1. 项目概述
"数值变量资料或等级资料比较的秩和检验"是医学统计学中一种重要的非参数检验方法。作为《实用医学统计学与SAS应用》的学习笔记，这个主题主要探讨如何在不满足正态分布假设的情况下，对数值变量或等级资料进行组间差异比较。
在实际医学研究中，我们经常会遇到数据不符合正态分布的情况。这时候传统的t检验或方差分析就不再适用，而秩和检验（如Wilcoxon秩和检验、Kruskal-Wallis H检验等）就成为了有力的替代方案。这种方法通过将原始数据转换为秩次，避免了分布形态的限制，在临床研究、流行病学调查等领域有着广泛应用。
2. 核心概念解析
2.1 什么是秩和检验
秩和检验的基本思想是将所有观测值混合后排序，用秩次代替原始观测值进行分析。这种方法不依赖于总体分布的具体形式，只要求数据具有可比性，因此特别适合处理：
- 明显偏离正态分布的数据
- 等级资料（如疼痛程度分级）
- 样本量较小的情况
- 存在极端值的数据集
2.2 主要秩和检验方法
在医学统计实践中，常用的秩和检验包括：
- Wilcoxon符号秩和检验：用于配对样本的比较
- Mann-Whitney U检验：用于两独立样本的比较
- Kruskal-Wallis H检验：用于多组独立样本的比较
- Friedman检验：用于随机区组设计的资料分析
3. SAS实现步骤详解
3.1 数据准备与导入
在SAS中实现秩和检验，首先需要正确准备数据。建议使用以下格式：
sas复制data patient;
input group $ pain_score;
datalines;
A 5
A 6
B 3
B 4
;
run;
3.2 Wilcoxon秩和检验实现
对于两独立样本比较，使用NPAR1WAY过程：
sas复制proc npar1way data=patient wilcoxon;
class group;
var pain_score;
run;
3.3 结果解读要点
SAS输出结果主要关注三个部分：
- Wilcoxon两样本检验统计量
- 近似正态性检验的Z值
- 对应的P值
注意：当样本量较大(n>20)时，SAS会使用正态近似法计算P值；小样本时则使用精确检验。
4. 实际应用案例
4.1 案例背景
某临床研究比较两种镇痛方案的效果，收集了60例患者的疼痛评分（VAS 0-10分）。经检验数据不符合正态分布，决定采用秩和检验。
4.2 SAS完整代码
sas复制/* 导入数据 */
data pain_study;
input therapy $ vas_score @@;
datalines;
A 6.5 A 5.8 A 7.2 A 6.1 A 5.5
B 4.2 B 3.9 B 5.1 B 4.7 B 3.8
...（其余数据省略）
;
run;
/* 正态性检验 */
proc univariate data=pain_study normal;
class therapy;
var vas_score;
run;
/* 秩和检验 */
proc npar1way data=pain_study wilcoxon;
class therapy;
var vas_score;
exact;
run;
4.3 结果分析与报告
在结果解释时应注意：
- 报告使用秩和检验的原因（如正态性检验结果）
- 给出检验统计量和精确P值
- 必要时提供中位数和四分位数间距描述数据
- 对于显著结果，可计算效应量（如r=Z/√N）
5. 常见问题与解决方案
5.1 如何处理结（ties）？
当数据中存在相同值时，会产生结。SAS会自动调整统计量的计算：
- 在NPAR1WAY过程中使用SAVAGE选项可处理结
- 对于精确检验，结会影响P值计算
- 结较多时考虑使用中位数检验替代
5.2 样本量较小时怎么办？
小样本(n<15)时的建议：
- 使用EXACT语句请求精确检验
- 考虑使用置换检验
- 报告时注明样本量限制
5.3 多组比较后如何进行两两比较？
Kruskal-Wallis检验显著后，可采用：
sas复制proc npar1way data=multi_group dscf;
class group;
var score;
run;
DSCF选项提供Dunn-Sidák多重比较校正。
6. 秩和检验的优缺点
6.1 主要优势
- 不依赖正态分布假设
- 对异常值不敏感
- 适用于等级资料
- 小样本时仍可使用
6.2 局限性
- 检验效能通常低于参数检验
- 处理结时较为复杂
- 不能直接估计总体参数
- 对分布形状差异不敏感
7. 与其他方法的比较
7.1 与t检验的比较
当数据满足正态性时，t检验效能更高；但违反正态性时，秩和检验更可靠。实际应用中建议：
- 先进行正态性检验
- 样本量较大时(>30)，根据中心极限定理可使用t检验
- 不确定时两种方法都做，结果一致则更可靠
7.2 与参数方法的互补性
秩和检验与参数方法不是对立关系，而是互补：
- 参数方法：效率高，可估计参数
- 非参方法：适用广，稳健性强
- 理想情况下两种方法结论应一致
8. 进阶应用技巧
8.1 效应量计算
除P值外，还应报告效应量：
sas复制proc npar1way data=mydata wilcoxon;
class group;
var outcome;
ods output WilcoxonTest=wilcoxon;
run;
data _effect;
set wilcoxon;
r = abs(normal_z)/sqrt(n);
run;
8.2 图形展示方法
秩和检验结果可配合以下图形：
- 箱线图：展示中位数和四分位数
- 带状图：显示原始数据分布
- Q-Q图：辅助判断分布形态
sas复制proc boxplot data=patient;
plot pain_score*group;
run;
8.3 缺失数据处理
当数据存在缺失值时：
- SAS默认会排除缺失值
- 可使用MISSING选项指定处理方式
- 大量缺失时考虑多重插补
9. 在医学研究中的应用建议
基于实际经验，在医学论文中使用秩和检验时建议：
- 方法部分明确说明选择秩和检验的理由
- 结果部分同时报告描述性统计量和检验结果
- 表格中展示中位数（P25, P75）而非均值±标准差
- 讨论部分注意非参检验的局限性
- 必要时咨询专业统计人员
10. SAS学习资源推荐
要深入掌握SAS中的非参数检验，可以参考：
- SAS官方文档：NPAR1WAY过程
- 《SAS统计分析教程》
- SAS社区论坛的实战案例
- 医学统计学MOOC课程
- 专业统计咨询师的博客
在实际分析工作中，我通常会先使用UNIVARIATE过程检查数据分布，再根据情况选择适当的检验方法。对于临床研究数据，秩和检验往往是更稳妥的选择，特别是当样本量不大或数据分布不明时。