Testy nieparametryczne: Mann–Whitney, Wilcoxon i Kruskal–Wallis – kiedy je stosować?

Testy nieparametryczne przydają się wtedy, gdy pytanie badawcze dotyczy porównania grup lub pomiarów, ale charakter danych nie uzasadnia klasycznego testu t albo ANOVA. Często dotyczy to wyników porządkowych, wyraźnie asymetrycznych rozkładów, małych prób albo obserwacji odstających, których nie można potraktować jako błędów.

Nie oznacza to jednak, że każdy istotny wynik testu Shapiro–Wilka automatycznie prowadzi do metody nieparametrycznej. Dobór analizy powinien uwzględniać projekt badania, zależność pomiarów, liczbę grup, poziom pomiaru i kształt rozkładów. W tym poradniku pokazujemy, kiedy wybrać test U Manna–Whitneya, test rang Wilcoxona albo test Kruskala–Wallisa, jak uruchomić je w Jamovi oraz jak poprawnie opisać wyniki w pracy dyplomowej.

Kiedy stosuje się testy nieparametryczne?

Testy nieparametryczne nie wymagają założenia konkretnego rozkładu zmiennej w takiej formie jak ich klasyczne odpowiedniki. Wiele z nich opiera się na rangach, czyli kolejności wyników od najmniejszego do największego, a nie bezpośrednio na średnich i odchyleniach standardowych.

Można je rozważyć, gdy:

• analizowana zmienna ma charakter porządkowy, na przykład jest pojedynczą odpowiedzią na skali Likerta;
• rozkład jest silnie asymetryczny, a liczebność próby niewielka;
• występują uzasadnione obserwacje odstające, które silnie wpływałyby na średnią;
• różnice między parami pomiarów nie spełniają warunków testu t dla prób zależnych;
• porównywane grupy są małe, a ocena założeń klasycznej analizy jest niepewna;
• pytanie badawcze dotyczy różnic w położeniu albo rozkładzie wyników, a nie wyłącznie różnicy średnich.

„Nieparametryczny” nie oznacza „bez założeń”. Test nadal wymaga prawidłowo dobranego schematu badania, niezależności obserwacji tam, gdzie jest ona potrzebna, oraz sensownego pomiaru zmiennej.

Przed rozpoczęciem analizy warto uporządkować zbiór zgodnie z poradnikiem jak przygotować dane do analizy w Jamovi. Sam wybór testu można również skonfrontować ze schematem doboru testu statystycznego.

Jak wybrać właściwy test nieparametryczny?

Najważniejsze pytania dotyczą liczby grup i tego, czy obserwacje są niezależne, czy powiązane. Dwie grupy są niezależne, gdy każda osoba występuje tylko w jednej z nich. Pomiary są zależne, gdy dotyczą tych samych osób albo celowo dobranych par.

Ten artykuł koncentruje się na pierwszych trzech metodach. Test Friedmana jest ważnym uzupełnieniem, ale odpowiada na inny projekt badania niż Kruskal–Wallis.

Co oznacza analiza rang?

Wyobraź sobie wyniki: 12, 18, 23, 23 i 40. Po uporządkowaniu każdy wynik otrzymuje rangę. Najniższy ma rangę 1, kolejny rangę 2, a dwa jednakowe wyniki otrzymują średnią z rang, które zajmują. W testach nieparametrycznych porównuje się następnie układ albo sumę rang między grupami czy pomiarami.

Rangi ograniczają wpływ pojedynczego bardzo wysokiego wyniku. Wartości 40 i 400 mogą zajmować tę samą ostatnią pozycję w uporządkowanym zbiorze, chociaż dla średniej arytmetycznej ich wpływ byłby zupełnie inny. Jest to zaleta przy asymetrii i wartościach odstających, ale oznacza też utratę części informacji o bezwzględnej odległości między wynikami.

Test oparty na rangach nie zwalnia z przedstawienia statystyk opisowych. W pracy warto podać liczebności, mediany i rozstępy międzykwartylowe, a najlepiej również pokazać rozkłady na wykresie.

Test U Manna–Whitneya

Kiedy go wybrać?

Test U Manna–Whitneya służy do porównania dwóch grup niezależnych. Przykładem jest porównanie poziomu stresu między studentami studiów stacjonarnych i niestacjonarnych, jeżeli każdy uczestnik należy tylko do jednej grupy.

Zmienna grupująca musi mieć dwa poziomy. Zmienna zależna powinna pozwalać na uporządkowanie wyników. Nie stosuj tego testu do pomiaru „przed i po” u tych samych osób — taki układ wymaga testu Wilcoxona.

Jak wykonać test w Jamovi?

Wybierz:

Analizy → Testy t → Test t dla prób niezależnych

W angielskim interfejsie:

Analyses → T-Tests → Independent Samples T-Test

Przenieś analizowany wynik do pola Dependent Variables, a zmienną z dwiema grupami do Grouping Variable. Następnie zaznacz Mann-Whitney U. Możesz wyłączyć klasyczny test Studenta, jeżeli w raporcie ma pozostać wyłącznie analiza nieparametryczna.

Jak odczytać wynik?

Jamovi podaje statystykę U i wartość p. Jeżeli p jest mniejsze od przyjętego poziomu alfa, zwykle 0,05, wynik wskazuje na różnicę rozkładów między grupami. Kierunek różnicy oceniasz za pomocą median, rozstępów międzykwartylowych i wykresu.

Nie wystarczy napisać, że „grupa A uzyskała lepszy wynik, ponieważ U było istotne”. Trzeba wskazać, która grupa miała wyższe typowe wyniki i jak duża była różnica w kategoriach opisowych lub za pomocą miary efektu.

Test rang Wilcoxona

Kiedy go wybrać?

Test rang Wilcoxona służy do porównania dwóch pomiarów zależnych. Najczęstszy przykład to wynik tej samej osoby przed interwencją i po niej. Można go również zastosować do celowo dopasowanych par, jeżeli zależność została uwzględniona podczas przygotowania danych.

Test analizuje znaki i rangi różnic w parach. Z tego powodu kluczowe jest prawidłowe połączenie dwóch wyników tej samej osoby w jednym wierszu. Brak jednego pomiaru sprawia, że dana para nie może uczestniczyć w analizie.

Jak wykonać test w Jamovi?

Wybierz:

Analizy → Testy t → Test t dla prób zależnych

W angielskim interfejsie:

Analyses → T-Tests → Paired Samples T-Test

Dodaj dwie kolumny jako parę w polu Paired Variables, a następnie zaznacz Wilcoxon rank. Jeżeli nie raportujesz testu t, odznacz Student’s. Włącz statystyki opisowe i wykres, aby pokazać kierunek zmiany.

Jak odczytać wynik?

W raporcie Jamovi znajdziesz statystykę W i wartość p. Istotny wynik oznacza, że rozkład różnic między parami nie jest zgodny z hipotezą zerową testu. Kierunek określasz na podstawie wyników przed i po oraz różnic w poszczególnych parach.

W teście Wilcoxona analizowane są pary, a nie dwie niezależne kolumny. Zamiana testu dla prób zależnych na test Manna–Whitneya usuwa z analizy informację o tym, które wyniki należą do tej samej osoby.

Test Kruskala–Wallisa

Kiedy go wybrać?

Test Kruskala–Wallisa porównuje co najmniej trzy grupy niezależne. Można go użyć na przykład do sprawdzenia, czy poziom zaangażowania różni się między studentami pierwszego, trzeciego i piątego roku.

Zmienna grupująca może mieć więcej niż dwa poziomy, ale każda osoba powinna należeć tylko do jednej grupy. Test dotyczy jednego czynnika grupującego. Jeżeli projekt obejmuje kilka czynników, interakcje albo zmienne kontrolne, potrzebna może być inna metoda niż prosty test Kruskala–Wallisa.

Jak wykonać test w Jamovi?

Wybierz:

Analizy → ANOVA → Jednoczynnikowa ANOVA (nieparametryczna)

W angielskim interfejsie:

Analyses → ANOVA → One-Way ANOVA (Kruskal-Wallis)

Przenieś wynik do pola Dependent Variables, a kategorię grupową do Grouping Variable. Włącz miarę efektu oraz porównania parami, jeżeli wynik ogólny jest istotny i chcesz sprawdzić, które grupy różnią się między sobą.

Dlaczego potrzebne są porównania parami?

Istotny wynik Kruskala–Wallisa mówi, że nie wszystkie grupy mają taki sam rozkład. Nie wskazuje jednak automatycznie konkretnej pary odpowiedzialnej za różnicę. Przy trzech lub większej liczbie grup trzeba przeanalizować porównania parami z odpowiednią korektą wielokrotnych testów.

Nie wykonuj wielu osobnych testów Manna–Whitneya bez korekty. Im więcej porównań, tym większa szansa przypadkowego uzyskania p mniejszego od 0,05.

Dlaczego warto obejrzeć rozkłady, a nie tylko wartość p?

Trzy grupy mogą różnić się typowym poziomem wyników, rozrzutem albo obecnością nietypowych obserwacji. Test rang porządkuje wyniki, ale wykres pomaga zrozumieć charakter różnicy.

Najedź na punkty, aby odczytać syntetyczne wyniki. Dane służą wyłącznie do pokazania sposobu interpretacji testu Kruskala–Wallisa.

Czy wynik dotyczy median?

Popularne zdanie „test Manna–Whitneya porównuje mediany” jest skrótem, który nie zawsze jest poprawny. Test bezpośrednio wykorzystuje rangi i ocenia różnicę między rozkładami. Interpretacja jako różnica położenia albo median jest najbezpieczniejsza wtedy, gdy rozkłady grup mają podobny kształt i rozrzut.

Jeżeli jedna grupa ma rozkład wąski i symetryczny, a druga szeroki i asymetryczny, istotny wynik może odzwierciedlać więcej niż przesunięcie mediany. Dlatego przed wnioskiem obejrzyj wykresy i podaj statystyki opisowe dla każdej grupy.

Podobna ostrożność dotyczy testu Kruskala–Wallisa. Istotność nie oznacza automatycznie, że wszystkie mediany są różne. Najpierw interpretujesz test ogólny, później porównania parami i dopiero na końcu formułujesz wniosek merytoryczny.

Jak raportować statystyki opisowe?

Przy analizie nieparametrycznej podstawowym zestawem są:

• liczebność każdej grupy albo liczba kompletnych par;
• mediana;
• pierwszy i trzeci kwartyl albo rozstęp międzykwartylowy;
• minimum i maksimum, jeżeli pomagają zrozumieć zakres;
• wykres pokazujący rozkład, a nie wyłącznie średnią;
• informacja o brakach danych i sposobie ich wykluczenia.

Średnia i odchylenie standardowe mogą zostać podane dodatkowo, jeżeli są użyteczne dla odbiorcy, ale nie powinny zastępować mediany i kwartylów w opisie analizy rangowej.

Jak opisać wyniki w pracy dyplomowej?

Poniższe liczby są syntetyczne. Pokazują strukturę zapisu, a nie wyniki przeznaczone do skopiowania.

Przykład opisu testu Manna–Whitneya

Ze względu na porządkowy charakter wyniku porównano dwie niezależne grupy testem U Manna–Whitneya. Mediana w grupie B wyniosła 61 punktów (IQR = 13), a w grupie A 52 punkty (IQR = 13). Wyniki były wyższe w grupie B, U = 505; p = 0,004.

Przykład opisu testu Wilcoxona

Zmianę wyniku między pomiarem przed interwencją i po niej oceniono testem rang Wilcoxona. Mediana wzrosła z 58 punktów (IQR = 12) do 64 punktów (IQR = 11). Różnica była istotna statystycznie, W = 126; p = 0,002.

Przykład opisu testu Kruskala–Wallisa

Porównano wyniki trzech niezależnych grup testem Kruskala–Wallisa. Test ogólny był istotny, χ²(2) = 12,84; p = 0,002. Porównania parami z korektą Holma wskazały różnicę między grupą A i C, p = 0,001. Dla pozostałych par nie uzyskano istotnych różnic.

Dokładny sposób zapisu symbolu statystyki może zależeć od raportu programu i standardu przyjętego na uczelni. Najważniejsze, aby konsekwentnie podać rodzaj testu, liczebności, statystyki opisowe, statystykę testową, p oraz kierunek wyniku. Więcej o interpretacji p znajdziesz w artykule o wartości p, przedziale ufności i wielkości efektu.

Czy trzeba podawać wielkość efektu?

Wartość p informuje o zgodności danych z hipotezą zerową, ale nie opisuje praktycznej wielkości różnicy. Dlatego, jeśli Jamovi lub przyjęty standard raportowania udostępnia miarę efektu, warto ją dodać razem z przedziałem ufności.

Dla testów Manna–Whitneya i Wilcoxona często stosuje się korelację dwuseryjną rang albo miarę opartą na standaryzowanej statystyce. Dla testu Kruskala–Wallisa spotyka się miary z rodziny epsilon kwadrat. Nie mieszaj różnych wzorów bez podania, której miary użyto.

W pracy wystarczy krótko wskazać nazwę miary, wartość i przyjętą interpretację. Unikaj mechanicznego oceniania efektu wyłącznie jako „mały”, „średni” albo „duży” bez odniesienia do dziedziny badania.

Jak opisać wybór testu w metodologii?

Uzasadnienie powinno wynikać z danych i projektu. Przykład:

Do porównania dwóch niezależnych grup zastosowano test U Manna–Whitneya, ponieważ wynik miał charakter porządkowy, a obserwacje w grupach były niezależne.

W innym badaniu możesz napisać:

Zmianę między dwoma pomiarami tych samych osób oceniono testem rang Wilcoxona. Wybrano metodę dla prób zależnych, ponieważ rozkład różnic był wyraźnie asymetryczny i obejmował obserwacje odstające.

Nie trzeba zamieszczać długiej listy wszystkich sprawdzonych opcji. Czytelnik powinien jednak wiedzieć, dlaczego test odpowiada strukturze danych i pytaniu badawczemu.

Najczęstsze błędy

• Wybór testu nieparametrycznego wyłącznie dlatego, że Shapiro–Wilk dał p mniejsze od 0,05.
• Zastosowanie testu Manna–Whitneya do pomiaru przed i po u tych samych osób.
• Traktowanie istotnego Kruskala–Wallisa jako dowodu różnicy między każdą parą grup.
• Wykonywanie wielu porównań bez korekty poziomu istotności.
• Raportowanie samego p bez median, IQR i kierunku różnicy.
• Pisanie, że każdy test rang „porównuje mediany”, bez obejrzenia kształtu rozkładów.
• Usuwanie wartości odstających tylko po to, aby można było zastosować test parametryczny.
• Łączenie kategorii po zobaczeniu wyników, bez wcześniejszego uzasadnienia.
• Mylenie niezależnych grup z zależnymi pomiarami.
• Kopiowanie całej tabeli z Jamovi bez odpowiedzi na pytanie badawcze.

Lista kontrolna przed opisaniem wyniku

• Czy liczba grup odpowiada wybranemu testowi?
• Czy wiem, czy obserwacje są niezależne, czy powiązane?
• Czy poziom pomiaru pozwala uporządkować wyniki?
• Czy sprawdziłem braki danych i kompletność par?
• Czy obejrzałem rozkłady i obserwacje odstające?
• Czy podałem liczebności, mediany i IQR?
• Czy po istotnym Kruskalu–Wallisie wykonałem poprawne porównania parami?
• Czy uwzględniłem korektę wielokrotnych porównań?
• Czy raportuję statystykę testową, p i miarę efektu?
• Czy wniosek odnosi się bezpośrednio do pytania badawczego?

FAQ

Czy istotny test Shapiro–Wilka zawsze oznacza konieczność użycia testu nieparametrycznego?

Nie. Wynik trzeba oceniać razem z wykresem, liczebnością próby, obserwacjami odstającymi, poziomem pomiaru i odpornością planowanej metody. Samo p mniejsze od 0,05 nie jest automatycznym przełącznikiem między testami.

Mann–Whitney czy Wilcoxon – jaka jest najważniejsza różnica?

Mann–Whitney porównuje dwie grupy niezależne, a Wilcoxon dwa pomiary powiązane. Wybór zależy przede wszystkim od projektu badania, a nie od kształtu tabeli w Jamovi.

Czy test Kruskala–Wallisa można zastosować dla dwóch grup?

Technicznie test ogólny można rozważać także przy dwóch poziomach, ale dla dwóch niezależnych grup standardowym i czytelniejszym wyborem jest test U Manna–Whitneya.

Co zrobić po istotnym wyniku Kruskala–Wallisa?

Wykonaj zaplanowane porównania parami z korektą wielokrotnych testów. Dopiero one pokazują, które pary grup różnią się w analizowanym zbiorze.

Czy przy testach nieparametrycznych podaje się średnią?

Można ją podać pomocniczo, ale podstawą opisu są zwykle mediana, kwartyle albo IQR oraz wykres rozkładu. Statystyki powinny odpowiadać sposobowi interpretacji testu rangowego.

Czy test nieparametryczny jest zawsze bezpieczniejszy?

Nie. Może być lepiej dopasowany do danych porządkowych lub silnie asymetrycznych, ale również ma założenia i może mieć mniejszą moc w sytuacji, gdy model parametryczny jest prawidłowy. Najlepszy test to ten, który odpowiada pytaniu i strukturze danych.

Źródła i dalsza lektura

• jamovi project, Independent Samples T-Test — opcja Mann–Whitney U.
• jamovi project, Paired Samples T-Test — opcja Wilcoxon signed-rank.
• jamovi project, One-Way ANOVA (non-parametric) — test Kruskala–Wallisa.
• jamovi project, porównanie analiz nieparametrycznych w Jamovi i SPSS.

Jeżeli masz dane, ale nie wiesz, czy wybrać Manna–Whitneya, Wilcoxona, Kruskala–Wallisa czy metodę parametryczną, zobacz zakres analiz statystycznych albo prześlij opis badania i plik. Dobór testu można wtedy sprawdzić przed rozpoczęciem właściwego raportowania.