無母數統計—威爾卡森符號檢定

Posted on 2016/09/08 in 數學, 數據分析, 機率統計 22,688 views

無母數統計—威爾卡森符號檢定(Non-parameter Statistics: Wilcoxon Signed-rank Test)

國立臺灣大學園藝暨景觀學系 李韶凱

一、前言

如果想檢測的資料無法直接假設其服從特定分布，應採用無母數 (nonparametric) 統計法進行檢

定。本文將介紹檢驗單樣本的無母數方法—威爾卡森符號等級檢定 (Wilcoxon signed-rank test)。

二、威爾卡森符號檢定 (Wilcoxon signed-rank test)

使用符號檢定 (sign test) 的檢定統計量（參考《無母數統計—符號檢定》一文）使用一組樣本，而

且對於抽樣的所有觀測值只由正號或負號表示與中位數的關係，圖一的例子表示兩組比較的差異都
是五個正號 (D = 5)，但是數值的差異卻被忽略了。換句話說，就是指考慮方向，而未考慮數值大小
的統計方法。而威爾卡森符號檢定則加以修正，除了保留符號檢定的正負號外，也將觀測值數值大
小的排序 (rank) 加入統計量的計算，因此檢定力 (power) 較符號檢定來得強。

圖一、兩組假設比較的資料在符號檢定下有同樣的結果。（本文作者李韶凱繪製）

例如表一為某品牌兩款手機於各據點的銷售情況，欲檢驗是否 B 款式較 A 款式受消費者喜愛。威爾

卡森符號檢定首先計算差值，若差值相同則捨棄該筆資料；接著以差值的數值（不考慮正負）標明
排序，若排序相同（稱為排序同值，tie）則取平均排序值（例如兩筆差值同為 20，原本排序為 9、
10，修正為 9.5、9.5；三筆差值皆為 15，原本排序為 6、7、8，則修正為 7、7、7）；最後加上符
號並加總排序，整理表格如表一。
 表一、兩款手機的銷售情況。（本文作者李韶凱製作）

假設 α = 0.05 的單尾檢定，虛無假設及對立假設分別為下：

H 0 : MA = MB H a : MA > MB

其中 M A 與 M B 分別為 A 款式與 B 款式手機銷售量的中位數。假設 T 為正排序和及負排序和中的

最小值，以下式子表示：

T = min{|正排序和|, |負排序和|}

當樣本數 n ≥ 20 使用檢定統計量 Z 如下:

|T − E(T )|
Z= −−−−−− (1)
√ V ar(T )

若樣本數過小 (n < 20) 則對檢定統計量進行連續性修正如下:

|T − E(T )| − 12
Z= −−−−−− (2)
√ V ar(T )

而 T 值的期望值及變異數分別如下:
 n(n + 1)
E(T ) = (1 + 2 + … + n) =
4

1 2 n(n + 1)(2n + 1)
V ar(T ) = (1 + 2 2 + … + n 2 ) =
2 24

由例子中的數據可得：

T = min{60, 18} = 18, E(T ) = 39, V ar(T ) = 162.5

使用公式 (2) 計算檢定統計量得 Z = 1.61

查 Z 表得 α = 0.05 的 Z 值為 1.65 大於 1.61，因此無法拒絕 H 0 ，表示此抽樣資料可能表示消費

者對兩款手機的喜惡程度相同或無特別偏好。以直覺而言，A 手機於多個據點銷量都較 B 手機好，
但是由於樣本數過小，符號檢定和威爾卡森符號檢定的結果都無法得到顯著的結果，然而威爾卡森
符號檢定的結果較接近棄卻域。

參考文獻

1. 沈明來 (2006)。生物統計學入門（第五版）。九州。頁180-190。

2. Hogg, R. V., Tanis, E., & Zimmerman, D. (2015). Probability and statistical inference
(9th edition). Pearson Higher Ed.