Kruskal Wallis 检验计算器

Q: Kruskal-Wallis 检验中的效应量是什么？

Epsilon-squared (ε²) 被用作 Kruskal-Wallis 检验的效应量指标。其范围从 0 到 1，表示实际显著性：小于 0.01 的值可以忽略不计，0.01-0.06 为小效应，0.06-0.14 为中等效应，0.14 以上表示大效应。效应量通过显示差异的大小来补充统计显著性。

执行 Kruskal-Wallis H 检验以比较多个独立组。获取逐步计算过程、秩分析、效应量以及用于非参数统计分析的交互式可视化。

Embed Kruskal Wallis 检验计算器 Widget

Kruskal Wallis 检验计算器

欢迎使用 Kruskal-Wallis 检验计算器，这是一个全面的统计工具，用于使用非参数 Kruskal-Wallis H 检验比较多个独立组。该计算器提供逐步计算过程、秩分析、效应量测量和交互式可视化，帮助您理解和解释数据。

什么是 Kruskal-Wallis 检验？

Kruskal-Wallis H 检验（也称为 Kruskal-Wallis 单因素方差分析）是一种基于秩的非参数检验，用于确定两个或多个独立变量组在连续或有序因变量上是否存在统计学上的显著差异。它是单因素方差分析 (ANOVA) 的非参数等效方法。

该检验以 1952 年开发它的 William Kruskal 和 W. Allen Wallis 的名字命名，它将曼-惠特尼 U 检验扩展到两个以上的组。与 ANOVA 不同，Kruskal-Wallis 检验不假设数据呈正态分布。

Kruskal-Wallis H 统计量公式

Kruskal-Wallis H 统计量

$$H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} - 3(N+1)$$

其中：

N = 所有组的观测值总数
k = 组数
nᵢ = 第 i 组的观测值数量
Rᵢ = 第 i 组的秩和

何时使用 Kruskal-Wallis 检验

在以下情况下使用 Kruskal-Wallis 而非单因素 ANOVA：

非正态数据： 您的数据不符合 ANOVA 所需的正态性假设
有序数据： 您拥有的是有序（排名）数据而非连续数据
小样本： 样本量太小，无法验证正态性
存在异常值： 您的数据中存在可能使 ANOVA 结果产生偏差的异常值
方差不等： 组间方差不相等（异方差性）

Kruskal-Wallis 检验的假设条件

因变量应在有序或连续水平上进行测量
自变量应由两个或多个分类、独立的组组成
观测值的独立性 - 每组内的观测值之间或组与组之间没有关系
各组间的分布形状相似（不一定要正态分布，但要相似）

如何使用此计算器

输入数据： 将每组的数据输入在单独的行中。行内的数值可以用逗号、空格或制表符分隔。
设置显著性水平： 根据您的测试要求选择 alpha 值（0.01、0.05 或 0.10）。
设置精度： 选择结果的小数位数。
计算： 点击“计算”按钮执行分析。
解释结果： 查看 H 统计量、p 值、效应量和可视化图表以得出结论。

解释结果

统计显著性

如果 p 值 ≤ alpha：拒绝虚无假设。至少有一对组之间存在统计学上的显著差异。
如果 p 值 > alpha：无法拒绝虚无假设。没有足够的证据表明组间存在差异。

效应量 (Epsilon-Squared)

效应量衡量研究结果的实际意义：

Epsilon-Squared (ε²)	效应量大小	解释
< 0.01	极小	极小或无实际效应
0.01 - 0.06	小	较小的实际显著性
0.06 - 0.14	中等	中等的实际显著性
> 0.14	大	较大的实际显著性

事后检验

当 Kruskal-Wallis 检验结果显著时，您需要进行事后检验来确定具体哪些组之间存在差异。常见的选项包括：

Dunn 检验： Kruskal-Wallis 最常用的事后检验
成对曼-惠特尼 U 检验： 结合 Bonferroni 或其他多重比较修正
Conover-Iman 检验： 基于秩的 t 分布
Nemenyi 检验： Tukey HSD 的非参数等效方法

Kruskal-Wallis 与 ANOVA 比较

特征	Kruskal-Wallis	单因素 ANOVA
数据类型	有序或连续	仅限连续
正态性	不要求	要求
方差齐性	不要求	要求（如果违反可使用 Welch ANOVA）
统计效能	较低（使用秩）	较高（使用实际数值）
异常值敏感度	较低	较高
样本量	适用于小样本	需要较大样本以满足正态性

常见问题解答

什么是 Kruskal-Wallis 检验？

Kruskal-Wallis 检验是一种基于秩的非参数检验，用于确定两个或多个独立变量组在连续或有序因变量上是否存在统计学上的显著差异。它是单因素方差分析 (one-way ANOVA) 的非参数等效方法，也是曼-惠特尼 U 检验在多于两个组时的扩展。

什么时候应该使用 Kruskal-Wallis 检验而不是 ANOVA？

在以下情况下使用 Kruskal-Wallis 检验：(1) 数据不符合 ANOVA 所需的正态分布假设；(2) 拥有的是有序数据而非连续数据；(3) 样本量较小且无法验证正态性；(4) 数据中存在可能影响 ANOVA 结果的异常值；(5) 组间方差不相等（异方差性）。

如何解释 Kruskal-Wallis p 值？

如果 p 值小于或等于你选择的显著性水平（通常为 0.05），则拒绝虚无假设，并得出结论：至少有一对组之间存在统计学上的显著差异。如果 p 值 > alpha，则无法拒绝虚无假设，这意味着没有足够的证据表明组间存在差异。

Kruskal-Wallis 检验中的效应量是什么？

Epsilon-squared 被用作 Kruskal-Wallis 检验的效应量指标。其范围从 0 到 1，表示实际显著性：小于 0.01 的值可以忽略不计，0.01-0.06 为小效应，0.06-0.14 为中等效应，0.14 以上表示大效应。效应量通过显示差异的大小来补充统计显著性。

Kruskal-Wallis 检验的最小样本量是多少？

为了获得可靠的结果，每组应至少有 5 个观测值，尽管技术上该检验要求每组至少有 2 个观测值。对于极小样本，用于计算 p 值的卡方近似可能不准确，应考虑使用精确排列检验。

显著的 Kruskal-Wallis 结果后应进行哪些事后检验？

当 Kruskal-Wallis 检验结果显著时，事后检验用于识别哪些特定组之间存在差异。常见的选项包括：Dunn 检验（最常用）、带有 Bonferroni 修正的成对曼-惠特尼 U 检验、Conover-Iman 检验或 Nemenyi 检验。这些检验在进行多重比较时会控制 I 类错误。

其他资源

引用此内容、页面或工具为：

"Kruskal Wallis 检验计算器" 于 https://MiniWebtool.com/zh-cn/kruskal-wallis-检验计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 团队提供。更新日期：2026年1月27日

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

其他相关工具:

Kruskal Wallis 检验计算器

Kruskal Wallis 检验计算器

什么是 Kruskal-Wallis 检验？

Kruskal-Wallis H 统计量公式

何时使用 Kruskal-Wallis 检验

在以下情况下使用 Kruskal-Wallis 而非单因素 ANOVA：

Kruskal-Wallis 检验的假设条件

如何使用此计算器

解释结果

统计显著性

效应量 (Epsilon-Squared)

事后检验

Kruskal-Wallis 与 ANOVA 比较

常见问题解答

什么是 Kruskal-Wallis 检验？

什么时候应该使用 Kruskal-Wallis 检验而不是 ANOVA？

如何解释 Kruskal-Wallis p 值？

Kruskal-Wallis 检验中的效应量是什么？

Kruskal-Wallis 检验的最小样本量是多少？

显著的 Kruskal-Wallis 结果后应进行哪些事后检验？

其他资源

其他相关工具:

统计与数据分析:

常用工具: