Słownik metodologiczny · Testy statystyczne

Testy nieparametryczne – co naprawdę testują i czym zastąpić test t, ANOVA i korelację Pearsona?

Testy nieparametryczne – Manna-Whitneya, Wilcoxona, Kruskala-Wallisa, Friedmana czy korelacja Spearmana – pracują na rangach i nie zakładają rozkładu normalnego. Pokazujemy tabelę odpowiedników, trzy popularne mity (w tym ten o medianach) i symulację, w której test rangowy raz przegrywa, a raz wygrywa z testem t.

Strona główna / Słownik / Testy nieparametryczne
W skrócie: Testy nieparametryczne nie zakładają określonego rozkładu w populacji; najczęściej zamieniają wyniki na rangi i porównują rozkłady rang. Odpowiedniki testów parametrycznych to m.in. test Manna-Whitneya (test t), Wilcoxona dla par (test t dla prób zależnych), Kruskala-Wallisa (ANOVA), Friedmana (ANOVA z powtarzanymi pomiarami) i korelacja Spearmana. Nie testują one median, nie są wolne od założeń i nie zawsze mają mniejszą moc – przy ciężkich ogonach bywają mocniejsze od testu t. Zawsze podawaj wielkość efektu, np. korelację rangową dwuseryjną.

Co to są testy nieparametryczne?

Testy nieparametryczne (ang. nonparametric tests, także testy wolne od rozkładu) to testy, które nie zakładają określonego kształtu rozkładu w populacji, np. rozkładu normalnego. Najpopularniejsze z nich zamieniają wyniki na rangi, czyli kolejne miejsca w uporządkowanym zbiorze (zob. rangowanie), i porównują rangi zamiast surowych wartości. Dzięki temu skrajny wynik waży tyle samo co każdy inny wysoki wynik – staje się po prostu najwyższą rangą.

Conover i Iman (1981) pokazali, że wiele testów nieparametrycznych można przedstawić jako zwykłe procedury parametryczne zastosowane do rang zamiast do danych. To dobry klucz do zrozumienia, co te testy porównują: rozkłady rang, a nie średnie ani – wbrew obiegowej opinii – mediany.

„Nieparametryczny” nie znaczy „bez założeń”. Testy rangowe zakładają niezależność obserwacji (albo par), a ich wynik da się prosto zinterpretować tylko w określonych warunkach, o których piszemy niżej. Do tej rodziny zalicza się też testy dla danych nominalnych, np. test chi-kwadrat niezależności. Ich parametryczne odpowiedniki omawiamy w haśle testy parametryczne.

Zamiast którego testu? Tabela odpowiedników

Testy parametryczne i ich nieparametryczne odpowiedniki, co porównują i jaką wielkość efektu podać
PytanieTest parametrycznyOdpowiednik nieparametrycznyCo porównujeWielkość efektu
Dwie niezależne grupytest t Studenta lub Welchatest U Manna-Whitneyaczy wynik losowej osoby z jednej grupy jest zwykle wyższy niż z drugiejkorelacja rangowa dwuseryjna, prawdopodobieństwo przewagi
Dwa pomiary tych samych osóbtest t dla prób zależnychtest Wilcoxona dla parczy dodatnie różnice przeważają nad ujemnymi (z uwzględnieniem ich wielkości)korelacja rangowa dla par
Trzy i więcej niezależnych grupjednoczynnikowa ANOVAtest Kruskala-Wallisa i test Dunnaczy średnie rangi grup są równeε², η²H
Trzy i więcej pomiarów tych samych osóbANOVA z powtarzanymi pomiaramitest Friedmanaczy rangi wyników wewnątrz osób układają się systematycznieW Kendalla
Związek dwóch zmiennychkorelacja Pearsonakorelacja Spearmana, tau Kendallazwiązek monotoniczny (niekoniecznie liniowy)ρ, τ
Dwie zmienne nominalne–test chi-kwadrat niezależnościniezależność kategoriiV Craméra
Dwa pomiary zero-jedynkowe–test McNemarazmianę odsetka odpowiedziiloraz szans dla par
Całe rozkłady dwóch grup–test Kołmogorowa-Smirnowadowolną różnicę rozkładówstatystyka D

Nie myl dwóch testów Wilcoxona: test sumy rang Wilcoxona to inna nazwa testu Manna-Whitneya (grupy niezależne), a test znakowanych rang Wilcoxona służy do par pomiarów.

Co naprawdę testują testy rangowe? Trzy mity

Mit 1: „Test Manna-Whitneya porównuje mediany”

Hart (2001) pokazuje, że test Manna-Whitneya nie jest testem median: wykrywa także różnice kształtu i rozproszenia rozkładów, dlatego trzeba opisywać istotne cechy danych, a nie tylko podawać p. Divine i in. (2018) wykazują na kontrprzykładach, że procedura Wilcoxona–Manna–Whitneya testuje wielkość P(X1 < X2) + ½P(X1 = X2) – prawdopodobieństwo, że losowa osoba z jednej grupy ma wyższy wynik niż losowa osoba z drugiej, z remisami liczonymi po połowie – i zalecają podawanie tej wielkości jako miary efektu. O medianach test mówi tylko wtedy, gdy rozkłady w grupach mają ten sam kształt i różnią się wyłącznie położeniem. Przykład niżej pokazuje grupy o równych medianach i istotnym wyniku testu.

Mit 2: „Testy nieparametryczne nie mają założeń”

Zakładają niezależność obserwacji, a interpretacja wyniku jako przesunięcia jednej grupy względem drugiej wymaga podobnego kształtu i rozproszenia rozkładów. Zimmerman i Zumbo (1993) pokazali w symulacji, że test t na rangach – równoważny testowi Manna–Whitneya–Wilcoxona – miał przy kilku rozkładach nienormalnych większą moc niż test Studenta, ale wyraźnie tracił moc przy nierównych wariancjach. Testy rangowe nie są więc lekarstwem na nierówne wariancje.

Mit 3: „Testy nieparametryczne zawsze mają mniejszą moc”

To zależy od rozkładu. Blair i Higgins (1980) porównali moc testu sumy rang Wilcoxona i testu t przy sześciu rozkładach nienormalnych, m.in. wykładniczym, Laplace’a i mieszanych, i stwierdzili, że test rangowy miał na ogół bardzo dużą przewagę mocy. Ile kosztuje i ile daje test rangowy, pokazuje symulacja poniżej.

Moc: test t czy test Manna-Whitneya?

Porównaliśmy moc testu t Welcha i testu Manna-Whitneya dla dwóch grup po 30 osób, w których druga grupa była przesunięta o δ odchyleń standardowych typowych wyników (5000 symulacji w każdym punkcie). W panelu A dane pochodzą z rozkładu normalnego. W panelu B – z rozkładu o ciężkich ogonach: 90% osób ma wyniki z rozkładu normalnego, a 10% z rozkładu czterokrotnie szerszego, jak przy nietypowych lub nieuważnych odpowiedziach.

Dwa panele z krzywymi mocy: przy rozkładzie normalnym test t Welcha ma nieznacznie większą moc niż test Manna-Whitneya (62.8% wobec 59.9% przy przesunięciu 0.6 SD), przy rozkładzie z 10% wyników skrajnych test Manna-Whitneya ma wyraźnie większą moc (47.5% wobec 33.4% przy 0.6 SD i 89.5% wobec 70.9% przy 1 SD)
Rysunek 1. Moc testu t Welcha i testu Manna-Whitneya (α = .05) w zależności od przesunięcia drugiej grupy, dwie grupy po 30 osób, 5000 symulacji w każdym punkcie. Przerywana linia to 5% – odsetek wyników istotnych, gdy różnicy nie ma. Obliczenia: R (dane symulowane).
  • Rozkład normalny: test t ma nieco większą moc, ale strata przy teście rangowym jest niewielka – przy przesunięciu o 0.6 SD 62.8% wobec 59.9%.
  • Ciężkie ogony: przewaga się odwraca – przy przesunięciu o 0.6 SD test Manna-Whitneya wykrył różnicę w 47.5% prób, a test t w 33.4%; przy przesunięciu o 1 SD odpowiednio w 89.5% i 70.9%.
  • Gdy różnicy nie było (δ = 0), oba testy dawały od 4.6% do 5.1% fałszywych alarmów.

Wniosek praktyczny: przy rozkładzie zbliżonym do normalnego test rangowy niewiele traci, a przy ciężkich ogonach może sporo zyskać. Wybór powinien jednak wynikać przede wszystkim z pytania badawczego: czy interesuje Cię różnica średnich w jednostkach skali, czy to, która grupa ma zwykle wyższe wyniki. Szerzej o decyzji „parametryczny czy nie” piszemy w poradniku jak sprawdzić normalność rozkładu i co zrobić, gdy jej nie ma.

Przykład: ocena zajęć na skali 1–7

Studenci ocenili przydatność zajęć na jednym pytaniu (1 = zdecydowanie nieprzydatne, 7 = zdecydowanie przydatne): 28 osób z grupy stacjonarnej i 26 z grupy online (dane symulowane). Pojedyncze pytanie w skali Likerta to zmienna porządkowa z wieloma powtarzającymi się wynikami – typowa sytuacja dla testu rangowego.

Rozkład odpowiedzi na pytanie o przydatność zajęć w dwóch grupach
Grupa1234567Mediana (Q1–Q3)
Stacjonarna (n = 28)010414545 (5–6)
Online (n = 26)24249325 (3–5)

Mediany są równe (5), a mimo to test Manna-Whitneya jest istotny: U = 487.5, p = .026. To nie sprzeczność – test porównuje całe rozkłady rang. W grupie online częściej pojawiały się niskie oceny: poniżej 5 oceniło zajęcia 46.2% osób online i 17.9% osób z grupy stacjonarnej. Na 728 możliwych par (osoba stacjonarna, osoba online) w 55.4% wyżej oceniała osoba stacjonarna, a w 21.4% – osoba online. Prawdopodobieństwo przewagi z remisami liczonymi po połowie wynosi .67. Kerby (2014) proponuje prostszą miarę: różnicę odsetków par „zgodnych” i „niezgodnych” z kierunkiem efektu, czyli korelację rangową dwuseryjną: r = .554 − .214 = .34, 95% CI [.04, .58].

Jak opisać wynik testu nieparametrycznego (APA)

Podaj mediany z kwartylami (albo rozkład odpowiedzi), statystykę testu, p i wielkość efektu. Nie pisz, że „mediany różniły się istotnie”, jeśli test tego nie sprawdzał – w przykładzie mediany są wręcz równe.

Oceny przydatności zajęć były wyższe w grupie stacjonarnej (Me = 5, Q1–Q3: 5–6, n = 28) niż w grupie online (Me = 5, Q1–Q3: 3–5, n = 26), test U Manna-Whitneya: U = 487.5, p = .026, r = .34, 95% CI [.04, .58]. Prawdopodobieństwo, że losowo wybrana osoba z grupy stacjonarnej oceni zajęcia wyżej niż losowo wybrana osoba z grupy online, wynosiło .67; oceny niższe niż 5 wystawiło 17.9% osób z grupy stacjonarnej i 46.2% osób z grupy online.
Przykład reprodukowalny

Przykład w R

Kod odtwarza przykład: rozkład odpowiedzi, kwartyle, test Manna-Whitneya, korelację rangową dwuseryjną i prawdopodobieństwo przewagi. Symulację mocy z rysunku 1 przygotowano w osobnym skrypcie. W SPSS test znajdziesz w menu Analiza → Testy nieparametryczne → Próby niezależne (tam jest też test Kruskala-Wallisa), a testy Wilcoxona dla par i Friedmana – w oknie Próby zależne.

Test Manna-Whitneya z wielkością efektu

Dane wejściowe: odpowiedzi na skali 1–7 w grupie stacjonarnej (n = 28) i online (n = 26) – dane symulowane, set.seed(12).

Co odczytać: tabelę odpowiedzi, kwartyle (wiersz 50% to mediana), statystykę W (to U dla pierwszej grupy) i p-value, r z 95% CI oraz prawdopodobieństwo przewagi.

R
# Dane symulowane: ocena przydatności zajęć (1 = zdecydowanie nieprzydatne … 7 = zdecydowanie przydatne)
set.seed(12)
stacjonarne <- sample(1:7, 28, replace = TRUE, prob = c(.02, .05, .10, .20, .28, .22, .13))
online      <- sample(1:7, 26, replace = TRUE, prob = c(.06, .12, .18, .24, .20, .13, .07))
rbind(stacjonarne = table(factor(stacjonarne, 1:7)), online = table(factor(online, 1:7)))
sapply(list(stacjonarne = stacjonarne, online = online), quantile, probs = c(.25, .5, .75))

wilcox.test(stacjonarne, online, exact = FALSE)   # test Manna-Whitneya (wiązania: p asymptotyczne)
effectsize::rank_biserial(stacjonarne, online)    # wielkość efektu: korelacja rangowa dwuseryjna
# prawdopodobieństwo przewagi: P(X > Y) + 0.5 × P(X = Y)
mean(outer(stacjonarne, online, ">")) + 0.5 * mean(outer(stacjonarne, online, "=="))
Wynik w R
            1 2 3 4  5 6 7
stacjonarne 0 1 0 4 14 5 4
online      2 4 2 4  9 3 2
    stacjonarne online
25%           5      3
50%           5      5
75%           6      5

	Wilcoxon rank sum test with continuity correction

data:  stacjonarne and online
W = 487.5, p-value = 0.02595
alternative hypothesis: true location shift is not equal to 0

r (rank biserial) |       95% CI
--------------------------------
0.34              | [0.04, 0.58]
[1] 0.6696429

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje wilcox.test() i t.test() z pakietu stats); rysunek 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. 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
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze błędy

  • „Mediany różniły się istotnie” po teście Manna-Whitneya – test porównuje rozkłady rang, a nie mediany (Hart, 2001); w przykładzie mediany są równe, a wynik istotny.
  • Test nieparametryczny jako odruch po istotnym teście normalności w dużej próbie – test parametryczny jest wtedy zwykle odporny, a zmiana testu zmienia pytanie badawcze.
  • Brak wielkości efektu – podawaj korelację rangową dwuseryjną (Kerby, 2014) albo prawdopodobieństwo przewagi (Divine i in., 2018).
  • Traktowanie testu rangowego jako ochrony przed nierównymi wariancjami – przy różnych rozproszeniach traci moc i zmienia sens wyniku (Zimmerman i Zumbo, 1993).
  • Mylenie testów Wilcoxona – test sumy rang (grupy niezależne) to nie test znakowanych rang (pary pomiarów).
  • Test dla grup niezależnych przy pomiarach powtarzanych – dla tych samych osób wybierz test Wilcoxona dla par albo test Friedmana.

Najczęstsze pytania

Co to są testy nieparametryczne?

To testy, które nie zakładają, że dane pochodzą z określonego rozkładu, np. normalnego. Większość z nich zamienia wyniki na rangi i porównuje rangi między grupami lub pomiarami. Do najpopularniejszych należą testy Manna-Whitneya, Wilcoxona, Kruskala-Wallisa i Friedmana oraz korelacja Spearmana.

Kiedy stosować testy nieparametryczne?

Gdy zmienna jest porządkowa (np. jedno pytanie w skali Likerta), gdy próba jest mała, a rozkład silnie skośny albo z obserwacjami odstającymi, oraz gdy pytanie dotyczy tego, która grupa ma zwykle wyższe wyniki, a nie różnicy średnich. W dużych próbach przy umiarkowanej nienormalności test parametryczny (najlepiej Welcha) jest zwykle odporny.

Czy test Manna-Whitneya i inne testy rangowe porównują mediany?

Nie. Test porównuje rozkłady rang, czyli sprawdza, czy losowa osoba z jednej grupy ma zwykle wyższy wynik niż losowa osoba z drugiej. O medianach mówi tylko wtedy, gdy rozkłady w grupach mają ten sam kształt. W przykładzie na tej stronie mediany obu grup wynoszą 5, a test jest istotny (p = .026).

Jaki test nieparametryczny zamiast ANOVA?

Dla trzech i więcej niezależnych grup – test Kruskala-Wallisa z porównaniami parami testem Dunna. Dla trzech i więcej pomiarów tych samych osób – test Friedmana. Pamiętaj, że oba porównują rangi, a nie średnie, więc wynik opisuj jako „wyższe” lub „niższe” wyniki w grupach.

Czy testy nieparametryczne mają mniejszą moc?

Nie zawsze. Przy rozkładzie normalnym tracą niewiele – w symulacji na tej stronie 59.9% wobec 62.8% dla testu t. Przy ciężkich ogonach bywają wyraźnie mocniejsze: przy tym samym przesunięciu grup test Manna-Whitneya wykrył różnicę w 47.5% prób, a test t w 33.4%.

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. Blair, R. C., & Higgins, J. J. (1980). A comparison of the power of Wilcoxon’s rank-sum statistic to that of Student’s t statistic under various nonnormal distributions. Journal of Educational Statistics, 5(4), 309–335. https://doi.org/10.3102/10769986005004309
  2. Conover, W. J., & Iman, R. L. (1981). Rank transformations as a bridge between parametric and nonparametric statistics. The American Statistician, 35(3), 124–129. https://doi.org/10.1080/00031305.1981.10479327
  3. Divine, G. W., Norton, H. J., Barón, A. E., & Juarez-Colunga, E. (2018). The Wilcoxon–Mann–Whitney procedure fails as a test of medians. The American Statistician, 72(3), 278–286. https://doi.org/10.1080/00031305.2017.1305291 ● Otwarty dostęp
  4. Hart, A. (2001). Mann-Whitney test is not just a test of medians: Differences in spread can be important. BMJ, 323(7309), 391–393. https://doi.org/10.1136/bmj.323.7309.391 ● Otwarty dostęp
  5. 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
  6. Zimmerman, D. W., & Zumbo, B. D. (1993). Rank transformations and the power of the Student t test and Welch t' test for non-normal populations with unequal variances. Canadian Journal of Experimental Psychology / Revue canadienne de psychologie expérimentale, 47(3), 523–539. https://doi.org/10.1037/h0078850

Cytowania BibTeX

@article{blair1980comparison, author={Blair, R. Clifford and Higgins, James J.}, title={{A comparison of the power of Wilcoxon’s rank-sum statistic to that of Student’s t statistic under various nonnormal distributions}}, journal={Journal of Educational Statistics}, year={1980}, volume={5}, number={4}, pages={309--335}, doi={10.3102/10769986005004309}}
@article{conover1981rank, author={Conover, W. J. and Iman, Ronald L.}, title={{Rank transformations as a bridge between parametric and nonparametric statistics}}, journal={The American Statistician}, year={1981}, volume={35}, number={3}, pages={124--129}, doi={10.1080/00031305.1981.10479327}}
@article{divine2018wilcoxon, author={Divine, George W. and Norton, H. James and Barón, Anna E. and Juarez-Colunga, Elizabeth}, title={{The Wilcoxon–Mann–Whitney procedure fails as a test of medians}}, journal={The American Statistician}, year={2018}, volume={72}, number={3}, pages={278--286}, doi={10.1080/00031305.2017.1305291}}
@article{hart2001mann, author={Hart, Anna}, title={{Mann-Whitney test is not just a test of medians: Differences in spread can be important}}, journal={BMJ}, year={2001}, volume={323}, number={7309}, pages={391--393}, doi={10.1136/bmj.323.7309.391}}
@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{zimmerman1993rank, author={Zimmerman, Donald W. and Zumbo, Bruno D.}, title={{Rank transformations and the power of the Student t test and Welch t' test for non-normal populations with unequal variances}}, journal={Canadian Journal of Experimental Psychology / Revue canadienne de psychologie expérimentale}, year={1993}, volume={47}, number={3}, pages={523--539}, doi={10.1037/h0078850}}
R