大家好，歡迎來到MedSPSS小課堂。

上一期内容，我們回顧了參數檢驗，分享了有關非參數檢驗的概念、适用條件和常見的非參數檢驗方法。近幾期内容，我們将結合具體的案例陸續為大家帶來這類檢驗相關的教學。

本期分享的是非參數檢驗中的配對樣本秩和檢驗，該檢驗适用于總體分布未知的情況下，推斷兩個相關樣本所在的總體分布是否有差異，常用的是威爾科克森檢驗（Wilcoxon）。

那到底什麼是“秩和檢驗”呢？為了加深大家對秩和概念的理解，我們會結合案例數據，給出Wilcoxon檢驗統計量的計算過程，同時和大家分享如何通過MedSPSS進行Wilcoxon配對樣本的秩和檢驗及結果解讀。

1.案例描述

臨床想研究白癜風患者白介素指标(pg/ml)在白斑部位和正常部位有無差異，為此随機選取了8例白癜風患者，對于每名患者，通過檢查并記錄其白斑部位和正常部位的白介素指标。8名患者白斑部位和正常部位的白介素指标(pg/ml):(40.03,88.57),(97.13,88),(80.32,123.72)，(25.32,39.03)，(19.61,24.37),(14.5,92.75),(49.63,121.57),(44.56,89.76)。

案例數據

2.案例Wilcoxon檢驗的計算步驟

案例數據中“白斑部位的白介素指标”和“正常部位的白介素指标” 是一對配對指标，我們結合Wilcoxon方法給出檢驗統計量的計算步驟。

1) 計算該對指标的差值（正常部位指标-白斑部位指标）。

2) 按照差值絕對值由小到大編秩次。

3) 根據差值的正負給秩次加上正負号變成符号秩。

4) 分别求正負秩次之和W 和W-，任取W 或W-為最終統計量W。

注：計算過程中，若差值為0,舍去不計，總的對數也要減去此對子數；若差值的絕對值相等，則取平均秩次。

基于數據的編秩、求秩、統計量的計算

本例選取|W-|=2為檢驗統計量，通過樣本量n=8和統計量查Wilcoxon臨界值表，根據檢驗統計量在上下界值範圍的内或外判斷接受原假設還是備選假設，從而說明白癜風患者白斑部位和正常部位的白介素指标是否有顯著性差異。

若你是初次接觸非參數秩和檢驗，通過以上檢驗統計量的計算，相信你對“秩和檢驗”已有一個初步認識，即統計量不是直接由樣本觀測值計算的，而是由樣本觀測值的秩計算的。

3. MedSPSS案例解析

現使用MedSPSS對上述案例進行智能檢驗，驗證白癜風患者的白介素指标(pg/ml)在白斑部位和正常部位是否具有差異。

Step1：上傳數據

基于 MedSPSS，通過【數據管理】-【文件】-【上傳文件】，上傳整理好的“白癜風病人不同部位白介素指标.xlsx”數據，用作接下來的Wilcoxon配對樣本秩和檢驗。

Step2：Wilcoxon配對樣本秩和檢驗

通過【假設檢驗】-【非參數秩和檢驗】-【Wilcoxon配對樣本秩和檢驗】，分别拖拽分析項“白斑部位的白介素指标”和“正常部位的白介素指标”到右側“配對樣本1”和“配對樣本2”内，點擊“分析”即可得到結果。

配對樣本秩和檢驗分析結果

配對樣本秩和檢驗智能分析結果

結果說明：MedSPSS給出了配對樣本秩和檢驗智能分析結果，在95%置信水平下，因(p=0.025≤0.05)，呈現顯著性。因此拒絕原假設H0(白斑部位的白介素指标中位數＝正常部位的白介素指标的中位數)，接受備選假設H1，即白斑部位的白介素指标的中位數≠正常部位的白介素指标的中位數，表明白癜風患者白介素指标在白斑部位和正常部位有差異，結合白斑部位和正常部位的白介素指标的中位數，白斑部位白介素指标低于正常部位白介素指标。

小貼士

• 對于比較配對設計的連續性變量間的差異，可以選用配對t檢驗或Wilcoxon配對樣本秩和檢驗。

• 配對t檢驗适用于兩組差值近似服從正态分布的數據。當不滿足該條件時，Wilcoxon配對樣本秩和檢驗更合适。
  
• 本次案例的數據也适合用配對樣本t檢驗，大家在實踐中可以結合數據對照這兩種方法的檢驗結果是否一緻。
  
• 本期内容分享就到這裡，後面我們将分享更多非參數檢驗的方法和案例，大家在閱讀過程中有任何想法和建議，歡迎積極留言。
  

,