Mann-Whitney U 检验计算器(秩和检验)
粘贴两组数据,几秒钟算出 Mann-Whitney U、z 值与双尾 p 值——数据不满足正态分布或本身是等级数据(如李克特单题)时,两组比较该用它而不是 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
为什么秩和检验值得自己先算一遍
数据明显偏斜、有极端值、或本身是等级/顺序变量(李克特单题、名次、评级)时,两独立样本比较的规范做法是 Mann-Whitney U 而不是独立样本 t 检验——描述统计工具提示「分布偏斜建议非参数检验」后,下一步就是它。
两组混合排秩、并列值取平均秩、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 U、z、双尾 p 与两组秩和,与 SPSS 的 2 Independent Samples(Mann-Whitney U)口径一致。
同时给两组中位数(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 里分别复制两组数据(两组个数可以不等)粘贴进两个输入框,Tab/逗号/空格/换行分隔均可;
- 点「计算秩和检验」查看 U、z、双尾 p、两组中位数与效应量 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?
两组数据混合从小到大排秩(并列取平均秩),U₁ = R₁ − n₁(n₁+1)/2、U₂ = n₁n₂ − U₁,报告 U = min(U₁, U₂)。显著性用正态近似:z = (U − n₁n₂/2 ± 0.5)/σ,σ 含并列(ties)校正,双尾 p 由标准正态分布计算,与 SPSS 的 Mann-Whitney U(asymptotic)口径一致。
什么时候用它而不是 t 检验?
两组数据明显偏斜或有极端值、样本量小且无法确认正态、或数据本身是等级/顺序变量(李克特单题、名次)时用 Mann-Whitney U。数据近似正态且是连续变量时 t 检验统计功效更高,优先 t 检验。前后测等配对数据请用 Wilcoxon 符号秩检验,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:「A 组中位数为 Mdn₁,B 组为 Mdn₂,Mann-Whitney U 检验表明两组差异显著(U = …, z = …, p = …, r = …)」。效应量 r = |z|/√N,常用分档:≥0.5 大、0.3-0.5 中等、0.1-0.3 小。
样本很小或并列值很多可靠吗?
本工具用正态近似(含连续性校正与并列校正),两组都 ≥5 时近似良好;有一组 <5 时建议改用精确法(SPSS 的 Exact 选项或 R 的 wilcox.test),本工具会给出提醒。并列值多(如李克特数据)时并列校正已自动纳入方差。
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