Wilcoxon 检验是一种非参数检验，用于比较两个配对组。 请阅读其他内容，了解如何选择 t 检验，以及如何解读检验结果。

配对组独立吗？

只有当成对值是独立的时，Wilcoxon 检验的结果才有意义，即导致（成对值之间）差异过高或过低的任何因素只影响其中一对。Prism 无法检验这一假设。您必须考虑实验设计。例如，如果您有六对成对值，但这些成对值是从三只动物身上获得的，而且每只动物都进行了重复测量，那么误差就不是独立的。在这种情况下，某些因素可能会导致一只动物的前后差值偏高或偏低。这个因素会影响其中的两个配对值（但不会影响其他四个配对值），因此这两个配对值并不独立。

配对是否有效？

如果 P 值很大（比如大于 0.05），您就应该质疑使用成对检验是否有意义。您在选择是否使用成对检验时，不应只考虑这一个 P 值，还应考虑实验设计和您在其他类似实验中看到的结果。

您是在比较两组数据吗？

仅使用 Wilcoxon 检验比较两组。要比较三个或更多匹配组，请使用 Friedman 检验，然后进行后检验。进行多次 Wilcoxon 检验，一次比较两个组是不合适的。

如果您选择的是单尾 P 值，您的预测正确吗？

如果您选择了单尾 P 值，您应该在收集任何数据之前就预测出哪一组的中位数较大。Prism 并不要求您记录这一预测，而是假定它是正确的。如果您的预测是错误的，那么请忽略 Prism 报告的 P 值，并说明 P>0.50.

数据是否明显来自非高斯群体？

通过选择非参数检验，您避免了假设数据是从高斯分布中采样的。但使用非参数检验也有缺点。如果种群真的是高斯分布，非参数检验的检验力就会降低（不容易得到较小的 P 值），尤其是在样本量较小的情况下。此外，Prism（以及大多数其他程序）在计算非参数检验时不会计算置信区间。如果分布形状明显不是钟形，可以考虑对数值进行转换（也许是对数或倒数），创建高斯分布，然后使用 t 检验。

差异是否对称分布？

Wilcoxon 检验首先计算每一行中两个值之间的差值，然后只分析差值列表。Wilcoxon 检验并不假定这些差异是从高斯分布中采样的。不过，它确实假定差值围绕中位数对称分布。