Mann-Whitney检验是一种非参数检验，用于比较两个非配对组别的分布。有时人们说它用于比较中位数，但事实并非总是如此。

这些“误差”是相互独立的吗？

“误差”一词指的是每个数值与组中位数之间的差值。只有当数据离散具有随机性时——即导致某个数值过高或过低的任何因素仅影响该单一数值——Mann-Whitney检验的结果才有意义。Prism无法检验这一假设。 您必须考虑实验设计。例如，如果每个组有六个数值，但这些数值分别来自该组中的两只动物（每组三重复），则这些“误差”并非相互独立。在这种情况下，某些因素可能会导致同一只动物的所有三重复数值都偏高或偏低。

这些数据是配对的还是非配对的？

Mann-Whitney检验（Mann-Whitney test）的原理是将所有数值从低到高排序，并比较两组的平均秩。如果数据是配对或匹配的，则应改用Wilcoxon配对检验（Wilcoxon配对检验）。

您是否正在比较恰好两个组？

Mann-Whitney检验仅适用于比较两个组。若要比较三个或更多组，应使用Kruskal-Wallis检验，随后进行后检验。不建议多次进行Mann-Whitney（或 t）检验，每次仅比较两个组。

这两个组的数据分布形状是否相同？

如果两个组的分布形状相似，则可以将Mann-Whitney检验解读为中位数的比较。如果分布形状不同，则实际上无法解释Mann-Whitney检验的结果。

您真的想比较中位数吗？

Mann-Whitney检验比较的是两个组的中位数（其实也不完全准确）。即使两个分布有很大程度的重叠，也可能出现极小的P值——这清楚地表明总体中位数存在差异。

如果您选择了单尾P值，您的预测是否正确？

如果您选择了单尾P值，就应该在收集任何数据之前预测哪个组的中位数会更大。Prism 不会要求您记录这一预测，但会假设它是正确的。 如果您的预测有误，请忽略 Prism 报告的 P 值，并说明 P>0.50。单尾P值与双尾P值。

数据是否采样自非高斯总体？

通过选择非参数检验，您避免了假设数据采自高斯分布，但使用非参数检验也存在缺点。如果总体确实服从高斯分布，非参数检验的功效会较低（即更难得出较小的 P 值），而在样本量较小时，这种差异相当明显。