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):
| Cecha | Test znakowanych rang Wilcoxona | Test sumy rang Wilcoxona |
|---|---|---|
| Dane | dwa pomiary tych samych osób (pary) | dwie niezależne grupy |
| Co się ranguje | wartości bezwzględne różnic w parach | wszystkie wyniki obu grup razem |
| Inna nazwa | test Wilcoxona dla par | test U Manna–Whitneya |
| Odpowiednik parametryczny | test t dla prób zależnych | test t dla prób niezależnych |
| W R | wilcox.test(x, y, paired = TRUE) → V | wilcox.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?
- Dla każdej osoby policz różnicę di = pomiar 1 − pomiar 2.
- Pomiń różnice równe zeru (inne rozwiązanie opisujemy niżej).
- Uszereguj wartości bezwzględne |di| i nadaj im rangi od 1; równym wartościom przypisz średnią rangę.
- Przypisz rangom znak różnicy i zsumuj osobno rangi dodatnie (T+) i ujemne (T−).
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.
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.
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
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)
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 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
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% CIWynik 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
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()).
- 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/
- 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
- 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
- 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
Testy nieparametryczne krok po kroku
Kiedy test rangowy ma sens, Mann–Whitney, Wilcoxon, Kruskal–Wallis z testem Dunna i Friedman na jednym badaniu – z wielkością efektu i opisem APA.
Czytaj →PoradnikJaki test statystyczny do jakiej hipotezy?
Tabela doboru: typ hipotezy, test, alternatywa nieparametryczna i miara efektu. Cztery przykłady w R z gotowym zapisem APA.
Czytaj →PoradnikJak opisać wyniki w stylu APA – gotowe zdania
18 gotowych zdań APA – od testu t po mediację i moderację – z liczbami z jednego badania i kodem R, który pozwala sprawdzić każdą wartość.
Czytaj →PoradnikStatystyka do pracy magisterskiej
Plan analiz, CFA i omega, regresja hierarchiczna, moderacja i mediacja z bootstrapem, wzory opisu APA i pytania na obronie – z danymi i kodem R.
Czytaj →PoradnikTesty nieparametryczne – zadania
Dziesięć zadań jak na kolokwium: Mann–Whitney, test znaków, Wilcoxon, Kruskal–Wallis z Dunnem, Friedman i Spearman – z rangami i rozwiązaniami krok po kroku.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- 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
- 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
- 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
- Whitley, E., & Ball, J. (2002). Statistics review 6: Nonparametric methods. Critical Care, 6(6), 509–513. https://doi.org/10.1186/cc1820 ● Otwarty dostęp
- 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}}