1. 配对设计和单样本资料的符号秩和检验（Wilcoxon符号秩检验）
适用场景：配对设计的样本或单样本数据。
配对设计：比如，同一个对象在两种不同条件下的测量（如治疗前后）。
单样本：用来判断一个单样本的中位数是否等于某个值。
检验目的：用于比较两个相关样本的中位数差异，或者检验单个样本的中位数是否等于某个预期值。
数据类型：适用于连续数据或有序变量。
假设：
原假设：两组配对数据没有显著差异，或者单样本的中位数与预期值无显著差异。
具体操作：计算每对数据的差值并对这些差值的符号进行秩和检验。
2. 完全随机化设计两组独立样本的秩和检验（Mann-Whitney U 检验）
适用场景：用于两组独立样本之间的比较。
检验目的：检验两组独立样本是否来自相同的总体，或是否具有相同的中位数。
数据类型：可以处理连续数据或有序等级数据（如评分数据）。
假设：
原假设：两组数据来自相同的分布。
具体操作：将两组数据合并并排名，计算秩和，基于秩和进行统计检验（即 U 值）。
3. 两组有序变量资料（等级资料）的秩和检验（Mann-Whitney U 检验或其他类似检验）
适用场景：同样适用于两组独立样本的比较，但这里的数据是有序变量（等级资料）。
检验目的：检验两组有序变量的分布是否相同。
数据类型：等级数据（例如满意度评分，优、良、中、差等）。
假设：
原假设：两组有序数据来自相同的分布。
具体操作：与一般 Mann-Whitney U 检验类似，但特别适用于有序变量。
4. 完全随机化设计多组独立样本的秩和检验（Kruskal-Wallis H 检验）
适用场景：用于三组或更多独立样本的比较。
检验目的：判断多组独立样本是否来自相同的总体分布（替代ANOVA）。
数据类型：适用于连续数据或有序变量。
假设：
原假设：所有组数据来自相同的分布。
具体操作：将多组数据合并并排名，计算每组的秩和，基于秩和计算 Kruskal-Wallis H 值。
5. 多组有序变量资料的秩和检验（Kruskal-Wallis H 检验）
适用场景：同样用于多组独立样本的比较，但特别针对有序变量（等级资料）。
检验目的：判断多组有序变量的分布是否相同。
数据类型：等级数据或有序变量（例如不同治疗方法的满意度评分）。
假设：
原假设：所有组有序数据的分布相同。
具体操作：与 Kruskal-Wallis H 检验类似，适用于有序变量。
主要区别总结
数据类型：
符号秩和检验：用于配对样本或单样本，数据可以是连续或有序数据。
Mann-Whitney U 检验：用于两组独立样本，适合连续或有序数据。
Kruskal-Wallis H 检验：用于多组独立样本，适合连续或有序数据。
设计类型：
符号秩和检验：适用于配对设计或单样本设计。
Mann-Whitney U 检验：适用于两组独立样本。
Kruskal-Wallis H 检验：适用于多组独立样本。
组数：
符号秩和检验：单组或配对两组。
Mann-Whitney U 检验：两组独立样本。
Kruskal-Wallis H 检验：三组或更多独立样本。
如果你有具体的数据或问题情境需要进一步分析，欢迎告诉我，我可以提供更详细的解释或帮助进行分析！
