Słownik metodologiczny · Testy statystyczne

Test Wilcoxona dla par (znakowanych rang) – kiedy go użyć i jak opisać wynik?

Test Wilcoxona dla par porównuje dwa pomiary tych samych osób, gdy różnice są skośne lub zawierają skrajne wartości. Wyjaśniamy logikę znakowanych rang, różnicę między testem znakowanych rang a testem sumy rang, postępowanie z zerami, wielkość efektu i opis wyniku w APA.

Strona główna / Słownik / Test Wilcoxona
W skrócie: test Wilcoxona dla par (test znakowanych rang) porównuje dwa pomiary tych samych osób na podstawie rang wartości bezwzględnych różnic. Sprawdza, czy różnice dodatnie i ujemne się równoważą, więc jest odporny na pojedyncze skrajne zmiany. Nie myl go z testem sumy rang Wilcoxona (czyli U Manna-Whitneya) dla grup niezależnych; jako wielkość efektu podaj korelację rangowo-dwuseryjną z 95% CI.

Co to jest test Wilcoxona dla par?

Test Wilcoxona dla par, czyli test znakowanych rang (ang. Wilcoxon signed-rank test), to test nieparametryczny do porównania dwóch powiązanych pomiarów: tych samych osób przed interwencją i po niej, w dwóch warunkach eksperymentu albo dobranych par. Jest nieparametrycznym odpowiednikiem testu t dla prób zależnych. Zamiast średniej różnicy analizuje rangi różnic, dlatego jedna osoba z ogromną zmianą nie przesądza o wyniku.

Wybierz go, gdy różnice między pomiarami mają rozkład wyraźnie skośny albo zawierają obserwacje odstające, a próba jest mała, lub gdy dane są porządkowe – np. ta sama pozycja skali Likerta oceniona dwa razy. Ten sam test w wersji dla jednej próby porównuje wyniki z wartością odniesienia, np. z punktem środkowym skali, i jest alternatywą dla testu t dla jednej próby.

Dwa różne „testy Wilcoxona” – nie pomyl ich

Nazwisko Franka Wilcoxona, autora klasycznej pracy o porównaniach za pomocą rang (Wilcoxon, 1945), noszą dwa różne testy. Oba szczegółowo omawiają Whitley i Ball (2002):

Porównanie testu znakowanych rang Wilcoxona i testu sumy rang Wilcoxona
CechaTest znakowanych rang WilcoxonaTest sumy rang Wilcoxona
Danedwa pomiary tych samych osób (pary)dwie niezależne grupy
Co się rangujewartości bezwzględne różnic w parachwszystkie wyniki obu grup razem
Inna nazwatest Wilcoxona dla partest U Manna–Whitneya
Odpowiednik parametrycznytest t dla prób zależnychtest t dla prób niezależnych
W Rwilcox.test(x, y, paired = TRUE) → Vwilcox.test(y ~ grupa) → W

Pomyłka jest częsta, bo w R obie procedury wykonuje ta sama funkcja wilcox.test(), a SPSS w wyniku testu Manna–Whitneya pokazuje statystykę „W Wilcoxona”. Zawsze sprawdź nagłówek wyniku w R: Wilcoxon signed rank test oznacza pary, a Wilcoxon rank sum test – grupy niezależne.

Jak działa test znakowanych rang?

  1. Dla każdej osoby policz różnicę di = pomiar 1 − pomiar 2.
  2. Pomiń różnice równe zeru (inne rozwiązanie opisujemy niżej).
  3. Uszereguj wartości bezwzględne |di| i nadaj im rangi od 1; równym wartościom przypisz średnią rangę.
  4. Przypisz rangom znak różnicy i zsumuj osobno rangi dodatnie (T+) i ujemne (T−).
T+ + T− = n(n + 1) / 2

Jeśli pomiary się nie różnią, różnice dodatnie i ujemne powinny być podobnie liczne i podobnie duże, więc obie sumy będą bliskie połowy całości. Statystyką testu jest zwykle mniejsza z sum (T), a w R – suma rang dodatnich (V = T+); przy większych próbach przelicza się ją na wynik Z. Test uwzględnia zarówno kierunek, jak i wielkość zmian – w odróżnieniu od testu znaków, który liczy tylko, ile różnic jest dodatnich, a ile ujemnych (Nahm, 2016). Gdy rozkład różnic jest symetryczny, wynik testu można odnieść do mediany różnic; bez tego założenia mówi on ogólniej o przewadze zmian w jednym kierunku.

Przykład: trening odraczania zamartwiania się

Dwadzieścia dwie osoby przez tydzień notowały w dzienniczku, ile minut dziennie spędzają na zamartwianiu się. Potem przez dwa tygodnie ćwiczyły odraczanie zamartwiania (odkładanie zmartwień do wyznaczonej „pory martwienia się”) i ponownie prowadziły dzienniczek (dane symulowane). Mediana czasu zamartwiania spadła z 55.0 do 40.0 minut dziennie, a mediana różnic wyniosła 11.5 minuty. Spadek wystąpił u 16 osób, wzrost u 5, a u 1 osoby wynik się nie zmienił. Rozkład różnic wyraźnie odbiega od normalnego (Shapiro–Wilk: W = .82, p < .001): u jednej osoby czas zamartwiania prawie się podwoił – ze 101 do 197 minut dziennie.

Czas zamartwiania się 22 osób przed treningiem i po nim, połączony liniami: mediana spadła z 55.0 do 40.0 minut, u 16 osób czas spadł, u 5 wzrósł, w tym u jednej ze 101 do 197 minut
Rysunek 1. Czas zamartwiania się przed treningiem i po nim. Linie łączą wyniki tej samej osoby (szare – spadek, niebieskie – wzrost, pomarańczowa – brak zmiany), czerwone romby to mediany. Obliczenia: R (dane symulowane).

Po pominięciu jednej zerowej różnicy zostaje 21 par. Suma rang różnic dodatnich (spadków) wynosi T+ = 185.5, a ujemnych (wzrostów) T− = 45.5; razem 231 = 21 × 22 / 2 (rysunek 2). Największą rangę (21) ma osoba z wyraźnym wzrostem – ale ranga byłaby taka sama, gdyby wzrost wyniósł nie 96, lecz 75 minut, bo liczy się tylko kolejność wartości bezwzględnych. Średnia różnica, na której opiera się test t, zmieniłaby się w takiej sytuacji wyraźnie.

Różnice przed minus po uporządkowane według wartości bezwzględnej, z rangami przy słupkach: 16 spadków z sumą rang 185.5, 5 wzrostów z sumą rang 45.5, w tym największa ranga 21 dla wzrostu o 96 minut, oraz jedna różnica zerowa pominięta
Rysunek 2. Znakowane rangi: każda pozioma linia to różnica jednej osoby (szare – spadek, niebieskie – wzrost), uporządkowana według wartości bezwzględnej; liczby to rangi |różnicy|. Obliczenia: R (dane symulowane).

Wynik: T = 45.5, Z = 2.43, dokładne p = .013, rrb = .61, 95% CI [.22, .83]. Czas zamartwiania się po treningu był więc zwykle krótszy. Dla porównania test t dla prób zależnych dał t(21) = 1.45, p = .162 – średnią różnicę (9.36 minuty) „rozmyły” skrajne zmiany, przede wszystkim wzrost o 96 minut. Nie znaczy to, że któryś test jest „lepszy”: test t pyta o średnią zmianę, a test Wilcoxona – o to, czy spadki przeważają nad wzrostami, gdy waży się je rangami. Ponieważ w badaniu nie było grupy kontrolnej, wynik opisuje zmianę, a nie skuteczność treningu.

Zera i wiązania

Osoby bez zmiany (różnica równa zeru) nie niosą informacji o kierunku. Klasyczna procedura, stosowana w R i w SPSS, po prostu je usuwa, co zmniejsza n. Pratt (1959) pokazał, że usuwanie zer przed rangowaniem może prowadzić do paradoksalnych wyników, i zaproponował, by uwzględnić zera przy nadawaniu rang, a dopiero potem pominąć ich rangi. W przykładzie jest jedna zerowa różnica: po jej usunięciu dokładne p = .013, a metodą Pratta p = .012. Przy wielu zerach – częstych na krótkich skalach porządkowych – różnica bywa większa, dlatego napisz, którą metodę zastosowano.

Wiązania, czyli równe wartości |di|, dostają średnią rangę (w przykładzie trzy różnice o wartości bezwzględnej 9 otrzymały rangę 4). Przy wiązaniach i zerach funkcja wilcox.test() nie policzy dokładnego p – przejdzie na przybliżenie normalne z poprawką na ciągłość (tu p = .016) i wyświetli ostrzeżenia. Dokładne p z uwzględnieniem wiązań daje pakiet coin.

Wielkość efektu: korelacja rangowo-dwuseryjna dla par

rrb = (T+ − T−) / (T+ + T−) = (185.5 − 45.5) / 231 = .61

To wzór prostej różnicy Kerby’ego (2014): odsetek sumy rang „zgodnych z hipotezą” (spadki: 185.5 / 231 = .80) minus odsetek „niezgodnych” (wzrosty: 45.5 / 231 = .20). Wartość .61 oznacza wyraźną przewagę spadków; 0 oznaczałoby równowagę, a 1 – spadek u wszystkich. W przykładzie 95% CI [.22, .83] (pakiet effectsize). Często podaje się też r = Z / √n = 2.43 / √21 = .53, ale ta miara zależy od sposobu liczenia Z; jeśli jej używasz, napisz, jakie n przyjęto. Ogólnie o miarach efektu przeczytasz w haśle wielkość efektu.

Jak opisać wynik w pracy (APA)

Po dwutygodniowym treningu odraczania zamartwiania się czas zamartwiania był zwykle krótszy (Me = 40.0 min dziennie) niż przed treningiem (Me = 55.0 min); spadek wystąpił u 16 z 22 osób, wzrost u 5, a u 1 osoby wynik się nie zmienił. Test znakowanych rang Wilcoxona wykazał istotną różnicę, T = 45.5, Z = 2.43, p = .013 (dokładne), rrb = .61, 95% CI [.22, .83].

Podaj mediany obu pomiarów (albo medianę różnic: 11.5 minuty), liczbę spadków, wzrostów i remisów, statystykę testu, p z informacją, czy jest dokładne, oraz wielkość efektu. Przy porównaniu trzech i więcej pomiarów użyj testu Friedmana. Więcej wzorów zdań znajdziesz w poradniku jak opisać wyniki w stylu APA.

Przykład reprodukowalny

Przykład w R i SPSS

Kod generuje dane z przykładu, liczy mediany i liczbę spadków oraz wzrostów, wykonuje test znakowanych rang Wilcoxona w trzech wariantach (przybliżenie normalne, dokładny z usunięciem zer, dokładny metodą Pratta) i liczy korelację rangowo-dwuseryjną. Liczby w tekście pochodzą z tego kodu.

Test znakowanych rang Wilcoxona i rrb

Dane wejściowe: czas zamartwiania się 22 osób w dwóch pomiarach (dane symulowane, set.seed(2014)).

Co odczytać: V (= T+), Z, p asymptotyczne i dokładne oraz rrb z przedziałem ufności.

R
library(coin); library(effectsize)
set.seed(2014)
przed <- round(exp(rnorm(22, log(45), 0.6)))            # zamartwianie się (min/dzień)
po <- round(przed * exp(rnorm(22, log(0.72), 0.4)))
roznica <- przed - po                                    # dodatnia = spadek
c(Me_przed = median(przed), Me_po = median(po), Me_roznicy = median(roznica))
table(sign(roznica))                                     # -1 wzrost, 0 bez zmian, 1 spadek
wilcox.test(przed, po, paired = TRUE, conf.int = TRUE)   # V = suma rang dodatnich
wilcoxsign_test(przed ~ po, distribution = "exact", zero.method = "Wilcoxon")  # zera pominięte
wilcoxsign_test(przed ~ po, distribution = "exact", zero.method = "Pratt")     # metoda Pratta
rank_biserial(przed, po, paired = TRUE)                  # r_rb dla par z 95% CI
Wynik w R
Loading required package: survival
  Me_przed      Me_po Me_roznicy 
      55.0       40.0       11.5 

-1  0  1 
 5  1 16 

	Wilcoxon signed rank test with continuity correction

data:  przed and po
V = 185.5, p-value = 0.01565
alternative hypothesis: true location shift is not equal to 0
95 percent confidence interval:
  2.50005 21.00001
sample estimates:
(pseudo)median 
      12.49998 

Warning messages:
1: In wilcox.test.default(przed, po, paired = TRUE, conf.int = TRUE) :
  cannot compute exact p-value with ties
2: In wilcox.test.default(przed, po, paired = TRUE, conf.int = TRUE) :
  cannot compute exact confidence interval with ties
3: In wilcox.test.default(przed, po, paired = TRUE, conf.int = TRUE) :
  cannot compute exact p-value with zeroes
4: In wilcox.test.default(przed, po, paired = TRUE, conf.int = TRUE) :
  cannot compute exact confidence interval with zeroes

	Exact Wilcoxon Signed-Rank Test

data:  y by x (pos, neg) 
	 stratified by block
Z = 2.4343, p-value = 0.01304
alternative hypothesis: true mu is not equal to 0


	Exact Wilcoxon-Pratt Signed-Rank Test

data:  y by x (pos, neg) 
	 stratified by block
Z = 2.4526, p-value = 0.01239
alternative hypothesis: true mu is not equal to 0

r (rank biserial) |       95% CI
--------------------------------
0.61              | [0.22, 0.83]

SPSS

Ścieżka: Analiza → Testy nieparametryczne → Testy tradycyjne → Dwie próby zależne (ang. Analyze → Nonparametric Tests → Legacy Dialogs → 2 Related Samples); wskaż parę zmiennych i zaznacz test Wilcoxona.

Co odczytać: tabela „Rangi” podaje liczbę i sumy rang ujemnych, dodatnich oraz wiązań (SPSS liczy różnicę „drugi pomiar − pierwszy”, więc spadki pojawią się jako rangi ujemne), a tabela „Statystyki testu” – Z i istotność asymptotyczną. Wielkość efektu policz osobno.

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3; rysunki przygotowano w pakiecie ggplot2. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. coin (wersja 1.4.3): Hothorn, T., Hornik, K., van de Wiel, M. A., & Zeileis, A. (2006). A Lego system for conditional inference. The American Statistician, 60(3), 257–263. https://doi.org/10.1198/000313006X118430
  3. effectsize (wersja 1.0.2): Ben-Shachar, M. S., Lüdecke, D., & Makowski, D. (2020). effectsize: Estimation of effect size indices and standardized parameters. Journal of Open Source Software, 5(56), 2815. https://doi.org/10.21105/joss.02815
  4. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze błędy

  • Test sumy rang (Manna–Whitneya) dla danych zależnych albo odwrotnie – sprawdź nagłówek wyniku i plan badania.
  • Opis „mediany różniły się istotnie” – test dotyczy rozkładu różnic; podaj medianę różnic oraz liczbę spadków i wzrostów.
  • Brak informacji o zerach – napisz, ile osób nie zmieniło wyniku i jak je potraktowano (Pratt, 1959).
  • Sama wartość p bez wielkości efektu.
  • Automatyczne zastąpienie testu t testem Wilcoxona przy dużej próbie i umiarkowanej skośności – test t dla prób zależnych jest wtedy zwykle odporny, a oba testy odpowiadają na różne pytania.
  • Wnioski przyczynowe z badania przed–po bez grupy kontrolnej – zob. hasło test t dla prób zależnych.

Najczęstsze pytania

Kiedy stosować test Wilcoxona zamiast testu t dla prób zależnych?

Gdy porównujesz dwa pomiary tych samych osób, a różnice między nimi mają rozkład wyraźnie skośny lub zawierają skrajne wartości, zwłaszcza w małej próbie, albo gdy dane są porządkowe. Przy kilkudziesięciu parach i umiarkowanej skośności test t dla prób zależnych zwykle też działa dobrze – pamiętaj, że oba testy odpowiadają na nieco inne pytania.

Czym różni się test Wilcoxona dla par od testu sumy rang Wilcoxona?

Test znakowanych rang (dla par) analizuje różnice w parach pomiarów tych samych osób. Test sumy rang dotyczy dwóch niezależnych grup i jest równoważny testowi U Manna-Whitneya. W R obie wersje wykonuje funkcja wilcox.test() – różnica polega na argumencie paired = TRUE.

Co oznacza V w wyniku testu Wilcoxona w R?

V to suma rang różnic dodatnich (T+), liczonych jako pierwszy argument minus drugi. W przykładzie ze strony V = 185.5, a suma rang ujemnych T = 45.5; obie sumy dają razem n(n + 1)/2 = 231. W publikacjach częściej podaje się mniejszą sumę (T) i wynik Z.

Jak obliczyć wielkość efektu dla testu Wilcoxona?

Najprościej jako korelację rangowo-dwuseryjną dla par: rrb = (T+ − T−)/(T+ + T−), czyli wzorem prostej różnicy Kerby’ego (2014). W przykładzie (185.5 − 45.5)/231 = .61. Alternatywnie podaje się r = Z/√n, opisując, jakie n przyjęto.

Co zrobić z osobami, u których różnica wynosi zero?

Klasycznie usuwa się je przed rangowaniem (tak robią R i SPSS). Pratt (1959) zaproponował, by zera uwzględnić przy rangowaniu, a dopiero potem pominąć ich rangi, bo usuwanie może dawać paradoksalne wyniki. W raporcie napisz, ile było zer i którą metodę zastosowano; w R metodę Pratta daje coin::wilcoxsign_test(..., zero.method = "Pratt").

Jak opisać test Wilcoxona w APA?

Podaj mediany obu pomiarów (lub medianę różnic), liczbę spadków, wzrostów i remisów, statystykę T (lub V), Z, p i wielkość efektu, np. T = 45.5, Z = 2.43, p = .013, rrb = .61, 95% CI [.22, .83].

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Kerby, D. S. (2014). The simple difference formula: An approach to teaching nonparametric correlation. Comprehensive Psychology, 3, Article 11.IT.3.1. https://doi.org/10.2466/11.IT.3.1 ● Otwarty dostęp
  2. Nahm, F. S. (2016). Nonparametric statistical tests for the continuous data: The basic concept and the practical use. Korean Journal of Anesthesiology, 69(1), 8–14. https://doi.org/10.4097/kjae.2016.69.1.8 ● Otwarty dostęp
  3. Pratt, J. W. (1959). Remarks on zeros and ties in the Wilcoxon signed rank procedures. Journal of the American Statistical Association, 54(287), 655–667. https://doi.org/10.1080/01621459.1959.10501526
  4. Whitley, E., & Ball, J. (2002). Statistics review 6: Nonparametric methods. Critical Care, 6(6), 509–513. https://doi.org/10.1186/cc1820 ● Otwarty dostęp
  5. Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968

Cytowania BibTeX

@article{kerby2014simple, author={Kerby, Dave S.}, title={{The simple difference formula: An approach to teaching nonparametric correlation}}, journal={Comprehensive Psychology}, year={2014}, volume={3}, eid={11.IT.3.1}, doi={10.2466/11.it.3.1}}
@article{nahm2016nonparametric, author={Nahm, Francis Sahngun}, title={{Nonparametric statistical tests for the continuous data: The basic concept and the practical use}}, journal={Korean Journal of Anesthesiology}, year={2016}, volume={69}, number={1}, pages={8--14}, doi={10.4097/kjae.2016.69.1.8}}
@article{pratt1959remarks, author={Pratt, John W.}, title={{Remarks on zeros and ties in the Wilcoxon signed rank procedures}}, journal={Journal of the American Statistical Association}, year={1959}, volume={54}, number={287}, pages={655--667}, doi={10.1080/01621459.1959.10501526}}
@article{whitley2002statistics, author={Whitley, Elise and Ball, Jonathan}, title={{Statistics review 6: Nonparametric methods}}, journal={Critical Care}, year={2002}, volume={6}, number={6}, pages={509--513}, doi={10.1186/cc1820}}
@article{wilcoxon1945individual, author={Wilcoxon, Frank}, title={{Individual comparisons by ranking methods}}, journal={Biometrics Bulletin}, year={1945}, volume={1}, number={6}, pages={80--83}, doi={10.2307/3001968}}
R