• 除单样本Wilcoxon检验与单样本t 检验外，还有其它情况也均属于功能一致，但区别仅在于数据是否正态，共有4类情况，下表格详细列出：

  • 编号	数据正态（参数检验）	非正态（非参数检验）	功能
    1	单样本t 检验	单样本Wilcoxon检验	与某数字对比差异
    2	配对t 检验	配对Wilcoxon检验	配对数据差异
    3	独立样本t 检验（也称t 检验）	MannWhitney检验（也称非参数检验）	2组数据的差异
    4	单因素方差分析（也称方差分析）	Kruskal-Wallis检验（也称非参数检验）	多组数据的差异

    从理论上看，正态性特质是很多分析方法的前提，但现实中很难出现完美的正态分布数据，而且基于正态分布的参数检验性能相对更优，因而在实际研究中，可能即使数据非态，也会使用基于正态分布的参数检验。

    SPSSAU操作示例如下：

    

单样本Wilcoxon检验案例

• 1、背景

  当前有一款新手机，屏幕设定为6英寸。为检测生产设备的准确性，随机针对20个手机进行屏幕尺寸测量，用于检测数据是否与6英寸有明显的差异性，如果有明显的差异则说明生产设备有问题，反之则说明生产设备没有问题。共得到20个数据，首先做下正态性检验，发现数据并不服从正态分布，因而需要使用单样本Wilcoxon检验进行分析。

• 2、理论

  单样本Wilcoxon检验（也称单样本wilcoxon符号秩和检验，符号秩和检验，也或者秩和检验等）；其被用于检验数据是否与某数字有明显的差异性。首先需要判断数据是否呈现出正态性分析特质，如果数据呈现出正态性特质，此时应该使用单样本t 检验进行检验；如果数据没有呈现出正态性特质，此时应该使用单样本Wilcoxon检验。

• 3、操作

  本案例进行SPSSAU操作截图如下，由于数据需要与6进行对比，因此需要在输入框中输入数字6（如果不需要默认为0）：

  

• 4、SPSSAU输出结果

  SPSSAU会首先输出聚类项的基本描述情况，接着输出每项的聚类类别归属情况；并且输出树状图，如下所述：

  单样本Wilcoxon分析结果
  名称	样本量	中位数	统计量	p
  手机尺寸	20	6.000	1.481	0.139
  * p <0.05 ** p <0.01

  上表格显示，针对20个手机尺寸数据与数字6进行对比，以研究生产设备是否正确，从上表可以看出，数据不会表现出显著性(统计量=1.481，p =0.139>0.05)；意味着手机尺寸并不会明显的偏离数字6，同时手机尺寸的中位数为6，进一步说明手机尺寸确实是6英寸，从而证明生产设备正常没有问题。

• 5、文字分析

  具体文字分析例子如下：

  本研究收集20个手机尺寸数据，并且与数字6进行差异性对比；首先进行正态性检验时，发现数据并不具有正态性特质，因而使用单样本wilcoxon符号秩和检验进行分析，分析显示数据不会呈现出显著性(p =0.139>0.05)，并且中位数也为6，意味着手机尺寸确实与6这个数字无明显差异，最终证明生产设备正常没有问题。

• 6、剖析

  如果数据呈现出正态性则应该使用单样本t 检验，反之如果数据没有呈现出正态性，此时应该使用单样本wilcoxon符号秩和检验。除单样本Wilcoxon检验与单样本t 检验外，还有其它情况也均属于功能一致，但区别仅在于数据是否正态，共有4类情况，下表格详细列出：

  编号	数据正态（参数检验）	非正态（非参数检验）	功能
  1	单样本t 检验	单样本Wilcoxon检验	与某数字对比差异
  2	配对t 检验	配对Wilcoxon检验	配对数据差异
  3	独立样本t 检验（也称t 检验）	MannWhitney检验（也称非参数检验）	2组数据的差异
  4	单因素方差分析（也称方差分析）	Kruskal-Wallis检验（也称非参数检验）	多组数据的差异