美国大学统计学课程指南：Mann-Whitney U 检验原理、计算步骤与结果解读

　　在美国大学的统计学、生物统计学、公共卫生及研究方法课程中，学生可能需要根据研究设计和数据特征选择合适的统计检验。Mann-Whitney U 检验（曼-惠特尼 U 检验）是一种用于比较两个独立组的非参数方法，常用于有序数据或不适合采用相应参数检验的数据分析。它的核心不是直接比较两个样本的均值，而是根据合并样本中的秩次，评估两组观测值的分布是否存在差异。

　　学习这项检验时，不能只记住计算公式，还需要理解独立样本、秩次、原假设、P 值和检验结论之间的关系。在实际课程作业中，学生通常需要解释为什么选择 Mann-Whitney U 检验、如何计算检验统计量，以及如何根据统计结果回答研究问题。

一、什么是 Mann-Whitney U 检验？

　　Mann-Whitney U 检验是一种用于比较两个相互独立的群体或样本的非参数统计检验，也常被称为 Mann-Whitney-Wilcoxon 检验。它与 Wilcoxon 秩和检验在常见的两独立样本情境下密切相关。

　　在参数检验中，研究者可能使用独立样本 t 检验比较两组均值。但这一方法涉及特定的统计假设；当数据类型、分布特征或研究问题不适合使用相应参数方法时，可以考虑非参数检验。

　　Mann-Whitney U 检验通常适用于以下情形：

　　1. 研究对象被划分为两个相互独立的组。
　　2. 结果变量至少能够进行有意义的排序，例如连续数据或有序等级数据。
　　3. 研究问题关注两组观测值的相对分布差异，而不是直接比较两个算术平均数。

　　需要注意，数据不服从正态分布并不意味着必须使用 Mann-Whitney U 检验。选择统计方法时，还应考虑数据类型、样本是否独立、分布形状和研究假设。如果数据来自同一批参与者的前后测量，通常应考虑配对数据分析方法，而不是直接采用两独立样本检验。

　　此外，Mann-Whitney U 检验并不在所有情况下都等同于中位数比较。只有在两组分布形状相近、主要差异表现为位置变化等条件下，才适合将结果解释为位置或中位数差异。若两组的偏态、离散程度或分布形状明显不同，检验结果可能反映更广泛的分布差异。

二、Mann-Whitney U 检验的原假设与备择假设

　　进行 Mann-Whitney U 检验之前，需要先明确研究问题和假设。对于双侧检验，可以将假设概括为：

　　原假设（H₀）：两组观测值的分布不存在系统性的相对差异，具体检验解释应与所采用的统计定义一致。

　　备择假设（H₁）：两组观测值的分布存在差异。

　　更严格地说，常见的 Mann-Whitney U 检验可围绕两组随机观测值的相对大小关系进行解释；如果研究目标是比较完整分布，则需要明确相应的检验假设。不能在任何分布形态下都将原假设简单等同于“两组中位数相等”。

　　如果研究问题具有明确方向，例如希望检验某种治疗是否使结果倾向于更低的数值，可以根据研究设计和预先设定的研究假设采用单侧检验。但单侧或双侧检验应在分析前根据研究问题确定，不应看到数据后再选择对自己更有利的方向。

三、Mann-Whitney U 检验的计算步骤

　　Mann-Whitney U 检验的基本思路是将两个独立样本合并，根据观测值从小到大分配秩次，再利用各组的秩次信息计算检验统计量。

　　第一步：合并两个样本。

　　将两组所有观测值放在一起排序，并保留每个观测值原本所属的组别。

　　第二步：分配秩次。

　　将合并后的观测值从小到大排序，依次分配秩次。若存在相同数值，应为并列观测值分配平均秩次，而不是随意指定不同的排名。

　　第三步：计算各组秩次和。

　　分别计算两组观测值的秩次总和，通常记为 (R_1) 和 (R_2)。

　　第四步：计算 U 统计量。

　　对于第一组和第二组，可以分别计算：

　　[
　　U_1=R_1-\frac{n_1(n_1+1)}{2}
　　]

　　[
　　U_2=R_2-\frac{n_2(n_2+1)}{2}
　　]

　　其中，(n_1) 和 (n_2) 分别代表两组的样本量，(R_1) 和 (R_2) 分别代表两组的秩次总和。两组样本合并后的秩次满足：

　　[
　　R_1+R_2=\frac{N(N+1)}{2}
　　]

　　其中 (N=n_1+n_2)。

　　第五步：确定 P 值并作出结论。

　　根据样本量、秩次情况、并列值处理方式以及所采用的精确或近似计算方法，确定相应的 P 值，再与预先设定的显著性水平比较。不能只凭两组秩次和看起来差异较大，就认定结果具有统计学显著性。

四、Mann-Whitney U 检验实例：比较两组儿童哮喘发作次数

　　考虑一项假设性的临床试验，研究一种新药是否能够减少儿童哮喘相关症状。共有10名参与者被随机分配到安慰剂组和新药组，每组5人。参与者记录接受指定治疗后一周内的气喘发作次数。

　　以下数据用于演示统计检验的计算过程，并不代表真实临床试验结果，也不能用于判断任何药物的实际疗效。

　　安慰剂组（Placebo）：7、5、6、4、12

　　新药组（New Drug）：3、6、4、2、1

　　研究问题是：两组参与者的一周气喘发作次数是否存在统计学差异？

1. 判断检验方法是否合适

　　本例中，两组各有5名参与者，样本量较小，结果变量为计数数据。如果两组参与者相互独立，并且研究目标是比较两组结果的相对分布，Mann-Whitney U 检验可以作为候选方法。

　　但需要注意，计数数据可能具有特定的分布特征。如果研究目标是估计发作次数的差异、发生率比或治疗效果，Poisson 回归、负二项回归等模型也可能更符合研究设计。统计方法应由研究问题和数据结构决定，而不是只根据样本量小或数据不服从正态分布来选择。

2. 合并样本并分配秩次

　　将10个观测值从小到大排序，并根据原始组别记录来源。相同数值使用平均秩次。

　　| 观测值 | 组别 | 秩次 |
　　| 1 | 新药组 | 1 |
　　| 2 | 新药组 | 2 |
　　| 3 | 新药组 | 3 |
　　| 4 | 安慰剂组 | 4.5 |
　　| 4 | 新药组 | 4.5 |
　　| 5 | 安慰剂组 | 6 |
　　| 6 | 安慰剂组 | 7.5 |
　　| 6 | 新药组 | 7.5 |
　　| 7 | 安慰剂组 | 9 |
　　| 12 | 安慰剂组 | 10 |

　　由于数值4和6都存在并列观测值，因此分别使用平均秩次4.5和7.5。秩次总和仍然为：

　　[
　　\frac{10(10+1)}{2}=55
　　]

　　安慰剂组的秩次总和为：

　　[
　　R_1=4.5+6+7.5+9+10=37
　　]

　　新药组的秩次总和为：

　　[
　　R_2=1+2+3+4.5+7.5=18
　　]

　　两组秩次和之和为37+18=55，与合并样本的总秩次一致，计算结果通过基本核对。

3. 计算 Mann-Whitney U 统计量

　　两组样本量均为5，因此：

　　[
　　U_1=37-\frac{5(5+1)}{2}=22
　　]

　　[
　　U_2=18-\frac{5(5+1)}{2}=3
　　]

　　因此，本例两个方向的 U 统计量分别为22和3，较小的 U 值为3。

　　从秩次分布可以看出，新药组的观测值整体上倾向于较低的数值。但这只是描述性观察，尚不能直接说明两组差异达到统计学显著性。

4. 如何解释检验结果？

　　完成 U 统计量计算后，还需要根据并列值处理方式及所采用的检验方法计算 P 值。对于每组只有5个观测值的情况，应特别注意软件是否采用适当的精确计算方法，以及如何处理并列秩次。

　　如果 P 值低于预先设定的显著性水平，例如0.05，则可以在相应检验假设下拒绝原假设；如果 P 值不低于0.05，则表示当前数据没有提供足够证据拒绝原假设，但不代表已经证明两组完全相同，也不意味着治疗一定没有效果。

　　本例不应仅凭秩次和或 U 统计量就直接给出显著或不显著的结论。实际作业中，应报告所采用的检验方法、P 值、两组数据的描述性统计，并结合研究设计解释结果。

五、美国大学统计学作业中，结果应该如何报告？

　　在统计学或生物统计学课程作业中，计算出检验统计量通常只是分析的一部分。完整的答案还应说明为什么采用该方法、结果意味着什么，以及结论是否能够回答研究问题。

　　建议按照以下顺序组织结果：

　　1. 说明方法： 解释为什么选择 Mann-Whitney U 检验，以及两组样本是否独立。
　　2. 描述数据： 报告各组样本量、中位数和四分位距；必要时提供箱线图或其他分布图。
　　3. 报告检验结果： 给出 U 统计量、P 值和使用的检验方法，并根据课程要求报告效应量或置信区间。
　　4. 联系研究问题： 用简洁的文字解释结果是否支持原假设，以及结果对研究问题意味着什么。
　　5. 说明局限： 考虑样本量、数据分布、研究设计和实际意义，避免将统计学显著性直接等同于实际效果。

　　英文结果报告可以采用以下结构，但必须将方括号中的内容替换为实际分析得到的数据，不应直接把示例当作真实研究结果：

　　An independent-samples Mann-Whitney U test was conducted to compare [outcome] between [Group 1] and [Group 2]. The results indicated [a statistically significant / no statistically significant] difference in the distributions of the outcome between the two groups (U = [value], p = [value]). The findings should be interpreted in light of the sample size, distributional characteristics, and study design.

　　如果两组分布形状明显不同，应避免将结果直接表述为中位数差异。若作业要求解释实际意义，还应结合效应量、置信区间和研究背景，而不是只报告 P 值。

六、Mann-Whitney U 检验常见问题

Q1：Mann-Whitney U 检验和独立样本 t 检验有什么区别？

　　独立样本 t 检验主要用于比较两组总体均值，Mann-Whitney U 检验则基于合并样本的秩次，评估两个独立组的相对分布差异。两者回答的统计问题并不完全相同，因此不能简单地认为 Mann-Whitney U 检验就是“不需要正态分布的 t 检验”。

Q2：Mann-Whitney U 检验能否直接比较中位数？

　　不一定。只有在两组分布形状相近、差异主要体现为位置变化等情况下，才适合将结果解释为中位数或位置差异。如果两组分布形状不同，显著结果可能反映的是更广泛的分布差异。

Q3：Mann-Whitney U 检验适用于配对数据吗？

　　通常不适用。如果数据来自同一批参与者的治疗前后测量，或者属于一一配对的观测，应根据研究设计考虑 Wilcoxon 符号秩检验等配对数据方法，而不是直接使用两独立样本的 Mann-Whitney U 检验。

Q4：Mann-Whitney U 检验的 P 值小于0.05代表什么？

　　在显著性水平设定为0.05且相应检验假设成立时，P 值小于0.05通常意味着有足够统计证据拒绝原假设。它并不直接说明差异有多大，也不代表结果一定具有实际或临床意义。

Q5：美国大学统计学课程作业中，如何选择合适的统计检验？

　　应先确认研究问题、变量类型、样本是否独立、数据分布和作业指定的方法，再选择统计检验。如果不确定，应先查看课程讲义、作业要求和评分标准，再核对方法的适用条件。不要只因为某个方法计算简单，就将它用于所有数据。

　　如果在统计学课程中遇到检验方法选择、秩次计算、P 值解释或结果报告方面的困难，可以结合自己的课程材料进行针对性学习。海马课堂提供留学生课程辅导服务，学生可根据实际需求了解课程辅导服务，进一步梳理统计学概念、计算步骤和结果解读方法。

参考资料

　　1. StatPearls / NCBI Bookshelf：McNemar and Mann-Whitney U Tests。该资料介绍了 Mann-Whitney U 检验的适用场景、分布解释限制及结果报告注意事项。

　　https://www.ncbi.nlm.nih.gov/books/NBK560699/

　　2. 海马课堂：留学生课程辅导。用于了解课程辅导服务内容。

　　https://www.highmarktutor.com/Course/