教程 ·
数据不正态，组间比较该走哪条路？分几组和正不正态是两个独立判断
数据明显偏态时组间比较不能硬套 t 检验。实测演示"分几组"和"正不正态"这两个判断轴怎么分开走，以及把偏态这件事说给 AI 之后它是怎么选方法的。演示数据 N=291。
选组间比较的方法，其实是两个独立判断：分几组决定用哪一类方法，正不正态决定用参数版还是非参数版。两件事混着判断，就会出现"三组数据硬跑 t 检验"这种错。下面按这两个轴走一遍实测。
这一页解决什么
这篇不是非参数检验的方法总览——四种场景分别用哪个检验，非参数检验完整教程那一篇已经列成对照表了。本文只讲那张对照表背后的判断结构：为什么它是两个轴而不是一个，以及把"这个变量不太正态"这件事说给 AI 之后，它是怎么把方法定下来并讲出理由的。
统计课教的是：两组比大小用 t 检验，三组以上用方差分析。真拿自己的问卷去跑，很多人卡在同一个地方——有那么一个变量，数据明显不对称：大部分人挤在小数值那一头，少数几个人的数值大得离谱。教科书写着"要满足正态性假设"，却没告诉你不满足该换成什么。（"正态"就是把数据画成柱状图后，中间高、两边对称往下掉的那种形状。）
用的是演示数据（不是真实论文数据，模拟问卷，原始 310 份、剔除 19 份，清洗后有效样本 291 份）。
ChatSRS 中文界面全景：右侧"分析方法"面板里的"非参数检验"是产品自带入口，底部输入框说明这是个对话应用。
怎么问：把"不正态"这件事直接说出来，顺便要一个理由
实际打过去的原话是：「帮我做非参数检验。每周使用AI工具的小时数这个变量不太正态,我想比较低频、中频、高频三组之间有没有差异,男女之间也比一下。先告诉我这里为什么该用非参数,而不是直接做t检验和方差分析。」
最后那句是故意加的——要的不只是一个结果，是把"为什么换方法"讲清楚。方法选择的理由写不进论文，这一段就是空的。
指令原样保留：变量名、两种分组、以及"先告诉我这里为什么该用非参数"这句额外要求。
它是怎么定方法的：两句话拆成两个轴
产品的回答原话是：「每周使用 AI 工具小时数分布明显偏态，且存在较高的极端值。此时直接使用 t 检验或方差分析，均值和标准差可能受到极端值影响，正态性假设也不理想。由于使用频率分组包含低频、中频和高频三组，因此参数方法应使用单因素方差分析，而不是 t 检验；本次采用对偏态分布更稳健的 Kruskal–Wallis H 检验。性别只有男女两组，因此采用 Mann–Whitney U 检验。」
这段话里有个容易被忽略的拆分：分几组，决定你用哪一类方法；正不正态，决定你用参数版还是非参数版。这是两件独立的事。
| 近似正态 | 明显偏态 · 有极端值 | |
|---|---|---|
| 两组 | 独立样本 t 检验 | Mann-Whitney U 检验 |
| 三组及以上 | 单因素方差分析 | Kruskal-Wallis H 检验 |
判断结构取自上述产品输出的方法说明段落；左列两格为方法名对照，本文实测只落在右列两格。
（"非参数"就是不要求数据服从正态分布的那一类方法。Kruskal-Wallis H 检验是方差分析的非参数版，比三组及以上；Mann-Whitney U 检验是 t 检验的非参数版，比两组。）
产品的方法判断原文：先说偏态和极端值，再按组数分别定 Kruskal–Wallis H 与 Mann–Whitney U。
结果长什么样：两张表，落在四格的右列两格
三组比较（低频、中频、高频）：
| 变量 | A.中频(n=84) M(P25,P75) | B.低频(n=95) M(P25,P75) | C.高频(n=112) M(P25,P75) | H | p | η² |
|---|---|---|---|---|---|---|
| 每周使用AI工具的小时数 | 5.000(3.350, 8.225) | 2.600(1.700, 4.000) | 8.500(5.675, 11.725) | 112.702 | <0.001** | 0.389 |
两组比较（男女）：
| 变量 | 女(n=173) M(P25,P75) | 男(n=118) M(P25,P75) | U | z | p | r |
|---|---|---|---|---|---|---|
| 每周使用AI工具的小时数 | 4.600(2.800, 8.900) | 5.000(2.650, 9.425) | 10291.0 | 0.119 | 0.906 | 0.007 |
数据来源：ChatSRS 实测输出，演示数据 N=291，非真实论文数据。正文引用的 H(2)=112.702、U=10291.000 与表内数值同源。
两张结果表：表头里的各组 n 和 M(P25,P75) 格式是读这张表的前提，效应量列分别是 η² 和 r。
这张表报的不是均值±标准差
注意表头写的是 M(P25,P75)。 把所有人按小时数从小到大排队，站在正中间那位的数值就是 M（中位数），排在四分之一处和四分之三处的那两位是 P25 和 P75。
为什么换成中位数？因为这个变量本来就有几个极端值，均值会被它们拽走，中位数不会。效应量也跟着分家：两组看 r，三组及以上看 η²。
两张表放一起看：同一列数据、同一个方法家族，换个分组，一个 p<0.001，一个 p=0.906。 这两行分别该怎么写进论文、哪一行其实不值得写，显著的那一行反而最不该写进论文那一篇专门讲。
什么情况下不适用
- 这是模拟数据（N=291，非真实论文数据），上面任何差异都说明不了真实结论。
- 非参数检验不要求正态，代价是它比的是分布的位置而不是均值，能不能直接说"某组平均更高"，措辞上要小心。
- 上面那张四格表左列（近似正态那一列）本次没有实测数据，只列方法名，不挂数字。
- 本文只讲方法怎么选、结果长什么样，APA 报告格式不在范围内，见 Kruskal-Wallis 检验的 APA 报告怎么写。
- AI 给的判断也建议自己再核一遍。
判据卡：先问要比几组、再问变量正不正态，两个提问落进四格，右列两格标注本次实测的 H、U、效应量与各组中位数。
常见问题
数据不正态，组间比较该用什么方法？
先分两步判断：分几组决定方法类别，正不正态决定用参数版还是非参数版。本文实测里，三组比较用的是 Kruskal-Wallis H 检验、两组比较用的是 Mann-Whitney U 检验，理由是产品判断这个变量"分布明显偏态，且存在较高的极端值"。
Kruskal-Wallis 和 Mann-Whitney 怎么选？
只看组数。两组用 Mann-Whitney U 检验，三组及以上用 Kruskal-Wallis H 检验。本文实测里同一个变量、同一份数据，按使用频率分三组走了前者、按性别分两组走了后者，两张表就是这么来的。
三组数据能不能拆成几个两两 t 检验来做？
本文素材没有演示这种做法，也没有给出对应的处置数字，所以不在这里给结论。四种非参数场景各自的适用边界，非参数检验完整教程里有完整对照表。
非参数检验的结果为什么报中位数而不是均值？
因为它比的是分布的位置。本文实测这张表的格式是 M(P25,P75)，也就是中位数加上四分之一处和四分之三处的两个分位数，这样极端值不会把描述统计拽偏。
要不要提前知道方法名才能问出来？
上文演示里只点了"非参数检验"这一个词，具体是 Kruskal–Wallis 还是 Mann–Whitney 由产品按组数自己定，并给出了选用理由。具体是否需要点名方法，建议以产品实际交互为准，本文不代表功能承诺。
把你的偏态变量跑一次看看
数据去标识之后，可以登录 ChatSRS 开始分析。提问时把"这个变量不太正态""要比几组"两件事都说清楚，再加一句"先告诉我为什么该用这个方法"，方法选择那一段就有出处了。
相关文章推荐
本文演示数据为模拟问卷（原始 310 份、剔除 19 份、清洗后有效样本 291 份），非真实论文数据。具体功能、数据处理规则和价格以当前产品页面与真实输出为准。