两条生产线各抽一批零件，可以比较尺寸是否有差异；同一批零件在处理前后各测一次，也能得到两列尺寸。两种数据看着都是“两组”，分析时却不能用同一套方法。JMP两组数据怎么做非参数检验JMP非参数检验与t检验如何选择，要看观测值能不能一一配对，也要看业务关心的是平均值相差多少，还是一组读数整体偏高。数据有偏态，只是选择方法时要考虑的条件之一。

　　一、JMP两组数据怎么做非参数检验

　　两组独立样本可以在单因子分析中做Wilcoxon秩和检验。同一对象前后各测一次，则应保留配对关系，对每一对的差值做分析。

　　1、两组独立样本做秩和检验

　　以两条生产线的零件尺寸为例，每行放一件零件的测量结果。生产线和尺寸各占一列，两条线的样本量可以不同。

　　①在【数据表】中双击【尺寸】列标题，将【建模类型】设为【连续型】；将【生产线】列的【建模类型】设为【名义型】，分别点击【确定】。

　　②选择【分析】→【以X拟合Y】，将【尺寸】放入【Y，响应】，将【生产线】放入【X，因子】，点击【确定】。

　　③打开【单因子分析】的红色小三角菜单，选择【非参数】→【Wilcoxon/Kruskal-Wallis检验】。

　　2、读出双侧结果并核对样本量

　　①在秩和检验报表中查看【水平】和【计数】，核对实际参加计算的两组记录数。

　　②如果事先设定的是双侧比较，在【Wilcoxon双样本检验，正态近似】中读取【概率>|Z|】。

　　③如果样本较少且所用版本提供精确检验，可从【非参数】→【精确检验】→【Wilcoxon精确检验】生成结果，并记录使用的计算方式。

　　同一份报表可能同时列出正态近似和卡方近似结果，数值略有差别并不表示数据发生了变化。写结果时，注明采用哪种计算方式；也别把报表里的秩得分当成原始尺寸均值。

　　3、同一对象前后测量做符号秩检验

　　①在【数据表】中按【样品编号】核对每一行，确认【处理前】和【处理后】来自同一件样品。

　　②选择【分析】→【专业建模】→【配对】，把【处理前】和【处理后】放入【Y，配对响应】，点击【确定】。

　　③在【配对】报表的红色小三角菜单中启用【Wilcoxon符号秩】，查看检验结果，并确认差值的相减方向。

　　二、JMP非参数检验与t检验如何选择

　　选方法时，先把业务问题写成一句话。要估计平均尺寸差多少，和要判断哪条线的读数更常排在前面，指向的是不同的比较目标。

　　1、关心平均值差异时考虑t检验

　　如果工程要求以毫米表示平均尺寸偏差，均值差和置信区间比单独一个显著性结果更有用。两组独立、目标是比较均值且数据适合做均值推断时，方差不同可以用不假定等方差的t检验处理。

　　①在【以X拟合Y】中指定【Y，响应】与【X，因子】，点击【确定】。

　　②在【单因子分析】的红色小三角菜单中选择【t检验】，生成不假定方差相等的结果。

　　③若有依据采用等方差模型，可改用【均值/方差分析/合并的t】；在对应报表中记录【差值】及其置信区间。

　　2、关心观测值的相对次序时考虑秩和检验

　　①在【单因子分析】的红色小三角菜单中开启【分位数】，比较两组的位置、跨度和尾部。

　　②用【非参数】→【Wilcoxon/Kruskal-Wallis检验】生成秩和结果，并结合各组【得分均值】判断哪组的观测值倾向于排得更高。

　　例如，一组读数大部分偏低，却有少数特别大的值，算术平均值可能被拉高，秩和结果仍可能反映大多数读数的相对位置。两组分布形状或离散程度明显不同时，秩和检验显著也不能直接写成“两组中位数不同”。它同样不能代替对原单位均值差的估计。

　　3、配对数据重点看每一对的差值

　　①打开【配对】报表，检查差值图中的变化方向和个别偏离较远的观测。

　　②关注平均变化量且差值适合做均值推断时，读取【配对】报表中的t检验结果。

　　③差值偏离正态但仍大致对称，且研究问题适合用秩来回答时，从【配对】红色小三角菜单启用【Wilcoxon符号秩】；差值明显不对称、只关心增减方向时，可考虑同一菜单中的【符号检验】。

　　配对t检验关注的是差值的平均数。判断它是否适用时，不必要求处理前和处理后各自都呈正态分布；样本较少时，更应关注差值本身是否严重偏斜、是否被个别观测主导。

　　三、JMP两种检验结论不一致时怎么核对

　　同一张表跑出两个不同的p值，并不少见。先确认比较的是同一批记录，再看差别能否由均值与秩的计算方式解释。

　　1、确认两份报表用了同一批记录

　　①返回【数据表】，检查【尺寸】和【生产线】列中是否有缺失值，并核对相关记录的行状态。

　　②在同一份【单因子分析】报表中生成【t检验】与【Wilcoxon/Kruskal-Wallis检验】，对照两组参加分析的记录数。

　　③若使用【配对】平台，按【样品编号】检查是否有一侧缺测、编号错位或重复匹配，并核对报表里的有效配对数。

　　表里有多少行，和检验实际使用了多少观测，是两回事。特别是前后测量分批录入时，只按行的位置拼接容易错配。即使两列行数相等，也应核对每行是否对应同一对象。

　　2、把差异写回测量结果

　　①从【t检验】报表记录均值差、相减方向和置信区间，保留原测量单位。

　　②从【分位数】与【Wilcoxon/Kruskal-Wallis检验】报表记录各组中位数、四分位数及所用的双侧p值计算方式。

　　③回到【单因子分析】图中，点选可疑观测并核对对应的【数据表】记录。只有查实录入或测量错误时，才按既定规则修正。

　　如果均值差主要受少数极端观测影响，两种检验给出的证据可能不同。报告中可以写清这一点，并以事先确定的研究问题为准。p值没有达到阈值，也只说明这批数据提供的证据不足，不能据此认定两组等效。

　　总结

　　独立样本和配对样本各有对应的检验入口，均值差、秩次差异和变化方向也各有用途。数据偏态、方差不同或两份报表结论不一致时，回到观测关系和原始读数，往往比单看p值更有帮助。涉及具体数据时，欢迎带上样本结构与比较目标，继续交流JMP两组数据怎么做非参数检验JMP非参数检验与t检验如何选择。