应用统计学本科教学设计：第十章 基于秩的非参数检验

应用统计学本科教学设计：第十章基于秩的非参数检验一、教学分析（一）教学内容分析【基础】本章内容是现代统计学推断体系中的重要组成部分，与参数检验共同构成了完整的假设检验理论框架。在前续章节中，学生已系统学习了基于总体分布已知（如正态分布）前提下的参数检验方法，如t检验、F检验等。然而，在真实的研究场景中，尤其是涉及社会科学、医学、市场调研等领域的数据，往往难以满足正态分布、方差齐性等苛刻的假定条件。此时，基于秩的非参数检验凭借其对总体分布不做具体要求、计算简便、稳健性强的特点，成为数据分析的利器。本章内容不仅是对参数检验知识体系的重要补充，更是连接统计理论与实际应用的关键桥梁。它将系统讲授秩的核心概念以及几种最常用的非参数检验方法，包括Wilcoxon符号秩检验、Wilcoxon秩和检验、KruskalWallisH检验和FriedmanM检验，旨在培养学生根据不同研究设计（如单样本、两独立样本、两相关样本、多独立样本、多相关样本）和数据特征，灵活选择并正确应用非参数检验方法的能力。【重要】本章内容突出体现了统计学"稳健"与"普适"的思想，对于塑造学生科学、严谨的数据分析观具有不可替代的作用。（二）学情分析【基础】本课程授课对象为高等院校统计学专业或具有深厚数理背景的经济学、社会学等专业本科三年级学生。他们已完成《概率论与数理统计》的学习，对随机变量、概率分布、假设检验的基本原理（原假设、备择假设、显著性水平、检验功效）有较为扎实的理论基础。同时，通过前序章节的学习，学生已熟练掌握参数检验（如单样本t检验、两独立样本t检验、配对样本t检验、单因素方差分析）的适用条件、假设设定和分析步骤，并能够借助统计软件（如SPSS、R或Python）进行基本的运算。然而，学生在面对实际数据时，容易陷入"思维定式"，机械套用参数检验方法，而忽略了对数据分布特征的考察。【难点】学生对"总体分布未知"这一前提的理解往往停留在概念层面，难以将其与具体的检验方法选择建立内在联系。此外，将原始的观测数据转换为秩次，并基于秩次进行统计推断，这种思维方式的转变对学生而言是一个认知上的挑战。（三）教学环境与资源多媒体智慧教室，配备教师端和学生端计算机，并预装最新版IBMSPSSStatistics或R语言集成开发环境（如RStudio）。课程专用网络教学平台，提供教学课件、数据集、扩展阅读资料及课后练习。二、教学目标（一）知识目标1.【基础】准确阐述非参数检验的定义、基本思想及其与参数检验的本质区别与各自的优缺点。2.【基础】深入理解"秩"的统计学含义，掌握秩的编秩规则，特别是对相同数据（结）的处理方法。3.【核心】系统掌握四种基于秩的常用假设检验方法的基本原理、适用条件、检验假设及统计量的构造：（1）单样本/配对样本：Wilcoxon符号秩检验。（2）两独立样本：Wilcoxon秩和检验（MannWhitneyU检验）。（3）多独立样本：KruskalWallisH检验。（4）多相关样本：FriedmanM检验。（二）能力目标1.【重要】能够根据研究问题、变量类型、研究设计和数据分布特征，独立、准确地选择最合适的假设检验方法，形成从"问题定义"到"方法选择"的决策能力。2.【核心】熟练掌握利用SPSS或R软件执行上述四种非参数检验的操作流程，并能正确解读软件输出的核心结果（如统计量、渐进显著性P值）。3.能够基于检验结果，结合专业知识，撰写规范、清晰、逻辑严谨的统计分析结论。（三）素养目标1.培养尊重数据、实事求是的科学精神，不人为篡改数据以满足模型假设。2.塑造辩证思维，认识到任何统计方法都有其适用边界，选择比计算更重要。3.【热点】提升统计学在交叉学科中的应用意识，体会非参数检验在解决真实世界复杂问题时的独特价值。三、教学重难点（一）教学重点1.非参数检验的基本思想与适用条件。2.秩的定义与编秩方法。3.Wilcoxon符号秩检验、Wilcoxon秩和检验、KruskalWallisH检验的原理与SPSS实现。（二）教学难点1.【难点】如何引导学生跳出参数检验的思维框架，理解从"数据值"到"秩次"转换背后的稳健性思想。2.【难点】在不同检验方法中，检验统计量（如Wilcoxon的T统计量、KruskalWallis的H统计量）的构造逻辑及其与P值的关系。3.【难点】对于"结"（相同数据）的处理及其对检验结果的影响。4.【难点】当P值接近显著性水平（如0.05）时，如何结合样本量、效应大小等进行综合解读，避免二元论的"显著性崇拜"。四、教学实施过程（一）创设情境，导入新课（约8分钟）师：同学们，在我们前期的课程中，我们花费了大量时间学习并实践了t检验和方差分析。现在，请大家回顾一下，当我们使用两独立样本t检验来比较两个班级的考试成绩是否存在显著差异时，我们需要满足哪些关键的假定前提？（教师停顿，邀请学生回答。学生应能答出：独立性、正态性、方差齐性。）师：非常准确。这些基于特定总体分布假设的检验，我们称之为参数检验。然而，请大家设想一下以下几种研究场景：场景一，某心理学家想要比较海洛因成瘾者和正常人在一项决策任务上的反应时，但成瘾者群体的反应时数据呈现严重的右偏态分布，且样本量很小。场景二，某市场研究员想了解消费者对五种不同包装设计（无客观分数，仅能排序）的偏好是否存在差异，他收集到的数据是消费者对这五种包装的喜好顺序排名。场景三，某医学研究者用一种新药治疗8名罕见病患者，记录了治疗前后的某项指标，但数据中有两个极端异常值。（教师在PPT上同步展示这三个场景的关键词：偏态分布、小样本；顺序排名数据；存在极端异常值。）师：在这些情况下，我们还能心安理得地使用t检验或方差分析吗？如果强行使用，得出的结论可靠吗？（学生陷入思考，部分学生可能会摇头。）师：显然不行。在这些情况下，参数检验的基石——正态性假设——已经崩塌。强行使用可能会导致错误的结论。那么，是否存在一类检验方法，它们不依赖于对总体分布的具体假设，无论数据是偏态的、有界限的还是仅能排名的，都能稳健地进行推断呢？答案是肯定的。今天，我们将进入一个崭新而又极为实用的领域——【重要】基于秩的非参数检验。它为我们处理“不合规”的数据提供了另一把锐利的剑。（二）核心概念构建：非参数检验与秩（约15分钟）1.非参数检验的定义与哲学师：【基础】所谓非参数检验，是指在总体分布形式未知或仅做极其一般性假设（如连续分布）的条件下，用于推断总体分布位置、分布形状是否相同的一类统计方法。它不检验具体的总体参数（如均值μ），而是检验分布的中心位置（如中位数）或分布本身是否一致。师：我们可以用一个形象的比喻来理解它与参数检验的区别。参数检验像是用一把精密的卡尺去测量零件的尺寸，但前提是这个零件必须是规则、标准的形状。而非参数检验则像是一把灵活的软尺，无论这个物体是方的、圆的还是奇形怪状，我们都能通过某种方式（如排序）比较它们的大小。这把软尺的核心，就是我们即将介绍的“秩”。2.【核心】秩的概念与编秩方法师：什么是“秩”？简单来说，秩就是“排名”。在统计学中，我们将一组数据从小到大排序，每个观测值在序列中的位置序号，就是该观测值的秩。师：编秩的规则并不复杂，但细节决定成败，请大家务必掌握以下三点【重要】：（1）数据从小到大排序，最小的数据赋予秩“1”，次小的赋予秩“2”，以此类推。（2）核心难点——【难点】对于“结”的处理：当多个观测值大小相等（称为“结”，ties）时，它们应该被赋予平均秩。也就是说，先假设它们排名不分先后，占据连续的几个排名，然后用这些排名的平均值作为每个相等值的共同秩。例如，有3个并列第2大的数据，它们本应占据第2、第3、第4这三个位置，那么这3个数据的秩均为(2+3+4)/3=3。（3）对于符号秩检验，我们还需要考虑差值的符号。在编秩时，先忽略符号对绝对值进行编秩，编秩完成后，再将原来的正负号赋予给这些秩次。（三）【高频考点】配对样本与单样本：Wilcoxon符号秩检验（约25分钟）1.问题引入与适用条件师：让我们首先回到刚才提到的医学研究场景——新药治疗8名罕见病患者前后的指标变化。这是典型的配对设计。如果差值服从正态分布，我们应该使用配对t检验。但现在数据中有极端值，我们该用什么呢？这就是Wilcoxon符号秩检验的用武之地。师：【重要】Wilcoxon符号秩检验主要用于检验单样本中位数是否等于某个已知常数，或配对样本差值的总体中位数是否为零。它要求数据是连续的，且来自同一个总体（配对设计），但【基础】不要求差值服从正态分布。2.基本原理与假设师：它的基本思想非常巧妙。如果处理无效（即新药无效），那么每个病人治疗前后的差值应在0附近随机波动，这些差值的正号与负号应该大致各占一半，并且正的秩和与负的秩和也应该大致相等。师：我们设立假设：H0：治疗前后差值的总体中位数等于0（即新药无效）。H1：治疗前后差值的总体中位数不等于0（即新药有效，双侧检验）。3.手动演算与逻辑推导（约10分钟）师：我们假设收集到的8名患者的差值（治疗后治疗前）为：5,1,2,3,9,2,15,50。请大家拿出纸笔，和我一起手动计算。（教师引导学生在PPT或黑板上一步步操作）（1）求差值：如上所列。（2）编秩：先忽略差值的正负号，对绝对值进行排序。绝对值：1,2,2,3,5,9,15,50。排序与赋秩：1→秩12,2→出现“结”，占据秩2和秩3，平均秩为(2+3)/2=2.5，因此两个2的秩均为2.5。3→秩45→秩59→秩615→秩750→秩8（3）恢复符号，计算秩和：负值的秩：5（秩5），3（秩4）。因此，负秩和T⁻=5+4=9。正值的秩：1（秩1），2（秩2.5），2（秩2.5），9（秩6），15（秩7），50（秩8）。因此，正秩和T⁺=1+2.5+2.5+6+7+8=27。（4）确定检验统计量：Wilcoxon符号秩检验的统计量T通常取T⁺和T⁻中较小的一个。这里，T=min(T⁺,T⁻)=9。师：【难点】这个T值越小，意味着正负秩和相差越悬殊，也就越有理由拒绝H0，认为处理有效。那么T小到什么程度算小呢？这就需要查专门的Wilcoxon符号秩检验界值表。当样本量n=8（非零差值的个数），T=9时，查表发现它大于双侧0.05显著性水平对应的临界值（比如临界值是3），意味着P>0.05，我们不能拒绝H0，即没有足够的证据表明新药有效。4.SPSS实战演示（约10分钟）师：手工计算可以帮助我们理解原理，但在实际研究中，我们更依赖统计软件。现在，我将为大家演示如何在SPSS中完成这一检验。（教师通过投屏，在SPSS软件中操作）（1）数据录入：建立两个变量“治疗前”和“治疗后”，并录入数据。（2）菜单操作：选择“分析(Analyze)”→“非参数检验(NonparametricTests)”→“旧对话框(LegacyDialogs)”→“2个相关样本(2RelatedSamples)”。（3）参数设置：将“治疗前”和“治疗后”选入“成对列表(TestPairs)”框。在“检验类型(TestType)”下，勾选“Wilcoxon”。点击“确定”。（4）结果解读：重点关注“检验统计量(TestStatistics)”表格。它直接给出了基于负秩和（或正秩和）计算出的Z值（当样本量较大时，T分布近似正态分布，SPSS会输出Z值）和“渐近显著性(双尾)Asymp.Sig.(2tailed)”。这个P值就是我们的最终判断依据。我们会发现，SPSS的结果与我们手工演算的逻辑是完全一致的，但计算过程被极大简化了。（四）【高频考点】两独立样本：Wilcoxon秩和检验（MannWhitneyU检验）（约25分钟）1.案例导入师：接下来，我们看一个两独立样本的例子。假设我们想比较一种新的教学方法是否对男女生效果不同。我们随机抽取了5名男生和5名女生，记录了他们某项测验的成绩。由于男女生样本相互独立，且成绩数据可能不满足正态性和方差齐性，我们需要选择两独立样本的非参数检验方法——【重要】Wilcoxon秩和检验，它等价于MannWhitneyU检验。2.基本思想与假设师：它的基本思想是：将两组数据混合在一起，从小到大排序并编秩。如果教学方法没有性别差异（即H0成立），那么男生组的秩和与女生组的秩和应该大致相等，不会出现某一组的秩和显著偏高或偏低的情况。如果男生的秩和显著大于或小于女生的秩和，则我们有理由拒绝H0。H0：两个总体的分布位置相同（或中位数相等）。H1：两个总体的分布位置不同（或中位数不等）。3.逻辑讲解与软件结合师：手工计算两组秩和的过程与符号秩检验类似，但更为繁琐，特别是小样本时需要查专门的秩和表。在SPSS中，这个过程同样非常简单。（教师再次进行SPSS操作演示）（1）数据录入：需要建立两个变量，一个是“成绩”变量，另一个是“性别”分组变量（1=男生，2=女生）。（2）菜单操作：选择“分析(Analyze)”→“非参数检验(NonparametricTests)”→“旧对话框(LegacyDialogs)”→“2个独立样本(2IndependentSamples)”。（3）参数设置：将“成绩”选入“检验变量列表(TestVariableList)”，将“性别”选入“分组变量(GroupingVariable)”，并定义组别（如组1输入1，组2输入2）。在“检验类型(TestType)”下，勾选“MannWhitneyU”。点击“确定”。（4）结果解读：师：输出结果中，最关键的是两个表格。第一个表格“秩(Ranks)”清晰地展示了男、女生各自的样本量、平均秩和秩和。第二个表格“检验统计量(TestStatistics)”给出了MannWhitneyU统计量、WilcoxonW统计量（通常是较小样本组的秩和）、Z值以及“渐近显著性(双尾)”。如果P值小于0.05，则拒绝H0，可以认为新教学法对不同性别学生的影响有统计学差异。（五）【难点与拓展】多样本比较：KruskalWallisH检验与FriedmanM检验（约20分钟）师：当我们的比较对象从两组扩展到多组时，对应的参数检验是单因素方差分析（ANOVA），而非参数检验中与之对应的就是KruskalWallisH检验。它用于分析多组独立样本的总体分布是否存在显著差异。其基本思想是Wilcoxon秩和检验的直接推广：将所有组的混合数据进行统一编秩，然后计算每组数据的平均秩。如果各组平均秩差异很大，H统计量就会很大，从而P值变小，表明各组存在显著差异。师：SPSS的操作路径是：“分析”→“非参数检验”→“旧对话框”→“K个独立样本”。师：而对于随机区组设计（或重复测量设计）的多样本比较，当正态性不满足时，我们需要使用FriedmanM检验。它是对Wilcoxon符号秩检验的扩展，其核心思想是在每一个区组内对数据进行编秩，然后计算各个处理组在不同区组中的秩和。如果各处理组的秩和差异很大，则说明处理效应不同。师：SPSS的操作路径是：“分析”→“非参数检验”→“旧对话框”→“K个相关样本”。（六）方法选择与综合应用（约10分钟）师：同学们，到现在为止，我们已经学习了参数检验和非参数检验的一系列方法。面对一个真实的科研问题，我们如何像一位经验丰富的统计专家一样，做出正确的选择呢？（教师在黑板或PPT上绘制一个决策流程图，引导学生一起总结）（1）首先，看研究设计：是独立样本还是相关样本？（2）其次，看变量类型和分布：数据是定距/定比变量吗？如果是，能否满足正态性？（3）决策点：如果数据满足正态性，首选参数检验（功效更高）。如果数据不满足正态性，或数据本身就是顺序变量（如排名、等级），则应选择对应的非参数检验。如果样本量极大，根据中心极限定理，可近似认为样本均数服从正态分布，此时参数检验也是稳健的，但非参数检验同样适用，且可能更稳健。师：请记住，【非常重要】没有绝对“好”或“坏”的检验方法，只有“合适”与“不合适”之分。统计学的艺术就在于，在复杂多变的现实与严格的理论假设之间，找到那个最合适的平衡点。（七）