1. 比较三种饮食方案对减重效果的影响
营养学研究员背景
研究员收集了三组志愿者在不同饮食方案(低碳、生酮、地中海)下三个月后的减重数据。
问题
数据分布不均匀且样本量较小,不适合使用方差分析。
如何使用
在“组数据”框中输入:低碳: 5, 7, 4; 生酮: 8, 9, 7; 地中海: 3, 4, 5。设置显著性水平为 0.05。
结果
工具计算出 H 统计量和 P 值,若 P < 0.05,则证明三种饮食方案的减重效果存在显著差异。
Elysia Tools
导航
Math & Numbers
使用非参数 Kruskal-Wallis H 检验比较三个或更多独立组
执行
填写表单、运行工具,并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
Kruskal-Wallis 检验计算器是一款专业的统计工具,用于比较三个或更多独立样本组之间是否存在显著差异。作为单因素方差分析(ANOVA)的非参数替代方案,它不要求数据符合正态分布,通过对各组数据的秩次进行分析,快速计算出 H 统计量和 P 值,帮助研究人员判断各组中位数是否具有统计学上的显著差异。
背景
研究员收集了三组志愿者在不同饮食方案(低碳、生酮、地中海)下三个月后的减重数据。
问题
数据分布不均匀且样本量较小,不适合使用方差分析。
如何使用
在“组数据”框中输入:低碳: 5, 7, 4; 生酮: 8, 9, 7; 地中海: 3, 4, 5。设置显著性水平为 0.05。
结果
工具计算出 H 统计量和 P 值,若 P < 0.05,则证明三种饮食方案的减重效果存在显著差异。
背景
分析师拥有来自华东、华南、华北三个地区的客户评分数据(1-10分)。
问题
评分数据属于序数数据,不满足正态分布。
如何使用
输入各地区评分数据,如“华东: 8, 9, 7; 华南: 6, 5, 7; 华北: 9, 10, 8”,点击计算。
结果
获得 P 值和拒绝原假设的建议,帮助判断地区因素是否显著影响满意度。
ANOVA 要求数据正态分布且方差齐性,而 Kruskal-Wallis 是非参数检验,对分布无严格要求。
这意味着 P 值小于显著性水平,说明至少有两组数据之间存在统计学上的显著差异。
可以,但对于两组独立样本,通常建议使用 Mann-Whitney U 检验。
每行代表一个组,格式为“组名: 数据1, 数据2...”,例如“对照组: 10, 12, 11”。
Kruskal-Wallis 只能告诉你整体是否存在差异,如需确定具体组间差异,需进行事后检验。