夜雨聆风链接：https://pan.baidu.com/s/15r0rLWkJlcecUvBPKZo_MQ?pwd=mnsj提取码：mnsj
https://www.mizhushare.com/docs/
做数据分析时，我们经常会遇到这样的问题：想比较两组相互独立的样本数据（比如，男生和女生、实验组和对照组）在某个指标上有没有显著差异。
此时，第一反应是使用之前介绍的「独立样本t检验」，但是如果数据不符合正态分布、方差齐性，或者数据是等级资料（如满意度评分）时，t检验就不再适用。这时候，就需要使用非参数检验方法——「双独立样本检验（Two-Independent-Samples Tests）」了。
双独立样本检验与独立样本t检验：
独立样本t检验 | 双独立样本检验 | |
方法类别 | 参数检验 | 非参数检验 |
数据要求 | 正态性、方差齐性 | 不要求正态分布，对数据分布没有严格限制 |
测量尺度 | 连续数值（如：身高、收入） | 连续数值、等级资料（如：满意度） |
比较指标 | 均值 (Mean) | 秩平均值 (Mean Rank) |
统计效能 | 若满足条件，效能更高（更灵敏） | 效能略低，但结果更稳健 |
均值与秩平均值：
在统计学中，均值和平均秩次（秩平均值）是两个完全不同的概念。理解它们的区别，是掌握非参数检验（如曼-惠特尼 U 检验）的关键。
均值 (Mean) | 平均秩次 (Mean Rank) | |
计算逻辑 | 所有原始数值之和除以样本量 | 将数据从小到大排序，用“排名”代替数值计算均值 |
侧重点 | 数据的真实强度/水平 | 数据在整体中的相对位置 |
极度敏感（一个极端大值会拉高均值） | 非常鲁棒（极值只影响排名，不影响权重） | |
数据分布要求 | 无严格分布要求，但解释时常见于正态分布数据 | 无分布要求，可用于任意分布 |
以一个极端的职场薪资数据为例：
A组（5人）： 3k, 4k, 5k, 6k, 100k (老板) → 均值：23.6k B组（5人）： 7k, 8k, 9k, 10k, 11k (高级白领) → 均值：9k
排序：3k(1), 4k(2), 5k(3), 6k(4), 7k(5), 8k(6), 9k(7), 10k(8), 11k(9), 100k(10) A组秩次： 1, 2, 3, 4, 10 → 平均秩次：4.0 B组秩次： 5, 6, 7, 8, 9 → 平均秩次：7.0
该数据为某百货商店信用卡促销效果数据，500名持卡人随机分为两组（insert变量），一组收低利率促销广告，另一组收常规标准广告。
本次将通过双独立样本检验来验证“不同邮件广告类型”对“消费金额”的影响是否存在显著差异。
点击顶部菜单栏的【分析→非参数检验→旧对话框→2个独立样本】，在打开的对话框中进行相应设置。
检验变量列表：选择一个或多个定量检验变量，系统将为每个变量计算一个单独的双独立样本检验。
分组变量：将文件拆分为两个组的变量。点击「定义组」按钮，在打开的对话框中输入「组1」和「组2」的具体数值来定义这两个组，其他数值的个案（数据）将会被排除在分析之外。
检验类型：提供了以下四种检验方法。
曼-惠特尼 U 检验 Mann-Whitney U | 双独立样本检验中最常用的一种。等同于两组情况下的威尔科克森秩和检验（Wilcoxon rank sum test）和克鲁斯卡尔-沃利斯检验（Kruskal-Wallis test）。都是用于判断两个抽样总体在位置（如中位数）上是否相等。 该检验会将两组的观测值合并后进行升序排序，得到每个数据在整个数据中的位置，即秩（遇到数值相同的情况，则赋予其平均秩次）。如果两个总体在位置上完全相同，那么它们的秩次应该在两个样本之间随机混合分布。该检验会计算“第1组的得分排在第2组得分之前”的次数，以及“第2组的得分排在第1组得分之前”的次数。如果两者比较接近，说明两个样本来自相同分布的总体，反之不是。 此外，软件还会显示威尔科克森秩和W统计量。W统计量等于平均秩次较小的那组的秩次总和；如果两组的平均秩次相同，则W等于在「双独立样本-定义组」对话框中排在后面的那一组的秩次总和。 |
莫斯极端反应检验 Moses extreme reaction | 该检验是一种专门用于检测实验组相对于对照组是否产生极端反应的非参数方法，其核心逻辑在于通过观察对照组在两组混合排序后的“跨度（Span）”来衡量实验影响。 在具体操作中，系统首先将两组观测值合并并按升序排列，生成整体的秩分变量，而对照组的具体范围由「双独立样本-定义组」对话框中指定的第1组数值来确定，其跨度计算方式为对照组中最大值与最小值的秩次之差再加1。为了提升统计的稳健性、避免偶然出现的离群值对跨度范围产生误导，系统采用了自动截断机制，默认从对照组的两侧各除去5%的个案后再计算跨度。 从判别标准来看，如果计算出的跨度很小，说明实验组的数值大多分布在对照组的范围之外，即两组样本无法充分混合，此时可以推断实验组存在显著的极端反应；反之，若跨度较大，则说明两组反应基本趋同，实验处理未能引发预期的极端效应。 |
柯尔莫戈洛夫-斯米诺夫Z检验 Kolmogorov-Smirnov Z | 该检验基于两个样本观测累积分布函数之间的最大绝对差值。当这个差值显著偏大时，则认为两个分布存在差异。 |
瓦尔德-沃尔福威茨游程检验 Wald-Wolfowitz runs | 该检验会将两组的观测值合并，用0表示第一组样本各个观察值，用1表示第二组样本各个观察值。然后按每个观察值的大小升序排列，最后按每个观察值分组编号计算游程数。如果游程数较小，则两个样本不是来自同一个总体分布。 |
本次将促销期间的消费金额（dollars变量）设置为检验变量，将广告类型（insert变量）设置为分组变量，并选择「曼-惠特尼 U 检验」。
统计 | 摘要统计量。
|
缺失值 | 用于设置缺失值的处理方式。
|
设置完成，点击确定。
输出结果一：秩均值
输出结果二：检验统计
该表格决定了我们通过秩平均值观察到的“差异”是真实的，还是仅仅由随机误差造成的。若P<0.05，拒绝原假设，即认为两组之间存在显著差异；若P≥0.05，接受原假设，即认为两组之间没有显著差异。
本次示例中，显著性值P值=0.009＜0.05，表明两组在促销期间的消费金额存在统计学显著差异。后续百货公司可以考虑向所有信用卡客户推广这项优惠。
