Python scipy非参数检验结果解读：统计量、p值与效应量计算

在数据分析与实验评估中，当数据不满足正态分布或样本量较小时，参数检验（如t检验、ANOVA）的结论往往不再可靠。Python 中的 scipy.stats 模块提供了丰富的非参数检验函数，但其默认输出仅包含统计量和 p 值，既没有自动汇报分布形状，也缺少衡量实际差异大小的效应量。本文直接面向实际应用，系统讲解常用非参数检验的选择依据、scipy 输出结果中统计量与 p 值的统计学含义，并给出计算效应量（Effect Size）的完整代码与规范汇报方式。

一、非参数检验适用场景与方法选型

非参数检验（Non-parametric Tests）不依赖总体服从特定分布（如正态分布）的假定，通常基于样本数据的“秩次”（Ranks）进行推断。当遇到严重偏态数据、等级有序数据（如李克特五级量表）或小样本极端值时，非参数检验是保持统计推断稳健性的首选方案。

在选择具体方法时，核心依据包括样本组数（两组或多组）以及样本设计类型（独立样本还是配对样本）。下表梳理了常见非参数检验与其对应的参数检验关系：

二、标准操作流程与 scipy 代码实现

一次规范的非参数检验不应仅停留在调用单个函数，而应遵循涵盖数据准备、假设检验、结果提取与效应量计算的标准分析流。

下面给出完整的 Python 代码示例，展示如何生成偏态模拟数据，并使用 scipy.stats 执行 Mann-Whitney U 检验与 Wilcoxon 符号秩检验：

import numpy as np
from scipy import stats

# 1. 模拟生成两组偏态数据（例如某网站A/B版本用户的页面停留时间，单位：秒）
np.random.seed(42)
group_a = np.random.exponential(scale=30.0, size=50)  # 指数分布，强偏态
group_b = np.random.exponential(scale=45.0, size=55)  # 试验组，均值更高

# 2. 检查正态性（Shapiro-Wilk检验）
p_a = stats.shapiro(group_a).pvalue
p_b = stats.shapiro(group_b).pvalue
print(f"Group A 正态性检验 p-value: {p_a:.4e} (p < 0.05 表明偏离正态)")
print(f"Group B 正态性检验 p-value: {p_b:.4e}")

# 3. 执行独立两样本非参数检验：Mann-Whitney U 检验
# alternative 可选 'two-sided', 'less', 'greater'，默认为 'two-sided'
u_res = stats.mannwhitneyu(group_a, group_b, alternative='two-sided')
print("\n--- Mann-Whitney U 检验输出 ---")
print(f"检验统计量 (Statistic U): {u_res.statistic:.2f}")
print(f"显著性 p 值 (p-value):    {u_res.pvalue:.4e}")

# 4. 执行配对非参数检验：Wilcoxon 符号秩检验
# 模拟配对样本（如同一批用户优化前后的操作耗时）
before = np.random.exponential(scale=60.0, size=40)
after = before - np.random.normal(loc=8.0, scale=4.0, size=40)

w_res = stats.wilcoxon(before, after, alternative='two-sided')
print("\n--- Wilcoxon 符号秩检验输出 ---")
print(f"检验统计量 (Statistic W): {w_res.statistic:.2f}")
print(f"显著性 p 值 (p-value):    {w_res.pvalue:.4e}")

三、统计量与 p 值的统计学含义与解读

scipy.stats 返回的对象通常包含两个核心属性：statistic 和 pvalue。正确理解这两个数值是得出严谨结论的前提。

1. 统计量（Statistic）的具体含义

• Mann-Whitney U 统计量：代表两组数据相互配对比较时，第一组样本大于第二组样本的次数总和（并计入平局赋予的0.5）。两组各自的 U 值满足关系式：U1 + U2 = n1 * n2。在 scipy 的较新版本中，默认返回的是较小的 U 值或指定假设方向下的 U 值。
• Wilcoxon 符号秩检验 W 统计量：代表配对差值中正差（或负差）所对应的秩次和。如果两组没有差异，正负秩次和应当大致相等。
• Kruskal-Wallis H 统计量：类似于方差分析中的 F 比率，它衡量各组平均秩次偏离总体平均秩次的加权方差，在大样本下近似服从自由度为 k - 1 的卡方分布。

2. p 值的判断标准与单双侧选择

默认情况下，应始终指定 alternative='two-sided' 进行双侧检验，除非在实验设计阶段已有充分理论支持预先确立单向假设（如改版后耗时必然缩短）：

• alternative='two-sided'：检验两组总体的分布是否存在差异。
• alternative='greater'：检验第一组的取值倾向于大于第二组（随机优势）。
• alternative='less'：检验第一组的取值倾向于小于第二组。

四、效应量（Effect Size）计算与 Python 实现

由于 p 值严重受到样本量 $N$ 的影响，仅报告 p 值并不完整。效应量是一个与样本容量解耦的无量纲指标，用于量化差异的实际强度。针对非参数检验，常用的效应量包括：

1. 秩双列相关系数（Rank-Biserial Correlation, $r_{rb}$）：主要用于 Mann-Whitney U 检验，衡量两组比较时的优势优势差。计算公式为：
   r_{rb} = 1 - (2 * U) / (n1 * n2)，取值范围在 -1 到 1 之间。
2. 标准化效应量（$r$）：利用标准正态渐近分布的 $Z$ 统计量与总样本量 $N$ 计算：
   r = |Z| / sqrt(N)，适用于 Mann-Whitney U 与 Wilcoxon 符号秩检验。
3. Epsilon 平方（$\epsilon^2$）或 Eta 平方（$\eta_H^2$）：用于 Kruskal-Wallis 检验，反映组间因素解释的秩次方差百分比：
   \eta_H^2 = (H - k + 1) / (N - k)，其中 $H$ 为统计量，$k$ 为组数，$N$ 为总样本量。

效应量计算的通用 Python 函数

为便于在工程中直接复用，以下编写了一套涵盖 Mann-Whitney U 与 Kruskal-Wallis 检验的效应量自动化计算工具函数：

import numpy as np
from scipy import stats

def calc_mannwhitney_effect_size(group1, group2):
    """
    计算 Mann-Whitney U 检验的统计量、p值及效应量 (r 与 rank-biserial)
    """
    n1 = len(group1)
    n2 = len(group2)
    res = stats.mannwhitneyu(group1, group2, alternative='two-sided')
    u_stat = res.statistic
    p_val = res.pvalue
    
    # 计算秩双列相关系数 (Rank-Biserial Correlation)
    r_rb = 1.0 - (2.0 * u_stat) / (n1 * n2)
    
    # 基于 p 值反推渐近标准正态分位数 Z (双侧)
    # 当样本量较大时，可通过 scipy.stats.norm.ppf 精确近似
    z_score = stats.norm.ppf(1.0 - p_val / 2.0)
    r_z = z_score / np.sqrt(n1 + n2)
    
    # 评定大小级别
    abs_r = abs(r_z)
    if abs_r < 0.3:
        level = "小效应 (Small)"
    elif abs_r < 0.5:
        level = "中等效应 (Medium)"
    else:
        level = "大效应 (Large)"
        
    return {
        "statistic_U": u_stat,
        "p_value": p_val,
        "rank_biserial_r": r_rb,
        "r_z": r_z,
        "effect_level": level
    }

def calc_kruskal_effect_size(*groups):
    """
    计算 Kruskal-Wallis H 检验的统计量、p值及 Eta平方 (η²)
    """
    k = len(groups)
    n_total = sum(len(g) for g in groups)
    res = stats.kruskal(*groups)
    h_stat = res.statistic
    p_val = res.pvalue
    
    # 计算 eta_squared_H
    eta_sq = (h_stat - k + 1) / (n_total - k)
    eta_sq = max(0.0, min(1.0, eta_sq))  # 截断在 0~1 之间
    
    if eta_sq < 0.06:
        level = "小效应 (Small)"
    elif eta_sq < 0.14:
        level = "中等效应 (Medium)"
    else:
        level = "大效应 (Large)"
        
    return {
        "statistic_H": h_stat,
        "p_value": p_val,
        "eta_squared": eta_sq,
        "effect_level": level
    }

# 测试调用
sample_a = [12, 15, 18, 22, 29, 35, 41]
sample_b = [25, 29, 38, 42, 51, 65, 78]
report = calc_mannwhitney_effect_size(sample_a, sample_b)

print("--- Mann-Whitney 效应量计算结果 ---")
for k, v in report.items():
    if isinstance(v, float):
        print(f"{k}: {v:.4f}")
    else:
        print(f"{k}: {v}")

五、规范汇报格式与关键注意事项

在向团队或学术期刊汇报非参数检验结果时，应避免只写一句“两组差异具有显著性（p < 0.05）”。标准的汇报规范要求同时列出描述性统计指标（中位数与四分位距 IQR）、检验统计量及自由度、精确 p 值以及效应量大小。