解读 P 值
Wilcoxon 检验是一种非参数检验，用于比较两个配对组。Prism 首先计算每组配对组之间的差异，并将差异的绝对值从低到高排序。然后，Prism 对列 A 较高的差异秩（正秩）进行求和，对列 B 较高的差异秩进行求和（称作负秩），并报告这两个秩和。如果两组的平均秩和相差很大，P 值就会很小。
P 值回答了这个问题：
如果 P 值较小，则可以否定差异是偶然因素造成的这一观点，并得出结论：两个群体的中位数不同。
如果 P 值很大，那么数据并不能让你得出总体中位数不同的结论。这并不等于说中位数是相同的。你只是没有令人信服的证据证明它们是不同的。如果样本较少，Wilcoxon 检验几乎没有检验微小差异的力。
如何计算 P 值
如果成对值少于 200，Prism 会计算精确 P 值。更多详细信息，请参阅Wilcoxon 符号秩检验页面。即使存在并列关系，Prism 6 及更高版本也能进行计算。超过 200 对时，Prism 会根据高斯成对值计算 P 值。这里使用的高斯一词与秩和的分布有关，并不意味着数据必须服从高斯分布。
Prism 如何处理成对值完全相同的情况
如果某些受试者在干预前后的值完全相同（两列中的值相同），会发生什么情况？
Wilcoxon 开发该检验时，建议忽略这些数据。假设有 10 对数据。其中九对的成对值前后不同，但第十对的成对值完全相同，因此差值等于零。使用 Wilcoxon 的原始方法，第十对数据将被忽略，其他九对数据将被分析。
Pratt(1,2) 提出了一种不同的方法来考虑并列值。Prism 6 及以后的版本提供了使用这种方法的选择。
您应该选择哪种方法？显然，如果没有成对值具有相同的前后值，那就无所谓了。举例来说，如果 200 个数据对中只有一个相同，也没有什么关系。
直觉告诉我们，数据不应被忽视，因此普拉特的方法肯定更好。 然而，Conover(3) 已经证明，这两种方法的相对优劣依赖于数据的基本分布，而这是你所不知道的。
中位数差异的 95% 置信区间
Prism 可以计算配对差异中位数的 95% 置信区间（在选项卡上选择）。这只有在假设差异分布对称时才能解读。Prism 6 及以后版本使用的是Sheskin（第四版）第 234-235 页和Klotz 第 302-303 页中解释的方法。
有效配对测试
使用配对检验的全部意义在于控制实验变异性。在实验中，一些你没有控制的因素会对前后的测量结果产生同样的影响，因此它们不会影响前后的差异。因此，通过只分析差异，配对检验可以纠正这些散差来源。
如果配对测试有效，那么前后测量结果就会同时发生变化。Prism 通过计算非参数斯皮尔曼相关系数rs 来量化这一点。根据rs，Prism 可以计算出 P 值，从而回答这个问题：如果两组真的完全不相关，那么随机抽取的受试者有多大几率会出现与您的实验中观察到的一样大（或更大）的相关系数？P 值为单尾 P 值，因为您对观察到强负相关的可能性不感兴趣。
如果配对有效，rs将为正，P 值将很小。这说明两组平均值显著相关，因此选择配对试验是合理的。
如果 P 值较大（如大于 0.05），则应质疑使用配对检验是否合理。你在选择是否使用成对检验时，不应该只看这一个 P 值，还应该考虑实验设计和你在其他类似实验中看到的结果（假设你已经重复了多次实验）。
如果rs为负值，则表示配对结果适得其反！您期望成对值一起移动--如果一个更高，另一个也会更高。而这里的情况恰恰相反--如果一个值较高，另一个值则较低。这很可能只是偶然现象。如果rs接近-1，您就应该重新审视您的程序，因为数据不寻常。
为什么结果可能与 Prism 早期版本报告的结果不同
Prism 6 及以后版本的结果可能与以前的版本不同，因为 Prism 现在在两种情况下进行精确计算，而 Prism 5 则进行近似计算。所有版本的 Prism 都会报告使用的是近似方法还是精确方法。
•Prism 可以比 Prism 5 更快地执行精确计算，因此可以对某些样本量进行精确计算，而早期版本的 Prism 只能进行近似计算。
•如果两对样本的前后差异相同，则以前版本的 Prism 总是使用近似方法。Prism 6 使用精确法，除非样本量很大。
Prism 会报告它使用的是近似方法还是精确方法，因此很容易判断这是否是导致结果不同的原因。
描述性统计
描述性统计的分析选项卡只汇总用于 Wilcoxon 检验的数据。如果您在一列中有任何数据，但另一列没有，那么这些值就不会包含在配对 t 检验所包含的描述性统计结果中。当然，一般描述性统计分析会分析所有数据。
参考资料
1.Pratt JW (1959)Remarks on zero and ties in the Wilcoxon signed rank procedures.美国统计协会杂志》，第 54 卷，第 287 期（1959 年 9 月），第 655-667 页 2.
2.Pratt, J.W. and Gibbons, J.D. (1981), Concepts of Nonparametric Theory, New York：Springer Verlag.
3.WJ Conover,On Methods of Handling Ties in the Wilcoxon Signed-Rank Test, Journal of the American Statistical Association, Vol. 68, No.
