Kruskal-Wallis检验是一种非参数检验，用于比较三个或更多个非配对或不匹配的组。请参阅其他资料，了解如何选择检验方法以及如何解释结果。

这些“误差”是相互独立的吗？

“误差”一词指每个数值与组中位数之间的差值。Kruskal-Wallis检验的结果仅在数据散布具有随机性时才有意义 - 即导致某个数值过高或过低的因素仅影响该单一数值。Prism无法检验这一假设。 您必须考虑实验设计。例如，如果三个组中各包含九个数值，但这些数值分别来自每个组中的两只动物（各测三次），则这些误差不具有独立性。在这种情况下，某些因素可能导致同一只动物的三个数值全部偏高或偏低。

数据是否为非配对数据？

若数据为配对或匹配数据，则应考虑改用Friedman检验。若配对能有效控制实验变异性，Friedman检验的检验力将强于Kruskal-Wallis检验。

数据是否采样自非高斯分布的总体？

选择非参数检验意味着您避免了假设数据来自高斯分布，但使用非参数检验也存在弊端。如果总体确实服从高斯分布，非参数检验的检验力会降低（更难检测到真实的差异），尤其在样本量较小的情况下。 此外，Prism（以及大多数其他软件）在进行非参数检验时不会计算置信区间。如果分布明显不呈钟形，请考虑对数据进行转换（例如转换为对数或倒数），以构建高斯分布，然后使用方差分析（ANOVA）。

您真的想比较中位数吗？

Kruskal-Wallis检验用于比较三个或更多组的中位数。即使分布曲线重叠相当严重，仍可能得到极小的P值 - 这清楚地表明总体中位数存在差异。

分布形状是否相同？

Kruskal-Wallis检验并不假设总体服从高斯分布，但它确实假设分布形状是相同的。中位数可能不同 - 这正是您正在检验的内容 - 但该检验假设分布形状是相同的。如果两个组的分布差异很大，请考虑对数据进行转换，以使分布更加相似。