秩和檢驗效能評估方法中不同的檢驗類型有什么區別？
秩和檢驗中不同的檢驗類型主要有 Wilcoxon 秩和檢驗（包括配對 Wilcoxon 符號秩檢驗和兩獨立樣本 Wilcoxon 秩和檢驗）、Kruskal-Wallis 檢驗等，它們的區別如下：
一、Wilcoxon 符號秩檢驗（配對樣本）
適用情況：
用于配對設計的定量資料，即對同一研究對象在兩種不同處理條件下進行測量，或者同一研究對象前后兩次測量的結果比較。
例如，比較患者治療前后的某項生理指標變化。
基本原理：
先計算配對數據的差值，然后對差值的絕對值進行排序并賦予秩次。如果差值為 0，則舍去該數據對。如果差值的正負號一致，則取平均秩次。最后，分別計算正秩和與負秩和，根據正、負秩和的大小來判斷配對數據之間是否存在差異。
特點：
重點關注配對數據之間的差異方向和大小，對于數據的分布形態沒有嚴格要求。
能夠有效處理小樣本數據，在樣本量較小時也能有較好的檢驗效能。
二、兩獨立樣本 Wilcoxon 秩和檢驗
適用情況：
用于完全隨機設計的兩個獨立樣本的定量資料比較，且兩個樣本的數據不滿足參數檢驗（如 t 檢驗）的正態分布和方差齊性條件。
例如，比較兩種不同藥物治療組患者的康復時間。
基本原理：
將兩個樣本的數據合并在一起進行排序，然后分別計算兩個樣本的秩和。如果兩個總體分布相同，那么兩個樣本的秩和應該大致相等；如果兩個總體分布不同，那么兩個樣本的秩和會有較大差異。
根據兩個樣本的秩和計算檢驗統計量，進而判斷兩個樣本是否來自相同的總體分布。
特點：
對數據的分布形態不敏感，適用于各種非正態分布的數據。
相比參數檢驗，在數據分布未知或非正態時更加穩健。
三、Kruskal-Wallis 檢驗（多個獨立樣本）
適用情況：
用于完全隨機設計的多個獨立樣本的定量資料比較，且數據不滿足參數檢驗的條件。
例如，比較三種不同治療方法對患者癥狀改善程度的差異。
基本原理：
將多個樣本的數據合并在一起進行排序，然后計算每個樣本的秩和。如果多個總體分布相同，那么各個樣本的秩和應該相差不大；如果多個總體分布不同，那么各個樣本的秩和會有顯著差異。
通過計算檢驗統計量，判斷多個樣本是否來自相同的總體分布。
特點：
可以同時比較多個獨立樣本，擴展了 Wilcoxon 秩和檢驗的應用范圍。
對數據的分布形態要求較低，適用于各種非正態分布和方差不齊的數據。
