Skip to content

Statistics › 無母數方法 › 兩獨立樣本

兩獨立樣本:Mann-Whitney U 檢定 ​

Mann-Whitney U(又稱 Wilcoxon rank-sum test)是獨立樣本 t 檢定的無母數替代。檢定一組的值是否傾向大於另一組。

原理 ​

  1. 把兩組資料合併後排名(最小 = 1)
  2. 分別加總兩組的排名 R₁、R₂
  3. U1=R1−n1(n1+1)2,U1+U2=n1n2
  4. 兩組無差異時,排名應平均分布;U 極端代表某組集中在高(或低)排名

直覺:U1/(n1n2) = 從 A、B 各隨機抽一個,A > B 的機率 P(A > B)。這個量與 ROC 曲線的 AUC 完全相同。

假設H₀H₁
雙尾兩組分配相同分配不同(一組傾向較大)
單尾A 不傾向較大A 傾向大於 B

Python 範例 ​

python
import numpy as np
import pandas as pd
from scipy import stats
import pingouin as pg

group_a = np.array([72, 68, 75, 80, 65, 71, 78, 69, 74, 70])
group_b = np.array([85, 90, 82, 88, 79, 91, 84, 87, 83, 86])

res = stats.mannwhitneyu(group_a, group_b, alternative="two-sided")
res.statistic, res.pvalue                          # statistic = U₁(第一組)

# 效果量:rank-biserial correlation = 2·U₁/(n₁n₂) − 1,範圍 −1 ~ 1(> 0 表示 A 傾向較大)
rbc = 2 * res.statistic / (len(group_a) * len(group_b)) - 1

pg.mwu(group_a, group_b)                           # 一次給 U、p、RBC、CLES
效果量 |r|解讀
0.1–0.3小
0.3–0.5中
> 0.5大

假設 ​

假設檢查
組內與組間皆獨立研究設計
至少為 Ordinal資料型態
(解讀為中位數差異時)兩組形狀相同畫圖比較

兩組形狀差很多時(例如一組變異大很多),Mann-Whitney 顯著不代表中位數不同。先畫 boxplot + 原始點或 violin plot。

python
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.DataFrame({"Score": np.r_[group_a, group_b], "Group": ["A"] * 10 + ["B"] * 10})
sns.boxplot(x="Group", y="Score", data=df)
sns.stripplot(x="Group", y="Score", data=df, color="black", alpha=0.5)
plt.show()

Mann-Whitney U vs t 檢定 ​

Welch t 檢定Mann-Whitney U
假設常態是(或 n 大)否
使用原始值(平均數)排名
對離群值敏感穩健
Ordinal 資料不適合適合
資料常態時的效率100%約 95%
效果量Cohen's dRank-biserial r

單細胞 RNA-seq 的 marker gene 偵測(如 Seurat FindMarkers 預設)就是逐基因做 Wilcoxon rank-sum,再做 多重檢定校正。注意此時是把細胞當樣本,會有 假重複 的問題。