Kruskal Wallis 檢驗計算機
執行 Kruskal-Wallis H 檢驗以比較多個獨立樣本組。獲取分步計算、排名分析、效應量以及用於非參數統計分析的交互式可視化圖表。
偵測到廣告封鎖,導致我們無法顯示廣告
MiniWebtool 依靠廣告收入免費提供服務。如果這個工具幫到你,歡迎升級 Premium(無廣告 + 更快),或將 MiniWebtool.com 加入允許清單後重新整理頁面。
- 或升級 Premium(無廣告)
- 允許 MiniWebtool.com 顯示廣告,然後重新載入
Kruskal Wallis 檢驗計算機
歡迎使用 Kruskal-Wallis 檢驗計算機,這是一個全面的統計工具,用於使用無母數 Kruskal-Wallis H 檢驗來比較多個獨立組別。本計算機提供逐步計算、等級分析、效應量測量和互動式視覺化,幫助您理解和解讀您的數據。
什麼是 Kruskal-Wallis 檢驗?
Kruskal-Wallis H 檢驗(也稱為 Kruskal-Wallis 單因子變異數分析)是一種基於等級的無母數檢驗,用於確定自變數的兩個或多個組別在連續或順序型依變數上是否存在統計學上的顯著差異。它是單因子變異數分析 (One-way ANOVA) 的無母數等效方法。
該檢驗由 William Kruskal 和 W. Allen Wallis 於 1952 年開發,將 Mann-Whitney U 檢驗擴展到兩個以上的組別。與 ANOVA 不同,Kruskal-Wallis 檢驗不要求數據符合常態分佈。
Kruskal-Wallis H 統計量公式
其中:
- N = 所有組別的總觀測數
- k = 組別數量
- nᵢ = 第 i 組的觀測數
- Rᵢ = 第 i 組的等級總和
何時使用 Kruskal-Wallis 檢驗
在以下情況下使用 Kruskal-Wallis 而非單因子 ANOVA:
- 非常態數據: 您的數據不符合 ANOVA 要求的常態性假設
- 順序型數據: 您的數據是順序(排名)數據而非連續型數據
- 小樣本: 樣本量太小,無法驗證常態性
- 存在極端值: 您的數據中存在可能扭曲 ANOVA 結果的離群值
- 變異數不相等: 組間變異數不相等(異質變異數性)
Kruskal-Wallis 檢驗的假設
- 依變數應在順序或連續水平上測量
- 自變數應由兩個或多個分類、獨立的組別組成
- 觀測值的獨立性——各組內的觀測值之間或各組本身之間沒有關係
- 各組的分佈形狀相似(不一定要常態分佈,但要相似)
如何使用本計算機
- 輸入您的數據: 在單獨的行中輸入每個組別的數據。每行中的數值可以用逗號、空格或製表符分隔。
- 設定顯著性水平: 根據您的測試要求選擇 alpha 值(0.01、0.05 或 0.10)。
- 設定精確度: 選擇結果的小數位數。
- 計算: 點擊「計算」按鈕執行分析。
- 解讀結果: 查看 H 統計量、p 值、效應量和視覺化圖表以得出結論。
解讀結果
統計顯著性
- 如果 p 值 ≤ alpha:拒絕虛無假設。至少有一對組別之間存在統計學上的顯著差異。
- 如果 p 值 > alpha:無法拒絕虛無假設。沒有足夠的證據表明組間存在差異。
效應量 (Epsilon 平方)
效應量衡量研究結果的實際意義:
| Epsilon 平方 | 效應量 | 解讀 |
|---|---|---|
| < 0.01 | 微不足道 | 非常小或沒有實際影響 |
| 0.01 - 0.06 | 小 | 較小的實際意義 |
| 0.06 - 0.14 | 中 | 中等的實際意義 |
| > 0.14 | 大 | 較大的實際意義 |
事後檢定
當 Kruskal-Wallis 檢驗結果顯著時,您需要進行事後檢定來確定具體哪些組別之間存在差異。常見選項包括:
- Dunn's 檢驗: Kruskal-Wallis 最受歡迎的事後檢定
- 成對 Mann-Whitney U 檢驗: 配合 Bonferroni 或其他多重比較校正
- Conover-Iman 檢驗: 基於等級的 t 分佈
- Nemenyi 檢驗: Tukey's HSD 的無母數等效方法
Kruskal-Wallis 與 ANOVA 的比較
| 特性 | Kruskal-Wallis | 單因子 ANOVA |
|---|---|---|
| 數據類型 | 順序或連續型 | 僅限連續型 |
| 常態性 | 不要求 | 要求 |
| 變異數同質性 | 不要求 | 要求(若違反可使用 Welch's ANOVA) |
| 統計檢定力 | 較低(使用等級) | 較高(使用實際數值) |
| 極端值敏感度 | 較不敏感 | 較敏感 |
| 樣本量 | 適用於小樣本 | 需要較大樣本以符合常態性 |
常見問題
什麼是 Kruskal-Wallis 檢驗?
Kruskal-Wallis 檢驗是一種基於等級的無母數檢驗,用於確定自變數的兩個或多個組別在連續或順序型依變數上是否存在統計學上的顯著差異。它是單因子變異數分析 (One-way ANOVA) 的無母數等效方法,也是 Mann-Whitney U 檢驗在兩組以上情況下的擴展。
什麼時候應該使用 Kruskal-Wallis 檢驗而不是 ANOVA?
在以下情況下使用 Kruskal-Wallis 檢驗:(1) 您的數據不符合 ANOVA 要求的常態性假設,(2) 您的數據是順序型數據而非連續型數據,(3) 樣本量較小且無法驗證常態性,(4) 數據中存在可能扭曲 ANOVA 結果的極端值,或 (5) 組間變異數不相等(異質變異數性)。
如何解讀 Kruskal-Wallis 的 p 值?
如果 p 值小於或等於您選擇的顯著性水平(通常為 0.05),則拒絕虛無假設,並得出至少有一對組別之間存在統計學顯著差異的結論。如果 p 值 > alpha,則無法拒絕虛無假設,這意味著沒有足夠的證據表明組間存在差異。
Kruskal-Wallis 檢驗中的效應量是什麼?
Epsilon 平方被用作 Kruskal-Wallis 檢驗的效應量衡量標準。它的範圍從 0 到 1,並表示實際意義:小於 0.01 的值可以忽略不計,0.01-0.06 為小,0.06-0.14 為中,0.14 以上的值表示大效應。效應量通過顯示差異的幅度來補充統計顯著性。
Kruskal-Wallis 檢驗的最小樣本量是多少?
為了獲得可靠的結果,每組應至少有 5 個觀測值,儘管技術上該檢驗要求每組至少有 2 個觀測值。對於非常小的樣本,用於計算 p 值的卡方近似值可能不準確,應考慮精確置換檢驗。
顯著的 Kruskal-Wallis 結果後應進行哪些事後檢定?
當 Kruskal-Wallis 檢驗結果顯著時,事後檢定可用於識別哪些特定組別之間存在差異。常見選項包括:Dunn's 檢驗(最流行)、帶有 Bonferroni 校正的成對 Mann-Whitney U 檢驗、Conover-Iman 檢驗或 Nemenyi 檢驗。這些檢驗在進行多重比較時控制第一型錯誤。
其他資源
引用此內容、頁面或工具為:
"Kruskal Wallis 檢驗計算機" 於 https://MiniWebtool.com/zh-tw/kruskal-wallis-檢驗計算機/,來自 MiniWebtool,https://MiniWebtool.com/
由 miniwebtool 團隊提供。更新日期:2026年1月27日
您還可以嘗試我們的 AI數學解題器 GPT,通過自然語言問答解決您的數學問題。
其他相關工具:
統計與數據分析:
- anova計算機
- 算術平均值計算機
- 平均值計算機-高精度
- 平均偏差計算機
- 箱形圖製作器
- 卡方檢定計算機
- 變異係數計算機
- Cohen
- 複合生長率計算機
- 置信區間 計算機
- 比例置信區間計算機 新
- 相關係數計算器
- 幾何平均值計算機
- 諧波平均值計算機
- 直方圖製作器
- 四分位距計算機
- Kruskal Wallis 檢驗計算機
- 線性迴歸計算機 精選
- 對數成長計算機
- Mann-Whitney U 檢驗計算機
- 平均絕對離差計算機
- 平均值計算機 精選
- 平均中位模式計算機
- 中位數絕對偏差計算機
- 中位數計算機 精選
- 中程數計算機
- 模式計算機
- 異常值計算機
- 總體標準差計算機-高精度
- 四分位數計算機
- 四分位差計算機
- 範圍計算機
- 相對標準偏差計算機 精選
- 均方根計算機
- 樣本均值計算機
- 樣本量計算機
- 樣本標準差計算機
- 散佈圖製作器
- 標準偏差計算機 - 高精度 精選
- 標準誤差計算機
- 統計計算機
- t檢驗計算機
- 方差計算機 (高精度)
- Z-分數計算機 新