Wilcoxon 符号秩检验计算器(配对样本)
粘贴前测与后测两列配对数据,几秒钟算出 Wilcoxon W、z 值与双尾 p 值——前后测差值不满足正态分布或本身是等级数据时,配对比较该用它而不是配对样本 t 检验。纯浏览器本地计算、数据不上传,免注册、完全免费。
免注册 · 公测期免费 · 数据留在你的浏览器本地
为什么符号秩检验值得自己先算一遍
前后测差值明显偏斜、有极端值、或数据本身是等级/顺序变量(李克特单题前后测、名次变化)时,配对比较的规范做法是 Wilcoxon 符号秩检验而不是配对样本 t 检验——两独立样本请用 Mann-Whitney U 检验,不要混用。
差值取绝对值排秩(并列取平均秩)、零差值剔除、并列校正方差、连续性校正——手算最容易错的步骤全部自动完成,输出 W、z、双尾 p 与正负秩和,与 SPSS 的 2 Related Samples(Wilcoxon)口径一致。
同时给前后测中位数(非参数检验报中位数而不是均值)、效应量 r = |z|/√n 与大小分档判读——评阅人越来越要求「显著之外还要报效应量」,一次算全。
计算在你的浏览器里完成,数据不发送到服务器,不调用 AI,随时可以换一组数据重算。
怎么用(3 步)
- 从 Excel/SPSS 里分别复制前测与后测两列配对数据(两列个数必须相等、顺序一一对应)粘贴进两个输入框,Tab/逗号/空格/换行分隔均可;
- 点「计算符号秩检验」查看 W、z、双尾 p、前后测中位数与效应量 r;
- 把结果句式一键复制进论文数据分析章,正式结论建议再用 SPSS/R 复核一遍。
常见问题
计算用的是什么公式?
先算每对数据的差值 d,剔除 d = 0 的对子后对 |d| 从小到大排秩(并列取平均秩),带符号求正秩和 W⁺ 与负秩和 W⁻,报告 W = min(W⁺, W⁻)。显著性用正态近似:μ = n(n+1)/4,σ² = n(n+1)(2n+1)/24 −(并列校正项),z = (W − μ ± 0.5)/σ(含连续性校正),双尾 p 由标准正态分布计算,与 SPSS 的 Wilcoxon(asymptotic)口径一致。
什么时候用它而不是配对 t 检验?
前后测差值明显偏斜或有极端值、样本量小且无法确认差值正态、或数据本身是等级/顺序变量(李克特单题)时用 Wilcoxon 符号秩检验。差值近似正态且是连续变量时配对 t 检验统计功效更高,优先 t 检验。两组相互独立(不是同一批对象前后测)请用 Mann-Whitney U 检验,不是本工具。
结果该怎么报告?
非参数检验报中位数而不是均值:「前测中位数为 Mdn₁,后测为 Mdn₂,Wilcoxon 符号秩检验表明前后差异显著(W = …, z = …, p = …, r = …)」。效应量 r = |z|/√n(n 为剔除零差值后的有效对数),常用分档:≥0.5 大、0.3-0.5 中等、0.1-0.3 小。
差值为 0 的对子怎么处理?样本很小可靠吗?
差值为 0 的对子按 Wilcoxon 原始方法剔除后再排秩(与 SPSS、R 的 wilcox.test 默认一致),剔除数量会在结果中注明。有效对数 ≥10 时正态近似良好;<10 时建议改用精确法(SPSS 的 Exact 选项或 R 的 wilcox.test exact=TRUE)复核,本工具会给出提醒。
我的数据会被上传吗?
不会。计算完全在你的浏览器本地完成,任何数据都不发送到服务器,也不调用 AI 服务。
检验做完了,数据分析章一站写完
工作台覆盖选题→开题→大纲→分章写作→文献→自查→导出全流程:把检验结果挂进对应章节让 AI 严格依据数据成文,不编造数字,全程免注册、免费。
免费打开工作台