使用步驟
- 選「Mann–Whitney U」，兩組資料各一列貼上進來，第一行可以寫組名。
- 需要單側檢驗時，在「備擇假設」裡選第一列偏大或偏小。
- 看 p 值和兩組的中位數、平均秩，判斷哪組偏大。
- 三組或更多組時選「Kruskal–Wallis」，每組一列。
引數說明
- U 和 W
- U 是一組數比另一組數大的次數（相等算半次）。SPSS 報兩個 U 裡較小的那個，R 的 W 是第一組的 U。兩者都列出來，p 值一樣。
- 精確 p 和正態近似
- 兩組都少於 50 個、且沒有相同的數時，用精確分佈算 p；否則用正態近似，並做結校正和連續性校正，與 R 的 wilcox.test() 預設一致。
- 效應量
- r = |z| ÷ √N，0.1、0.3、0.5 大致對應小、中、大效應；秩二列相關在 −1 到 1 之間，正數表示第一組偏大。
示例
預設兩組各 9 個數：
| 組別 | n | 中位數 | 平均秩 |
|---|---|---|---|
| A | 9 | 1.68 | 11.44 |
| B | 9 | 1.07 | 7.56 |
U = 23（R 的 W = 58），z = 1.55，兩組都少於 50 且沒有相同的數，用精確分佈，雙側 p = 0.136，差異不顯著。r = 0.36。如果事先就預期 A 組偏大，選單側「第一列偏大」，p = 0.068，仍不顯著。
論文寫法：U = 23.0, z = 1.55, p = .136, r = .36。
什麼時候用秩和檢驗，什麼時候用 t 檢驗
| 情況 | 用 |
|---|---|
| 兩組獨立，資料大致正態 | 獨立樣本 t 檢驗 |
| 兩組獨立，樣本小且偏態，或是等級、評分（如滿意度 1–5 分） | Mann–Whitney U |
| 同一批人前後測兩次 | 配對 t 檢驗或 Wilcoxon 符號秩檢驗 |
| 三組以上，資料大致正態 | 單因素方差分析 |
| 三組以上，偏態或等級資料 | Kruskal–Wallis H |
秩和檢驗把所有資料合在一起從小到大排名次，再比較兩組的名次，所以不受極端值影響。代價是資料正態時，它比 t 檢驗略不容易檢出差異。
常見問題
Mann–Whitney U 檢驗和 Wilcoxon 秩和檢驗是一回事嗎？
是，只是統計量的寫法不同，p 值完全一樣。注意它和「Wilcoxon 符號秩檢驗」不同，後者用於配對資料。
它檢驗的是中位數嗎？
嚴格說檢驗的是一組的數值是否傾向於比另一組大。兩組分佈形狀相近時，可以解釋為中位數不同。
結果和 SPSS 不一樣？
SPSS 預設只給漸近 p 值（正態近似、不做連續性校正），樣本小時會和這裡的精確 p 略有差別。在 SPSS 裡勾選「精確」檢驗後結果一致。
Kruskal–Wallis 顯著後怎麼做兩兩比較？
兩兩做 Mann–Whitney 檢驗，再用 Bonferroni 等方法校正 p 值，例如三組比較 3 次，就把每個 p 乘以 3。
隱私說明
本工具完全在瀏覽器中執行，檔案和文字都在你的裝置上處理，不會上傳到我們的伺服器。