非参数检验是一类统计方法，与参数检验不同，它不依赖于数据的分布假设（如正态分布）。这种方法适用于小样本数据、非正态分布数据或无法满足其他参数检验假设的情况，广泛用于实际数据分析。
非参数检验的特点
无需数据分布假设：
非参数检验不要求数据符合特定分布（如正态分布）。
适用于连续变量、分类变量和有序变量。
对异常值不敏感：
非参数方法依赖于数据的排序或秩值，因而对极端值的影响较小。
适用场景广泛：
小样本、分类数据、秩次数据等都可以采用非参数检验。
效率可能较低：
在数据符合分布假设的情况下，非参数检验的统计效率（即检验力）通常低于参数检验。
常见非参数检验方法
1. 单样本检验
Kolmogorov-Smirnov 检验：
检验数据是否符合某一分布。
单样本符号检验：
检验中位数是否等于某一假设值。
2. 两独立样本检验
Mann-Whitney U 检验（Wilcoxon 秩和检验）：
比较两组独立样本的分布是否相同。
Kolmogorov-Smirnov 检验（两样本）：
比较两组数据的分布是否一致。
3. 两配对样本检验
Wilcoxon 符号秩检验：
检验两组配对数据的中位数差异。
McNemar 检验：
检验二分类配对数据的比例差异。
4. 多组独立样本检验
Kruskal-Wallis 检验：
比较多组独立样本的分布是否相同。
Cochran Q 检验：
比较多组二分类变量的差异。
5. 相关性分析
Spearman 秩相关：
检验两个变量之间的单调相关性。
Kendall τ 检验：
适合小样本的相关性分析。
6. 分类数据检验
卡方检验：
检验分类变量的分布或关联性。
Fisher 精确检验：
检验 2x2 分类表格中的关联性，适用于样本量小的情况。
非参数检验的适用场景
数据不满足正态分布：
当数据的分布明显偏斜或不对称时，使用非参数方法更合适。
样本量较小：
参数检验在小样本时假设可能失效，而非参数方法更为稳健。
等级数据或分类数据：
如果数据是秩次或分类变量，直接使用非参数方法。
接下来几篇推文，会持续分享非参数各检验方法的具体实操，敬请关注。
点个关注吧
