非参数检验是在不假定总体分布形式的情况下，用来对两个或多个样本进行比较或判断样本是否来自同一总体的统计方法。以下是三种常见的非参数检验方法：
1. 卡方检验（Chi-Square Test）
目的与用途： 卡方检验主要用于比较实际观测频数与期望频数之间的差异，以判断两个分类变量之间是否存在关联或独立性。它常用于分析列联表数据，即两个分类变量交叉形成的表格数据。
适用条件：
- 样本数据应为分类数据；
- 期望频数不应太小（通常每个单元格的期望频数应大于5，且至少有80%的单元格期望频数不小于1）。
步骤：
- 根据研究目的构建列联表；
- 计算期望频数；
- 计算卡方值；
- 确定自由度；
- 查卡方分布表或使用统计软件得到临界值或P值；
- 判断结果是否显著。
2. 秩和检验（Rank Sum Test 或 Mann-Whitney U Test）
目的与用途： 秩和检验用于比较两个独立样本的总体分布位置是否存在显著差异，特别是当数据不满足正态分布假设时。它是非参数版本的t检验。
适用条件：
- 两个样本来自不同的总体且相互独立；
- 数据可以是连续或有序的分类数据；
- 不要求数据服从正态分布或具有相等的方差。
步骤：
- 将两组数据合并并排序，为每个观察值分配一个秩次；
- 分别计算两组数据的秩和；
- 使用Mann-Whitney U统计量进行计算；
- 根据U值和样本大小确定P值；
- 判断结果是否显著。
3. 符号检验（Sign Test）
目的与用途： 符号检验是一种简单的非参数检验方法，用于判断一个样本的中位数是否与某个已知值（如零或其他指定值）有显著差异。它特别适用于小样本或数据不符合正态分布的情况。
适用条件：
- 数据为配对设计或单组设计且为连续数据；
- 不要求数据服从正态分布。
步骤：
- 对于每个观察值，如果其大于（或等于/小于）已知值，则记录为正号（+）或负号（-）；
- 计算正号的数量；
- 使用二项式分布或符号检验的专用表来确定P值；
- 判断结果是否显著。
这三种非参数检验方法各有特点和应用场景，选择哪种方法取决于具体的研究问题和数据类型。在实际应用中，应根据数据的特性和研究目的来选择合适的非参数检验方法。
