差异性检验的方法有哪些：按数据类型选

差异性检验的方法有哪些，核心选择逻辑是先判断数据类型与样本设计：连续正态数据用t检验、方差分析，连续非正态数据用秩和检验，分类计数数据用卡方检验，配对二分类数据用McNemar检验；单样本比对固定值、两独立样本组间对比、多组样本对比、配对前后对比，对应不同方法，样本量小于30且偏离正态时优先选非参数检验，样本量大于50时卡方检验稳定性较强，该体系适用于社科、医学、农学的统计假设检验，不适用于机器学习模型特征差异显著性验证。

差异性检验的参数检验方法

参数检验要求数据近似服从正态分布，各组方差基本齐同，利用总体参数开展差异判断，统计效能相对更高。单样本t检验用来对比一组样本均值和已知总体均值，你需要计算样本均值、标准差，算出t值后对照t界值表得到P值，适合单组连续指标和标准参考值对比。独立样本t检验用于两组互不干预的独立样本，比如两组受试者分别接受不同处理后的指标，方差齐性满足时直接使用，方差不齐则采用校正t检验。配对t检验针对配对设计样本，同一对象干预前后、同源样本拆分两组都属于这类，先计算每一对差值，再对差值做单样本t检验，能减少个体基线差异带来的干扰。单因素方差分析，也叫ANOVA，用于3组及以上独立样本连续指标比较，先判断整体是否存在组间差异，整体P小于0.05后，再用LSD法或SNK法做多组两两比较，不能直接多次使用独立样本t检验，多次t检验会增大一类错误概率。

参数检验有明确前提。

差异性检验的非参数检验方法

非参数检验不依赖总体正态、方差齐性假设，依靠数据的秩次排序计算统计量，适合偏态数据、等级资料、存在极端异常值的样本，统计效能会低于满足条件的参数检验。Wilcoxon符号秩检验是配对t检验对应的非参数版本，处理配对样本差值不满足正态的场景，只对差值排序编秩，忽略原始数值大小。Wilcoxon秩和检验，也叫Mann‑WhitneyU检验，对应独立样本t检验，用来比较两组独立非正态连续或等级数据。Kruskal‑WallisH检验是方差分析的非参数替代，用于3组及以上独立样本等级、偏态连续资料，整体检验显著后，再开展组间两两秩次比较。

差异性检验的分类资料检验方法

分类资料指结果为类别计数的数据，比如阳性阴性、不同等级人数，最常用卡方检验。四格表卡方检验用于两组二分类结局，总样本量大于40且理论频数大于5时使用；总样本量大于40但理论频数在1到5之间，选用连续性校正卡方；总样本量小于40或者理论频数小于1，改用Fisher确切概率法，直接计算概率，不依赖卡方分布。R×C列联表卡方检验用于多组、多分类结局，可检验各组构成比差异，单元格理论频数不足时，需要合并相邻类别，避免检验结果失真。McNemar检验专门用于配对二分类资料，同一批样本前后两次二分类判定，关注不一致单元格的计数，不能直接套用普通四格表卡方。

该方法的适用边界是，所有差异性检验只能判断组间差异是否具备统计学意义，不能直接代表差异具备实际业务意义，P值小于0.05仅代表随机出现该结果的概率较低，不代表差异效应大小，报告结果时需要配套效应量，比如均值差、OR值、r值。

你在分析前要做正态性检验，Shapiro-Wilk检验适合样本量50以内，Kolmogorov-Smirnov检验适合大样本，正态检验P大于0.05，可认为数据近似正态，优先选择参数检验。

重复多次差异性检验会累积一类错误，多组两两比较时，必须对检验水准α进行校正，常用Bonferroni校正，把0.05除以比较次数，以此控制假阳性结果。

统计软件SPSS、R语言、Pythonscipy库均可实现上述全部差异性检验方法，操作时核对样本设计类型，选错检验方式会直接得到错误显著性结论。