年龄数据非正态分布时，如何用SPSS正确计算Mann-Whitney U检验？

Question

**如何在年龄数据非正态分布时，用SPSS正确计算Mann-Whitney U检验？** 在实际研究中，如果年龄数据不符合正态分布（如偏态分布或存在极端值），可以使用非参数检验方法——Mann-Whitney U检验来比较两组独立样本的差异。但在SPSS中进行操作时，常见的技术问题是如何正确设置变量和解释结果。例如：当年龄被分组为“年轻”和“年长”两组时，需确保将分组变量定义为数值型编码（如1=年轻，2=年长），并在“Mann-Whitney U”检验设置中指定正确的分组范围。此外，SPSS输出的显著性值（p值）需要结合效应量指标（如r值）综合判断两组年龄数据的实际差异意义。若忽略这些细节，可能导致错误结论。

Answer 1

1. 初步理解Mann-Whitney U检验

Mann-Whitney U检验是一种非参数统计方法，用于比较两组独立样本的分布是否存在显著差异。当年龄数据不符合正态分布时，这种方法特别适用。以下是其基本概念和应用场景：

• 适用于小样本或中等规模样本。
• 无需假设数据服从正态分布。
• 通过秩次（rank）计算两组数据的相对位置。

在SPSS中实现该检验时，需要明确以下关键点：

1. 分组变量必须是数值型编码。
2. 确保数据文件中的变量类型正确设置。
3. 理解输出结果中的p值和效应量指标。

2. SPSS操作步骤详解

以下是使用SPSS进行Mann-Whitney U检验的具体步骤：

1. 准备数据：将年龄数据分为“年轻”和“年长”两组，并定义分组变量（如1=年轻，2=年长）。
2. 打开SPSS：导入数据文件并检查变量属性。
3. 选择分析菜单：依次点击“Analyze > Nonparametric Tests > Legacy Dialogs > 2 Independent Samples...”。
4. 指定检验变量：将年龄变量选入“Test Variable List”，将分组变量选入“Grouping Variable”。然后点击“Define Groups”，输入分组范围（如1和2）。
5. 运行检验：确认设置无误后点击“OK”，生成结果。

例如，假设数据如下：

编号	年龄	分组
1	25	1
2	30	1
3	45	2
4	50	2

3. 结果解读与效应量计算

SPSS输出的结果包括以下几个关键部分：

• Mann-Whitney U值：表示两组数据的相对排名差异。
• Wilcoxon W值：另一种形式的U值，通常用于报告。
• p值：判断两组数据是否具有显著差异。

为了更全面地评估差异的实际意义，还需要计算效应量r：

r = Z / sqrt(N)

其中，Z为SPSS输出的Z值，N为总样本量。

例如，如果SPSS输出Z值为-2.5，样本量为50，则：

r = -2.5 / sqrt(50) ≈ -0.35

4. 常见问题与解决方案

以下是SPSS操作中可能遇到的问题及解决方法：

1. 问题：分组变量未正确编码。
   解决方案：确保分组变量为数值型，并在“Define Groups”中输入正确的范围。
2. 问题：输出结果显示错误的显著性值。
   解决方案：检查数据是否包含缺失值或异常值，并重新运行检验。
3. 问题：无法解释效应量的实际意义。
   解决方案：结合领域知识，判断r值的大小是否具有实际意义（如r=0.1为小效应，r=0.3为中效应，r=0.5为大效应）。

5. 流程图总结

以下是整个操作流程的Mermaid格式图示：

mermaid
graph TD;
    A[准备数据] --> B[打开SPSS];
    B --> C[选择分析菜单];
    C --> D[指定检验变量];
    D --> E[运行检验];
    E --> F[解读结果];