Wilcoxon 符号秩检验在线计算 - 配对样本非参数检验

Wilcoxon 符号秩检验（配对样本）

同一批人测了两次（干预前后、两种条件），差值又不服从正态分布时，用 Wilcoxon 符号秩检验代替配对 t 检验。两列数据按行一一对应粘贴进来，得到 W 值、p 值和效应量。

在浏览器本地运行，输入的内容和文件都不会上传

数据

两列配对数据，每行一对（如干预前、干预后）。有空格的行会跳过。

备择假设

W = 5

p 值 = 0.0391

差异显著（p < 0.05）。

检验统计量

论文写法W = 5.0, z = 2.07, p = .039, r = .69

结果与 R 的 wilcox.test()、kruskal.test()、friedman.test() 一致：两组都少于 50 个且没有相同值时用精确分布，否则用正态近似。这些检验比较的是秩次，不是平均数。

这个工具好用吗？

W+ 和 W−: 把每对的差值按绝对值排名次，W+ 是差值为正的那些名次之和，W− 是差值为负的。R 报 W+（叫 V），SPSS 和很多教材报两者中较小的那个。
差值为 0 的对: 按 R 的默认做法直接去掉，结果下方会提示去掉了几对。
精确 p 和正态近似: 少于 50 对、没有相同的差值、也没有差值为 0 时用精确分布；否则用带结校正和连续性校正的正态近似。

默认数据是 9 个人在两种条件下的测量值。两列相减，差值中位数 0.48，9 对里 8 对是正的：

p = 0.039 < 0.05，两种条件下的测量值有显著差异，第一列偏大。同样的数据如果当作两组不同的人做 Mann–Whitney 检验，p = 0.136，不显著：配对设计去掉了人和人之间的差异，更容易检出变化。

论文写法：W = 5.0, z = 2.07, p = .039, r = .69。

Mann–Whitney 比较两组不同的人；符号秩检验比较同一批人的两次测量，数据必须一一配对。

能，把第二列都填成那个值即可，例如检验评分的中位数是否不同于 3，第二列全填 3。

SPSS 默认给渐近 p 值，不做连续性校正，小样本时和精确 p 有差别。SPSS 里勾选「精确」后一致。