Skip to content

Statistics › 無母數方法 › 何時使用

何時使用無母數方法 (When & Why) ​

第一步是判斷是否真的需要無母數方法。資料符合母數假設時硬用無母數,會白白損失檢定力。

考慮無母數的情況 ​

情況原因
資料是 Ordinal(Likert、分期、評分)間距不等,平均數沒有意義
小樣本且明顯非常態CLT 無法保證
嚴重離群值主導平均數與變異數
嚴重偏態且關心的是「典型值」平均數不具代表性

各母數檢定需要的假設與檢查方法見 假設檢查;離群值偵測見 單變數:數值型。

決策流程 ​

text
資料是 Ordinal? ── 是 ──▶ 無母數
      │否
n 小(< 30)? ── 是 ──▶ Q–Q 圖 + Shapiro-Wilk ── 近似常態 ──▶ 母數
      │否                                    └─ 非常態 ──▶ 無母數(或轉換、置換檢定)
嚴重離群值 / 極端偏態? ── 是 ──▶ 無母數(或轉換後用母數)
      │否
母數方法(CLT 支撐)

偏態資料也可以先 log 轉換 再用母數方法。這樣比較的是幾何平均,常比無母數更有檢定力、也更好解讀(例如 fold change)。

代價:檢定力 ​

情況後果
資料真的常態,卻用無母數檢定力損失小(Mann-Whitney 約為 t 檢定的 95% 效率),但需要稍大樣本
資料非常態(厚尾),卻用母數可能反而是母數檢定力較低,結果也可能失準
Ordinal 資料用母數假設不成立,結論不可靠

小樣本的陷阱:n = 3 vs 3 時,Mann-Whitney 最小可能的雙尾 p 值是 0.1,永遠不可能顯著。生物實驗常見的小樣本,無母數未必是解方。

無母數檢定其實在檢定什麼 ​

檢定嚴格來說檢定的是何時可解讀為「中位數差異」
Mann-Whitney U一組的值是否傾向大於另一組,P(X > Y) ≠ 0.5(隨機優勢 stochastic dominance)兩組分配形狀相同、只差位移
Wilcoxon signed-rank差值是否對稱於 0差值分配對稱
Kruskal-Wallis至少一組的排名分配不同各組形狀相同

顯著的無母數結果,原則上用「分配 / 排名的差異」來描述,除非有更強的形狀假設才說「中位數不同」。