Mann-Whitney U检验（曼-惠特尼U检验）和Kruskal-Wallis检验（克鲁斯卡尔-瓦利斯检验）

Mann-Whitney U检验（曼-惠特尼U检验）和Kruskal-Wallis检验（克鲁斯卡尔-瓦利斯检验）都是非参数统计方法，用于比较不同组间的分布差异，但它们的应用场景、设计目标和假设条件有所不同。以下是两者的详细区别：

1. 应用场景

2. 假设条件

注意：  
如果分布形状不同，两种检验的结果可能反映的是分布差异（而不仅仅是中位数差异）。

3. 方法原理

4. 统计量与结果解释

5. 后续分析

• Mann-Whitney U检验：直接给出两组差异的结论，无需额外分析。
• Kruskal-Wallis检验：若结果显著，需进行 事后两两比较（如Dunn检验、Bonferroni校正的Mann-Whitney U检验）。

6. 实际应用示例

Mann-Whitney U检验

• 场景：比较两种止痛药（A和B）对患者疼痛缓解时间（小时）的效果。
• 数据：A组和B组各20例患者的缓解时间（非正态分布）。
• 结论：若U值显著，说明两组缓解时间的中位数不同。

Kruskal-Wallis检验

• 场景：比较三种不同剂量的药物（低、中、高）对患者炎症评分的改善效果。
• 数据：三组患者的炎症评分（有序分类变量，如1-5分）。
• 结论：若H值显著，说明至少有一组与其他组不同，需进一步两两分析。

7. 选择建议

1. 组数：
      - 两组 → Mann-Whitney U检验。
      - 三组及以上 → Kruskal-Wallis检验。
2. 分布假设：
      - 若数据不满足正态性或方差齐性，优先选择非参数方法。
3. 多重比较：
      - Kruskal-Wallis检验显著后，需校正多重比较的显著性水平（如Bonferroni法）。

总结

• Mann-Whitney U检验是两独立样本的非参数替代（替代独立t检验）。
• Kruskal-Wallis检验是多独立样本的非参数替代（替代单因素ANOVA）。  
  两者均通过秩分析比较组间差异，但适用范围不同，需根据研究设计灵活选择。