Kruskal-Wallis 测试：它是什么、优点以及如何执行

[sakib50]

得名于 William Kruskal 和 W. Allen Wallis，在统计学中用于验证一组数据是否来自同一总体。

在本文中，您将了解它的组成、优点以及如何逐步开发它。

什么是克鲁斯卡尔沃利斯检验？
Kruskal-Wallis H 检验是一种基于非参数等级的检验，可用于验证顺序或连续因变量的两组或多组自变量之间是否存在统计相关差异。

该检验确定两个或多个组的中位数是否不同。通过这种方式，它计算检验统计量并将其与分布的切点进行比较。

使用的检验统计量称为 H 统计量。检验假设为：

H0：总体中位数相等。
H1：人口中位数不相等。
克鲁斯卡尔沃利斯测试的重要性是什么？
Kruskal Wallis 检验被认为是单向方差分析的非参数替代方法，也是Mann-Whitney U 检验的扩展，允许比较两个以上的独立组。

当不满足方差分析的假设（例如正态性假设）时，使用 H 检验。它有时被称为范围的单向方差分析，因为测试使用数据值的范围而不是实际的数据点。

作为非参数，该检验不假设数据来自特定分布。克鲁斯卡尔沃利斯检验将告诉您各组之间是否存在显着差异。但是，它不会告诉您哪些组不同。

了解如何保证研究的有效性和可靠性



使用 Kruskal Wallis 模型的优点
使用 Kruskal Wallis 模型的一些优点包括：

它可以应用于很多情况。
很容易直观地理解。
可用于较小的样本量。
它可以与各种类型的数据一起使用。
它需要对人口分布的性质进行较少或不太严格的假设。
它通常是鲁棒的，通常不会受到数据中的极值（例如异常值）的影响。
与经典参数检验相比，它具有较高的相对渐近效率。
了解非参数检验和参数检验之间的区别



什么时候可以使用克鲁斯卡尔沃利斯检验？
当您决定使用 Kruskal-Wallis H 检验分析数据时，过程的一部分是验证您要 妈妈数据 分析的数据实际上可以使用 Kruskal-Wallis H 检验进行分析。

仅当您的数据“通过”了 Kruskal-Wallis H 检验产生有效结果所需的四个假设时，才适合使用 Kruskal-Wallis H 检验：

假设 1：有必要在序数或连续水平上测量因变量。
假设 2：自变量由两个或两个以上分类组和独立组组成。当您具有三个或更多独立分类组时，可以使用 Kruskal-Wallis H 检验，但它只能用于两个组。