具。

4.1 Bootstrap:通过重复抽样估计不确定性

Bootstrap Method

Bootstrap由Bradley Efron在1979年系统提出,是一种重要的重抽样统计方法。

它的核心思想非常直观:

如果我们只有一份研究样本,能否通过反复从这份样本中抽取数据,模拟统计量在重复抽样条件下可能出现的变化?

Bootstrap就是利用这种思路估计统计量的抽样分布。

原理

假设某项研究纳入30名患者,研究人员希望估计某项炎症指标的中位数。

传统方法可能只计算一次样本中位数。

Bootstrap则从这30个观测值中进行有放回抽样,每次重新抽取30个观测值,计算一次中位数。

重复这一过程数千次,就可以得到数千个Bootstrap中位数。

这些中位数形成经验抽样分布,可以进一步用于估计标准误和置信区间。

超越传统秩检验

Bootstrap有哪些常见类型?

科研中常见的Bootstrap方法包括:

  • Percentile Bootstrap:直接使用Bootstrap统计量分布的相应分位数构造置信区间。
  • Basic Bootstrap:根据Bootstrap统计量相对于原始估计值的偏差构造区间。
  • BCa Bootstrap:对偏倚(Bias)和加速度(Acceleration)进行调整,通常可以改善部分情形下的区间覆盖表现。
  • Parametric Bootstrap:从指定的参数模型中模拟数据。它属于参数重抽样,并不等同于非参数Bootstrap。

对于常见的非参数Bootstrap,抽样时通常以原始观测值的经验分布作为近似总体分布。

R实现

library(boot)

data <- c(
10, 12, 13, 15, 18,
20, 22, 24, 25, 30
)

median_fun <- function(data, indices) {
median(data[indices])
}

result <- boot(
data = data,
statistic = median_fun,
R = 5000
)

boot.ci(
result,
type = c("perc", "bca")
)

Python实现

import numpy as np
from scipy.stats import bootstrap

data = np.array([
10, 12, 13, 15, 18,
20, 22, 24, 25, 30
])

result = bootstrap(
(data,),
np.median,
n_resamples=5000,
confidence_level=0.95,
method="BCa",
random_state=np.random.default_rng(42)
)

print("95% CI:", result.confidence_interval)

Bootstrap的典型应用场景

在生物医学研究中,我比较推荐以下应用:

  • 估计中位数、四分位数及其置信区间;
  • 估计两组中位数差异或均值差异;
  • 估计相关系数的置信区间;
  • 评估回归模型中复杂统计量的不确定性;
  • 估计ROC曲线下面积(AUC)的置信区间。

但需要特别注意:Bootstrap不能凭空创造样本信息。如果原始研究只有8个独立实验单位,重复抽样10000次并不意味着研究真正拥有了10000个独立样本。

对于重复测量和聚类数据,应当以正确的独立抽样单位进行重抽样。例如,多个细胞来自同一只小鼠时,不能把每个细胞都当成完全独立的实验单位。可以根据实验设计采用Cluster Bootstrap或其他分层重抽样策略。

4.2 Permutation Test:通过随机置换检验组间差异

Permutation Test / Randomization Test

Permutation test是另一种非常重要的非参数推断方法。

与Bootstrap主要用于估计统计量的不确定性不同,Permutation test主要通过构造零假设下的随机化分布,判断观察到的统计量是否足够极端。

原理

假设研究人员比较两组药物处理后的细胞活性。

A组:12、15、18、20、25

B组:8、10、11、13、16

如果零假设成立,且实验设计允许组别标签在观测值之间交换,那么在零假设下,重新分配组别标签不应系统性改变两组之间的差异。

因此,可以将所有数据合并,随机打乱组别标签,再重新计算两组均值差。

重复这一过程数千次,就可以得到零假设下的统计量分布。

如果原始观察到的差异位于这个分布的极端区域,则说明在零假设成立时,出现如此大差异的可能性较低。

R实现

可以使用coin包进行置换检验:

library(coin)

data <- data.frame(
value = c(12, 15, 18, 20, 25,
8, 10, 11, 13, 16),
group = factor(
rep(c("A", "B"), each = 5)
)
)

independence_test(
value ~ group,
data = data,
distribution = approximate(
B = 10000
)
)

Python实现

import numpy as np
from scipy.stats import permutation_test

A = np.array([12, 15, 18, 20, 25])
B = np.array([8, 10, 11, 13, 16])

def mean_difference(x, y):
return np.mean(x) - np.mean(y)

result = permutation_test(
(A, B),
mean_difference,
permutation_type="independent",
n_resamples=10000,
alternative="two-sided",
random_state=np.random.default_rng(42)
)

print("Observed difference:", result.statistic)
print("P value:", result.pvalue)

这里使用均值差作为检验统计量。研究者也可以选择中位数差、秩统计量或其他与科学问题匹配的统计量。

什么时候使用Permutation Test?

  • 随机对照实验中的两组比较;
  • 小样本研究;
  • 传统参数检验的分布假设难以满足;
  • 研究人员希望检验特定统计量是否偏离随机化预期;
  • 需要构造适合实验设计的随机化检验。

一个必须理解的前提:可交换性

Permutation test并不是简单地把所有数据随机打乱就能使用。

对于独立组设计,组别标签的置换需要符合零假设下的可交换性条件。对于配对实验,通常需要在每个受试者内部进行相应的标签交换或差值符号翻转。

如果存在明显的批次效应、分层随机化、聚类结构或其他限制,就必须按照原始实验设计进行置换。

例如,某项实验分为三个批次,每个批次内分别设置处理组和对照组。此时如果直接将所有观测值混在一起随机置换,可能破坏批次结构。更合理的做法是在批次内进行受限置换,或者使用能够处理相关结构的模型。

五、非参数估计与回归:核密度估计和局部回归

非参数方法并不只是检验P值。很多时候,科研人员更需要了解数据的真实分布形态,或者探索两个变量之间是否存在非线性关系。

这时,核密度估计和局部回归就具有实际价值。

5.1 核密度估计(Kernel Density Estimation,KDE)

核密度估计是一种非参数概率密度估计方法。

传统直方图将数据划分为若干区间,再统计每个区间内的观测数量。但直方图的形状会受到区间宽度和起始位置影响。

KDE则利用一个平滑核函数,将每个观测值扩展为一个局部密度贡献,再将所有贡献叠加,得到连续的概率密度曲线。

常见的核函数包括Gaussian Kernel(高斯核)。

其基本表达式为:

核密度估计

其中:

  • n为样本量;
  • h为带宽(Bandwidth);
  • K为核函数;
  • Xi为原始观测值。

这里最重要的参数其实是带宽。

带宽太小,曲线可能出现大量细碎波动,看起来像有许多峰值;带宽太大,真实存在的分布结构又可能被过度平滑。

因此,不能只为了让图形看起来漂亮,就随意调整带宽。

典型科研应用

  • 比较不同治疗组的生物标志物分布;
  • 观察细胞大小或表达水平的分布形态;
  • 研究生态学中物种丰度或环境指标的分布;
  • 探索临床患者年龄、炎症指标等连续变量的分布特征。

R实现

x <- c(
10, 12, 13, 15, 18,
20, 22, 24, 25, 30
)

density_result <- density(
x,
bw = "nrd0",
kernel = "gaussian"
)

plot(
density_result,
main = "Kernel Density Estimation",
xlab = "Measurement"
)

Python实现

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde

x = np.array([
10, 12, 13, 15, 18,
20, 22, 24, 25, 30
])

kde = gaussian_kde(x)

grid = np.linspace(
x.min() - 5,
x.max() + 5,
300
)

plt.plot(grid, kde(grid))
plt.xlabel("Measurement")
plt.ylabel("Density")
plt.title("Kernel Density Estimation")
plt.show()

结果解读与注意事项

KDE曲线可以帮助研究人员观察数据是否存在偏态、长尾或多峰结构,但它不能直接证明总体存在多个真实亚群。

特别是在小样本研究中,单个异常值就可能明显影响密度曲线。

此外,标准高斯核密度估计对边界问题比较敏感。例如,细胞比例、概率或某些生物学指标只能取正值,但高斯核平滑可能在零以下产生非零密度。对于有明确边界的数据,应考虑边界校正、变量变换或其他合适的密度估计方法。

5.2 局部回归(LOESS / LOWESS)

传统线性回归假设自变量与因变量之间可以用直线描述。

然而,科研中很多变量之间并不存在简单的线性关系。

例如:

  • 年龄与某项激素水平;
  • 药物剂量与细胞存活率;
  • 温度与植物生长速率;
  • 疾病进展时间与炎症指标;
  • 环境污染水平与生态系统多样性。

如果直接拟合线性回归,可能忽略真实存在的弯曲趋势。

LOESS(Locally Estimated Scatterplot Smoothing)和LOWESS(Locally Weighted Scatterplot Smoothing)通过局部加权回归估计变量之间的关系。

原理

假设研究人员收集了药物浓度与细胞活性数据。

LOESS不会要求所有数据都符合一条统一的直线,而是在每个待估计位置附近选择一部分观测值,根据距离赋予不同权重,再进行局部回归。

距离越近的观测值通常具有更高权重,距离较远的观测值权重较低。

通过在整个自变量范围内重复这个过程,就能形成一条平滑曲线。

关键参数:Span

Span表示每次局部拟合使用的数据比例。

  • Span较小:曲线更加灵活,可能出现过度拟合;
  • Span较大:曲线更加平滑,但可能掩盖局部变化。

因此,Span的选择应结合数据量、研究目的和交叉验证等方法,而不是单纯依赖视觉效果。

R实现

x <- c(1, 2, 3, 4, 5, 6, 7, 8)
y <- c(95, 90, 80, 65, 50, 35, 25, 20)

fit <- loess(
y ~ x,
span = 0.75
)

plot(
x, y,
pch = 16,
xlab = "Drug concentration",
ylab = "Cell viability"
)

lines(
sort(x),
predict(fit, newdata = data.frame(
x = sort(x)
))
)

Python实现

import numpy as np
import matplotlib.pyplot as plt
from statsmodels.nonparametric.smoothers_lowess import lowess

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([95, 90, 80, 65, 50, 35, 25, 20])

result = lowess(
y,
x,
frac=0.75,
return_sorted=True
)

plt.scatter(x, y)
plt.plot(result[:, 0], result[:, 1])

plt.xlabel("Drug concentration")
plt.ylabel("Cell viability")
plt.show()

结果解读

LOESS可以用于描述数据中的局部变化趋势,但它本身并不能自动提供因果解释,也不等于完成了正式的回归假设检验。

在正式论文中,如果研究人员希望比较不同组的趋势,或者对曲线差异进行统计推断,还需要使用Bootstrap、适当的置换方法或其他模型。

对于外推(Extrapolation),LOESS尤其需要谨慎,因为它主要依赖观测数据附近的信息,不适合直接预测远离现有数据范围的结果。

六、Non-Parametric vs Parametric:如何选择合适的统计方法?

前面介绍了多种非参数方法,但真正开展科研分析时,最重要的不是记住所有检验的名称,而是能够根据研究设计和数据结构作出合理判断。

我通常建议研究人员按照以下顺序进行判断。

6.1 根据研究设计确定样本关系

这是最容易犯错、也最应该优先考虑的问题。

根据研究设计确定样本关系

例如,研究人员比较三个不同治疗方案对患者炎症指标的影响。如果三个治疗组由不同患者组成,可以考虑Kruskal-Wallis检验;如果是同一批患者依次接受三个治疗方案,则应该考虑Friedman检验或其他能够处理重复测量的模型。

这两个检验虽然都用于三个及以上条件的比较,但对应的研究设计完全不同。

6.2 判断研究真正关注的统计量

这是第二个关键问题。

在实际工作中,我经常发现研究人员只关注数据是否服从正态分布,却没有认真考虑自己到底希望比较什么。

例如:

  • 如果研究目标是比较两组平均血糖水平,Welch t检验可能更合适;
  • 如果研究目标是比较两组分布的位置差异,Mann-Whitney U可能合适;
  • 如果研究目标是比较两组中位数,可以考虑针对中位数的检验或相应的分位数回归;
  • 如果研究目标是分析患者治疗前后的变化,可以使用配对t检验、Wilcoxon符号秩检验或适当的纵向模型;
  • 如果研究目标是分析变量之间的非线性关系,则可以考虑LOESS、广义加性模型(Generalized Additive Models,GAM)等。

不要因为某种非参数方法使用方便,就让统计方法反过来决定研究问题。

6.3 判断参数模型假设是否合理

在分析连续型数据时,我通常建议:

  • 检查数据分布和异常值;
  • 结合实验设计检查独立性;
  • 关注方差是否存在明显差异;
  • 判断参数模型对研究问题是否具有合理的科学解释;
  • 必要时使用残差诊断,而不是只检查原始数据是否正态。

例如,两组连续型数据不满足正态分布,但样本量较大且研究目标是比较均值,Welch t检验可能仍然是合理选择。

相反,即使数据看起来接近正态分布,如果研究指标本身是有序等级,使用普通均值比较也未必恰当。

6.4 一个更实用的统计分析决策流程

一个更实用的统计分析决策流程

需要说明,这个流程不是要求所有研究都必须经过某个正态性检验后才能进入下一步,而是强调从研究设计、变量类型和目标估计量出发选择方法。

七、非参数分析中的样本量、检验效能与多重比较

很多研究人员认为,非参数检验不依赖正态分布,因此对样本量没有特别要求。这是一个非常危险的认识。

事实上,Non-Parametric analysis同样需要充分考虑样本量、检验效能和多重比较。

7.1 非参数检验是否适合小样本?

答案是:可以,但需要谨慎。

非参数检验在小样本研究中具有实际价值,尤其是当数据明显偏态、测量尺度有限或存在难以合理建模的分布结构时。

但小样本会带来几个问题:

  • 统计效能(Statistical Power)可能不足;
  • 精确P值可能比较粗糙;
  • 置信区间可能较宽;
  • 效应量估计可能不稳定;
  • 异常值对研究结论仍然可能产生重要影响。

例如,一项动物实验每组只有5只小鼠。即使处理组的检测指标明显低于对照组,Mann-Whitney U检验也可能无法达到P小于0.05。

这并不意味着药物一定无效,而是说明当前样本提供的统计证据不足以排除零假设。

另外,精确检验也不意味着样本量越小越容易得到显著结果。精确P值受可实现的随机排列数量限制,极小样本下甚至可能无法达到研究者预先设定的显著性水平。

7.2 如何进行非参数检验的样本量估算?

样本量估算应该在研究设计阶段完成,而不是分析结束后再补充解释。

非参数检验的样本量估算需要考虑:

  • 预期效应量(Expected Effect Size);
  • 显著性水平(Significance Level);
  • 目标检验效能(Power);
  • 组间样本量比例;
  • 数据分布形态;
  • 并列秩次的比例;
  • 研究设计及缺失数据比例。

例如,对于Mann-Whitney U检验,可以通过预期概率优势来描述效应量:

𝑃(𝑋>𝑌)

⁠这里的X和Y分别代表从两组总体中随机抽取的观测值。若该概率为0.5,表示不存在方向上的概率优势;偏离0.5则意味着存在一定程度的随机优势。

在确定预期效应量后,可以使用统计软件进行模拟功效分析。

R中可以使用coin等包配合自定义模拟程序,Python中可以通过Monte Carlo simulation模拟不同样本量下的检验结果。

对于Friedman检验、Permutation test和复杂重复测量设计,模拟法往往比直接套用简单公式更加可靠。

GraphPad Prism也提供非参数检验的样本量相关指导,但其估算仍然依赖对预期总体分布和效应量的假设。换句话说,非参数检验本身可以不指定某个参数分布,但研究设计阶段仍然需要对数据生成过程作出合理假设。

7.3 如何处理多重比较问题?

这是Kruskal-Wallis和Friedman检验之后经常遇到的问题。

假设研究人员比较四个治疗组,进行所有两两比较:

  • A组 vs B组;
  • A组 vs C组;
  • A组 vs D组;
  • B组 vs C组;
  • B组 vs D组;
  • C组 vs D组。

一共需要进行6次比较。

如果每次都使用0.05作为显著性水平,那么整体第一类错误率(Family-wise Error Rate,FWER)可能明显增加。

因此,需要根据研究目的选择多重比较校正方法。

第一类错误率

需要特别注意,Dunn检验本身并不意味着已经完成多重比较校正。还需要根据具体实现指定Bonferroni、Holm等调整方法。

在R中:

pairwise.wilcox.test(
values,
groups,
p.adjust.method = "holm"
)

如果需要控制大量探索性检验的FDR:

p.adjust(
p_values,
method = "BH"
)

对于多个预先设定的主要比较,建议在研究方案中提前明确比较对象和校正策略,而不是在看到结果之后再选择最容易得到显著结果的方法。

7.4 不要只报告P值

这是我在论文审阅中经常提醒年轻科研人员的一点。

统计学显著性并不等于实际科学意义。

例如,某项临床研究发现两组患者的炎症指标存在统计学差异,P=0.003。但如果两组之间的实际差异非常小,而且远低于临床上有意义的变化幅度,那么这个结果未必具有重要的临床价值。

相反,一项小样本研究可能发现明显的组间差异,但由于置信区间很宽,P值没有达到0.05。这时也不能简单地得出两组完全没有差异的结论。

美国统计学会(American Statistical Association,ASA)关于P值的声明明确指出,P值不能衡量效应大小,也不应该成为科学结论的唯一依据。

对于非参数分析,建议尽可能同时报告:

  • 样本量;
  • 中位数及四分位距;
  • 组间差异的估计值;
  • 效应量;
  • 95%置信区间;
  • 检验统计量和P值;
  • 多重比较校正方法。

八、科研论文中非参数方法最常见的8个错误

从实际科研分析和论文审阅经验来看,非参数方法本身并不复杂,真正容易出现问题的是方法选择和结果解释。

下面这些问题尤其值得注意。

错误1:只要正态性检验P小于0.05,就必须使用非参数检验

这是非常常见的机械化分析思路。

Shapiro-Wilk检验主要用于评估数据与正态分布之间是否存在不一致证据,但其结果受样本量影响。

样本量很大时,轻微偏离正态分布也可能得到显著P值;样本量很小时,即使分布存在明显偏态,也可能无法检出。

正确做法是结合直方图、Q-Q图、异常值情况、研究设计和模型残差综合判断。

错误2:将Mann-Whitney U检验直接解释为中位数比较

这是审稿人经常指出的问题。

Mann-Whitney U检验检验的是分布层面的差异。在两组分布形状相近的情况下,可以进一步解释为位置差异。

如果两组分布形状、离散程度和偏态程度明显不同,就不能直接把结果解释为中位数存在差异。

建议在论文中明确说明研究检验的是两组分布差异,还是在共同形状假设下的位置差异。

错误3:将独立样本和配对样本混淆

例如,研究人员比较同一批患者治疗前后的炎症指标,却使用Mann-Whitney U检验。

这忽略了同一患者两次测量之间的相关性。

正确做法是使用Wilcoxon符号秩检验,或者根据研究设计选择配对参数模型及纵向数据模型。

对于三个及以上重复测量条件,也不能直接使用Kruskal-Wallis检验替代Friedman检验。

错误4:将非参数检验理解为不需要任何假设

这是一个概念性错误。

例如,Wilcoxon符号秩检验对差值分布的对称性有要求;Kruskal-Wallis检验若要解释为位置差异,通常需要各组分布形状相似;Permutation test则需要满足可交换性等条件。

不检查这些前提,就可能得到统计上正确计算、但科学解释不成立的结果。

错误5:只报告中位数和P值

例如:

The difference was statistically significant (P = 0.02).

这种写法无法让读者了解差异究竟有多大。

更合理的报告方式是:

The median value was 25 (IQR: 20–30) in group A and 15 (IQR: 12–19) in group B. The Mann-Whitney U test indicated a significant difference (P = 0.02).

如果条件允许,还应报告效应量及95%置信区间。

错误6:Kruskal-Wallis显著后,没有进行事后比较

Kruskal-Wallis只能说明至少有一组与其他组存在分布差异,不能直接确定差异来自哪两个组。

如果研究目标是比较各个处理组,需要进一步进行适当的事后比较,并处理多重检验问题。

错误7:把Bootstrap重复次数当成实际样本量

例如,原始研究只有20名患者,研究人员进行10000次Bootstrap抽样,就在论文中写成拥有10000个样本。

这是错误的。

Bootstrap重复次数表示计算机重复抽样的次数,并不代表独立研究对象数量增加了。

研究实际样本量仍然是20名患者。

错误8:忽略实验单位与伪重复问题

这是生物医学和生态学研究中特别值得关注的问题。

例如,一项动物实验使用5只小鼠,每只小鼠检测了100个细胞。研究人员如果将500个细胞全部视为独立样本进行Mann-Whitney U检验,就可能严重低估标准误。

因为实验单位实际上是小鼠,而不是每一个细胞。

同样的问题也会出现在:

  • 同一患者采集多个组织切片;
  • 同一动物测量多个器官;
  • 同一生态样地采集多个样方;
  • 同一培养皿检测多个视野。

这种情况通常需要考虑层级模型、混合效应模型、聚类稳健推断或以实验单位为基础的重抽样方法,而不是简单使用普通非参数检验。

九、如何在论文Methods和Results部分规范报告非参数分析?

对于准备向SCI期刊投稿的研究人员而言,选择正确的统计方法只是第一步,还需要在论文中清楚说明分析过程。

9.1 Methods部分应该写什么?

建议包含以下信息:

  • 数据类型及描述方式;
  • 选择非参数方法的统计学依据;
  • 使用的具体检验方法;
  • 是否进行精确检验或渐近检验;
  • 是否进行了多重比较校正;
  • 使用的软件及版本;
  • 显著性水平;
  • 效应量及置信区间的计算方法。

例如,两个独立组的比较可以这样写:

Continuous variables were summarized as medians and interquartile ranges (IQRs). Differences between two independent groups were assessed using the Mann-Whitney U test. For comparisons involving more than two independent groups, the Kruskal-Wallis test followed by Dunn's post hoc test with Holm adjustment was applied. Associations between continuous or ordinal variables were evaluated using Spearman's rank correlation coefficient. Effect sizes and 95% confidence intervals were reported where appropriate. All statistical analyses were performed using R software (version X.X.X), and a two-sided P value of less than 0.05 was considered statistically significant.

这是一段通用示例,正式投稿时需要根据实际分析内容调整,不能把没有执行的事后比较、效应量计算或置信区间估计写进去。

9.2 Results部分应该如何写?

建议避免只报告P值,而是将描述性统计、检验结果和效应量结合起来。

例如:

The inflammatory marker levels differed significantly between the treatment and control groups. The median level was 15.2 (IQR: 12.4–18.6) in the treatment group, compared with 23.5 (IQR: 18.2–29.1) in the control group. The Mann-Whitney U test indicated a statistically significant difference (U = XX, P = 0.004). The estimated probability of superiority was 0.76, suggesting that values in the control group tended to be higher than those in the treatment group.

这里的数值用于展示写作结构,正式论文中应使用真实计算结果,并确保效应量方向与组别定义一致。

9.3 图表应该如何呈现?

对于非参数分析,建议根据数据类型和研究问题选择合适的图形。

箱线图(Box Plot)

箱线图(Box Plot)

适合展示中位数、四分位数和数据分布范围。

小提琴图(Violin Plot)

小提琴图(Violin Plot)

适合展示分布形态,建议叠加原始数据点。

蜂群图(Beeswarm Plot)

蜂群图(Beeswarm Plot)

适合小样本研究,能够展示每个独立观测值。

密度曲线(Density Plot)

密度曲线(Density Plot)

适合展示连续变量的整体分布形态。

对于每组只有5~10个实验单位的动物实验,我通常更建议展示全部原始数据点,而不是只给出一个箱线图。

因为在小样本研究中,单纯展示中位数和四分位距可能掩盖个体之间的重要差异。

此外,图中的误差线需要明确说明代表的是SD、SE、IQR还是置信区间。不同统计量不能混为一谈。

十、针对中国科研人员常见数据特点的实用建议

在国内高校和科研院所的研究项目中,有几类数据问题出现得特别频繁。非参数方法能够解决其中一部分问题,但不同场景需要采取不同策略。

10.1 动物实验:每组样本量较小

例如,研究人员使用小鼠建立炎症模型,设置对照组、模型组和药物干预组,每组只有6只小鼠。

建议:

  • 保留每只小鼠的原始检测数据;
  • 先检查数据分布和异常值;
  • 根据独立实验设计考虑Kruskal-Wallis检验;
  • 如果总体检验显著,进一步进行Dunn事后比较;
  • 报告中位数、IQR、效应量和置信区间;
  • 在研究设计阶段进行样本量和检验效能评估。

如果每只小鼠采集多个组织样本或检测多个细胞,应考虑实验单位和数据层级,避免伪重复。

另外,小样本下建议谨慎解释P值。即使某组的中位数明显低于其他组,也不代表已经获得充分的统计学证据。

10.2 临床研究:生物标志物明显偏态

临床研究中的CRP、IL-6、TNF-α和部分肿瘤标志物经常呈现右偏分布。

例如,研究人员比较不同疾病分期患者的IL-6水平。

可以考虑:

  • 使用中位数和IQR描述数据;
  • 使用Kruskal-Wallis检验比较多个独立疾病分期;
  • 使用Spearman相关分析疾病分期与IL-6水平的单调关联;
  • 使用Bootstrap估计中位数或相关系数的置信区间;
  • 如果需要控制年龄、性别和合并症等混杂因素,进一步建立适当的多变量模型。

这里特别提醒:非参数检验主要用于未调整的组间比较。如果临床研究需要调整多个混杂因素,不能简单地用Kruskal-Wallis替代多变量分析。

10.3 心理学研究:问卷和Likert量表

心理学和行为科学研究经常使用1~5分或1~7分的Likert量表。

对于单个Likert条目,其数据属于有序分类数据,相邻分值不一定具有相等的间距。

如果比较两个独立组,可以考虑Mann-Whitney U检验;如果比较同一受试者干预前后的评分,可以考虑Wilcoxon符号秩检验。

如果需要分析多个潜变量、测量误差和复杂的量表结构,则可以考虑有序分类数据的因子分析、结构方程模型等方法。

需要注意,多个Likert条目合成的量表总分,与单个Likert条目并不完全相同。是否可以使用参数方法,应结合量表结构、分布和测量学依据判断。

10.4 生态学研究:样本之间存在空间或时间相关性

生态学研究经常涉及:

  • 不同地点的物种多样性;
  • 不同季节的植物生长指标;
  • 不同海拔的土壤微生物丰度;
  • 不同环境条件下的生态系统变化。

这类数据可能存在空间自相关(Spatial Autocorrelation)和时间自相关(Temporal Autocorrelation)。

例如,相邻样地的物种组成可能高度相似。如果直接使用普通Kruskal-Wallis检验,就可能忽略样地之间的空间依赖性。

因此,研究人员需要根据实际设计考虑空间统计模型、广义加性模型、分层模型或受限置换检验。

对于群落生态学研究,PERMANOVA(Permutational Multivariate Analysis of Variance)也是非常重要的方法,但需要检查组间离散程度是否存在差异,因为显著结果不一定完全来自组中心位置差异。

十一、R、Python、SPSS和GraphPad:应该选择哪种软件?

对于需要长期从事科研数据分析的研究人员,我建议至少熟悉一种能够进行程序化分析的软件,同时掌握一种方便快速完成基础统计分析的工具。

四种常见软件各有优势。

R、Python、SPSS和GraphPad:应该选择哪种软件

R:适合深入学习统计方法

R的优势在于统计分析功能非常丰富。

常用函数和扩展包包括:

适合深入学习统计方法

这些功能大多可以直接使用R的基础统计包完成。需要更灵活的精确检验、置换检验或复杂模型时,再选择相应扩展包。

官方资源:

Python:适合数据处理与统计分析结合

Python特别适合需要处理大量实验数据、自动化分析流程和整合机器学习工具的研究人员。

常用库包括:

  • scipy.stats:常见统计检验和相关分析;
  • statsmodels:统计建模和局部回归;
  • numpy:数值计算;
  • pandas:数据整理;
  • scikit-posthocs:非参数事后比较;
  • matplotlib:科研绘图。

官方资源:

SPSS:适合基础非参数检验

SPSS对于不熟悉编程的科研人员比较友好。

常见操作包括:

  • 两个独立样本:2 Independent Samples;
  • 两个配对样本:2 Related Samples;
  • 多个独立样本:K Independent Samples;
  • 多个相关样本:K Related Samples;
  • 相关分析:Bivariate Correlations。

SPSS的新版本还提供独立样本和相关样本的非参数分析界面,可以根据研究目标选择检验方法。

GraphPad Prism:适合生物医学实验数据

GraphPad Prism在生命科学研究中使用非常广泛,尤其适合:

  • 细胞实验;
  • 动物实验;
  • 药物剂量反应研究;
  • 生物标志物组间比较;
  • 重复测量实验。

其统计分析界面可以根据数据是否配对、组数以及分布假设,帮助研究人员选择Mann-Whitney、Wilcoxon、Kruskal-Wallis和Friedman等方法。

官方资源:GraphPad Prism Statistics Guide: Nonparametric Tests

十二、进一步学习Non-Parametric Methods:值得阅读的经典资料

如果希望真正掌握非参数统计学,而不是只会调用软件函数,我建议从统计学经典教材和官方软件文档入手。

以下资料比较值得推荐。

1. Nonparametric Statistical Methods

作者:My​les Hollander、Douglas A. Wolfe、Eric Chicken。

这是非参数统计学领域非常经典的教材,系统介绍秩检验、相关分析和其他非参数统计方法。适合具有一定统计基础、希望深入理解方法原理的研究人员。

2. The Bootstrap and Edgeworth Expansion

作者:Peter Hall。

该书对Bootstrap方法及其统计理论进行了系统讨论,适合希望深入理解重抽样统计学的读者。

3. An Introduction to Statistical Learning

作者:Gareth James等。

这本书主要介绍统计学习方法,但其中的非线性模型、平滑方法和模型评估内容,对于理解LOESS、非参数估计和现代数据分析很有帮助。

4. SciPy和R官方统计文档

对于已经开始使用R或Python的研究人员,我更建议结合官方文档学习。特别是不同函数对于并列秩次、精确P值、连续性校正、缺失数据和置信区间的处理,往往存在值得注意的实现差异。

另外,可以阅读美国统计学会关于P值的声明:

The ASA Statement on p-Values: Context, Process, and Purpose

这份声明有助于理解为什么统计显著性不能代替效应量、置信区间和科学解释。

掌握非参数方法,关键是理解数据背后的统计问题

Non-Parametric Methods是科研数据分析中不可缺少的一类工具。

从最常见的Mann-Whitney U检验、Wilcoxon符号秩检验,到Kruskal-Wallis、Friedman和Spearman相关分析,再到Bootstrap、Permutation test、核密度估计和LOESS,这些方法分别解决了不同类型的数据分析问题。

对于中国科研人员而言,尤其是在小样本动物实验、临床生物标志物研究、心理量表分析和生态学调查中,熟练掌握非参数方法具有很强的实际价值。

但我想特别强调一点:真正专业的统计分析,不是看到数据不服从正态分布就换成非参数检验,而是能够根据研究设计、变量类型和科学问题,选择具有合理统计学依据的方法。

一篇高质量的SCI论文,不仅需要报告P值,还应该清楚呈现效应量、置信区间、样本量和分析假设。研究人员也应该明确区分统计显著性与实际科学意义,避免将某个检验结果过度解释为因果关系或临床获益。

如果正在准备一篇涉及非正态数据、小样本比较、重复测量或相关性分析的SCI论文,建议进一步学习以下主题:

  • Non-Parametric vs Parametric Tests:参数与非参数方法如何选择;
  • Statistical Power Analysis:如何进行非参数检验的样本量估算;
  • Bootstrap Confidence Intervals:如何估计非参数置信区间;
  • Multiple Comparisons:如何正确处理多重比较;
  • Robust Statistical Methods:如何处理异常值和复杂分布;
  • Repeated Measures Analysis:如何分析重复测量和纵向数据。

这些内容共同构成了现代科研数据分析的重要基础。掌握它们,才能让统计方法真正服务于科学问题,而不是让研究结论受制于软件输出的几个P值。

撰稿人
标签
数据分析
目录
订阅邮件
订阅我们的邮箱后可提前获得AJE作者资源的文章,享受AJE服务的折扣,以及更多的优惠

查看 "隐私协议"

科研之路,AJE一直伴您左右!

AJE为您提供英文论文润色、学术论文翻译、期刊选择、文稿排版等一系列学术服务,我们希望可以帮助您充分发挥您的研究潜力,助力您成功将论文发布在国际期刊上。