在数据分析过程中，你可能会经常遇到一个问题，比如你统计了上个月和这个月的活跃度平均值，你发现这个月的平均值比上个月有增长，但是这个增长是足够大，是本质的变化呢，或者只是随机的波动呢？你应该不应该向领导和同事报喜呢？是沾沾自喜还是真的有了重大突破，值得发奖金呢？这个时候就需要用到统计检验。下面就介绍几组适合不同数据的统计检验方法。
一 T检验，用于正态分布的参数检验
检验两组独立样本平均值是否相同，只用于连续变量
主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
只适用于连续变量，在一定区间内可以任意取值的变量叫连续变量，其数值是连续不断的，相邻两个数值可作无限分割。简单粗暴的说，就是某个变量可以保留小数点后几位。比如，高考成绩。
一般我们接触数值都是连续变量，而且正态分布，因此T检验是非常常用的一种参数检验的方法。
1.独立样本T检验（Independent Sample T Test）
检测两个对象或者两种事务在同一时间的平均收入、平均得分、平均工资、平均利润、平均奖金等异同。
比如，有一组男生高考成绩，36个样本；有一组女生高考成绩，42个样本。
这两组数据是不同对象（不同性别组），在同一个时间高考成绩。我们想了解男生女生的平均成绩是否相同。
此时可采用独立样本T检验来分辨两组数据（视为两个子总体）的均值是否相同。
2.配对样本T-test（配对样本T检验）
检测同一对象或者同一事务在两种条件的平均收入、平均得分、平均工资、平均利润、平均奖金等异同。
比如，我们开头提出的问题。我们有某个APP上个月每天的日活跃度，还有某个APP这个月每天的日活跃度。我们想知道这两个月APP平均日活跃度是否相同。这样的情况就可以用配对样本T检验
如果通过统计检验，发现平均日活跃度下降了，但是平均值和上个月没有明显的不同，就没有必要太沮丧，说明这个波动还在比较正常的范围。如果这个月日活跃度平均值和上个月有明显的差异，而且低于上个月，那么就需要特别注意运营或者产品设计了。如果有明显差异，而且还是高于上个月的，就可以向领导同事报喜了。
二 非参数检验，检验两组或者多组样本分布是否相同，适用于所有类型变量
非参数检验是不必假设样本呈现何种分布。如果已知道样本呈现何种分布就用对应的参数检验；如果不确定样本是否正态分布，也可以采用参数检验。
非参数检验适用于以下所有类型的变量。
（1）定类数据，或称类别数据，如性别、材料类型和付款方式，非黑即白；（2）定序数值，数据有几个离散值，1,2,3，这些值大小是有意义的，但是大小差距是没有意义；（3）定距数据，从非正太分布的数据重抽取的区间数据，也就是连续性变量。
比较常用的比较两组独立样本之间的非参数检验有：
(1)检验两个相关样本（两组抽样）分布没有差异（来自同一个总体）
注意检验的样本之间有相关关系或者
A. Wilcoxon Signed Ranks检验
以秩检验为主，检验差异的方向和大小，比较全面，优先推荐这种检验。
B. Sign检验，检验正负差异次数
C. McNemar，侧重检验是否有差异
(2)检验k个相关样本（两组抽样）分布没有差异（来自同一个总体）
A.Friedman检验，秩检验，同时计算卡方，tie
B.Kendall检验，秩检验
C.Cochran的Q检验，只适用于二分变量，即k组样本都是0和1两种编码
(3)检验两组独立样本（两组抽样）是否来自同一个总体
推荐K-S(Kolmogorov Smirnov)检验
(4)检验k个独立样本是否来自统一整体
推荐Kruskal-WAllis检验
三 简而言之
如果你的两组或者多组变量是定距连续变量，那采用T检验就可以。
如果你变量不是定距变量，或者，定距变量明显不符合正态分布，才考虑使用非参数检验。
网友评论