📊 statistics

Wilcoxon-Mann-Whitney Test of No Group Discrimination

本文纠正了关于 Wilcoxon-Mann-Whitney 检验是在评估分布相等（ $F=G$ ）或随机占优这一普遍误解，转而证明该检验具体测试的是曲线下面积（AUC）是否等于 0.5，并提供了针对该标准化统计量的推导出的渐近分布及有限样本偏差修正。

原作者： Marian Grendar

发布于 2026-07-22

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Marian Grendar

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

伟大的统计学大乌龙

想象一下，你是一名正在试图破解谜题的侦探：“这两组人真的不同吗？”在统计学的世界里，这是一个经典问题。你拥有两堆数据——也许是两所学校的考试成绩，或者是两组运动员的反应时间。为了弄清楚这两堆数据是否真正不同，统计学家长期以来一直使用一种著名的工具，叫做 Wilcoxon-Mann-Whitney (WMW) 检验。把这个检验想象成赛跑中的裁判。它并不关心每个跑手的确切速度；相反，它关注的是谁领先了谁。如果 A 组始终击败 B 组，裁判就会举起红旗并说：“这两组不同！”

几十年来，这个裁判的规则手册一直很简单，但也被稍微误解了。标准的解释是，该检验检查两组数据是否来自完全相同的“分布”——这是一个高级说法，意思是：“这两堆数字在任何方面看起来都完全一样吗？”如果它们看起来不一样，该检验就应该大声疾叫：“不同！”然而，这篇文章指出，裁判看错了计分板。作者 M. Grendár 指出，该检验实际上并不是在检查这两堆数据看起来是否一致，而是在检查一个更为具体的问题：“其中一组在随机的一对一对决中胜过另一组的机会有多大？”这被称为“曲线下面积”（Area Under the Curve，简称 AUC）。如果 AUC 为 0.5，意味着这种对决就像抛硬币一样随机，两组在胜负方面无法区分。如果不是 0.5，则说明其中一组具有系统性的优势。为什么这很重要？因为如果你在两组数据以奇特方式不同（例如数据的离散程度不同，但平均值相同）时仍沿用旧的规则手册，裁判可能会感到困惑并给你错误的答案。

情节转折：这与“看起来是否相同”无关

论文开篇指出，多年来我们使用这个检验的方式存在一个逻辑缺陷。传统教科书说，WMW 检验检查的是零假设：“两组数据是完全相同的（ $F = G$ ）”。如果检验发现了差异，则意味着两组并不相同。但作者证明了这种说法过于宽泛。

为了证明这一点，作者对两组数据进行了模拟，这两组数据显然是不相同的。想象一组跑手非常稳定（他们都以相同的速度奔跑），而另一组则非常混乱（有些人跑得极快，有些人跑得极慢）。从统计学上讲，这两组是不同的；它们的形状完全不同。根据旧的规则手册，WMW 检验应该将它们标记为不同。但转折点在于：当作者对这些不匹配的组进行 10,000 次检验时，结果几乎正好是 0.5。检验的表现就像两组是完全一样的一样，尽管它们显然并不相同。

这造成了一个矛盾。如果该检验声称检查的是“完全相等”，那么当形状如此不同时，它应该大声尖叫“不同！”。然而，它却保持了沉默。作者得出结论，该检验实际上并不是在检查两组看起来是否相同，而是在检查一个更窄的问题：“从 A 组随机抽取一人并击败从 B 组随机抽取一人的概率是否等于 50%？”用作者的话说，该检验实际上是在检查 AUC = 0.5。

真正的目标：谁能在对决中获胜？

那么，这个检验到底在做什么？论文认为 WMW 检验是一个“判别”工具。它在问：如果你从 A 组选一个人，从 B 组选一个人让他们比赛，谁更有可能赢？

如果答案是“这是一场 50/50 的硬币投掷”，那么 AUC 是 0.5，检验会说：“这里没有判别性。”
如果 A 组在 60% 的情况下获胜，那么 AUC 是 0.6，检验会说：“存在系统性的优势！”

论文强调，传统的“备择假设”（即两组不同的想法）过于狭隘。人们通常认为该检验仅在其中一组表现出严格的“更好”（比如一组总是比另一组跑得快）时才有效。但作者指出，该检验对于任何 AUC 不等于 0.5 的情况都是一致的。这包括那些两组数据多次交叉重叠的复杂场景，只要其中一方有净优势即可。该检验精于捕捉“谁在对决中获胜”，而不是“谁看起来一样”。

修复数学问题：“偏差”问题

一旦作者确定该检验实际上是关于 AUC 的，他们意识到我们用来计算结果“置信度”的数学方法略有偏差。旧的公式假设两组在各方面都是相同的，这导致了计算中的一个小但真实的误差（称为“偏差”），尤其是在样本量较小时。

论文推导出了一个新的、经过修正的方差（结果的离散程度）计算方法。

问题所在： 旧的数学没有考虑到我们是从有限样本中估计 AUC 的事实，这引入了一个微小的向上偏差。
解决方法： 作者创建了一个“偏差修正”公式。他们表明，如果减去一个特定的修正因子（取决于样本量），你就能得到一个更准确的确定性图景。
结果： 他们提供了一种新的构建置信区间（即真实答案可能存在的范围）的方法，即使在数据存在“结”（即两个跑手在同一时刻到达终点）的情况下也同样适用。这至关重要，因为现实世界的数据很少是完美的，往往存在“结”的情况。

作者还提到，对于非常小的组（总人数少于 20 人），标准数学方法根本不可靠，因此他们推荐使用另一种称为“学生化置换检验”（studentized permutation test）的方法，这就像在计算机模拟中一遍又一遍地运行比赛，以观察会发生什么。

工具箱：一种新的赛跑方式

为了确保人们能够使用这些新发现，作者开发了一个名为 wmwAUC 的 R 语言包。该软件提供了两种运行检验的主要方式：

“精确无偏”（Exact Unbiased, EU）法： 这是作者推荐的金标准。它能完美处理“结”的情况，并使用新的修正数学公式。它是最可靠的选择，尤其是对于较小的组。
“偏差修正”（Bias-Corrected, BC）法： 这是一种稍微保守一点的方法，旨在通过格外谨慎来确保准确。

论文强调，虽然旧方法在简单情况下可能表现尚可，但在数据杂乱或两组差异奇特（例如具有不同的方差）时可能会失效。新方法确保了当你宣布“这些组不同”时，你谈论的是一个真实的、关于谁在对决中获胜的差异，而不是由于使用了错误的公式而产生的统计幻觉。

核心总结

简而言之，这篇论文是对统计学中一个长期存在的误解进行的修正。它告诉我们，Wilcoxon-Mann-Whitney 检验并不是一个通用的“这两组是否完全相同”的检测器。它是一个特定的“谁在对决中获胜”的检测器。通过将我们的关注点从“分布相等”转向“AUC = 0.5”，并通过修正数学以解释小样本量和“结”的问题，我们能对两组是否真正不同获得更清晰、更诚实的判断。作者不仅指出了错误，还提供了修正后的公式和软件工具来解决问题，确保未来的侦探们能得到正确的判决。

技术摘要：Wilcoxon-Mann-Whitney 无组间差异检验

问题陈述
本文对传统的 Wilcoxon-Mann-Whitney (WMW) 检验提出了挑战。该检验在教学和实现中通常被视为分布相等（ $H_0: F = G$ ）与随机优势或一般不等性（ $H_1: F \neq G$ ）之间的检验。作者认为这种表述在逻辑上是有缺陷的。具体而言，即使底层分布 $F$ 和 $G$ 是不同的（例如，均值相同但方差不同的正态分布），该检验也可能无法拒绝原假设。在这种情况下，传统的原假设 $F=G$ 是错误的，但检验统计量却会集中在其原假设值附近，从而产生矛盾。本文认为，WMW 检验实际上测试的是是否存在系统性的成对判别，而非分布相等。

方法论与理论框架
本文将 WMW 检验统计量 $U$ 重新定义为经验曲线下面积（eAUC），其中 $\hat{A} = \frac{U}{n_1 n_2} = \widehat{P}(X < Y)$ 。其核心方法论贡献在于推导了该统计量在修正后的原假设下的正确渐近分布和有限样本性质。

正确的假设构建：
本文确立了 WMW 检验实际测试的是：
- 原假设： $H_0: \text{AUC} = 0.5$ （无组间判别）。
- 备择假设： $H_1: \text{AUC} \neq 0.5$ （系统性成对优势）。
  这与 Van Dantzig (1951) 的一致性结果相一致，该结果表明，无论是否存在随机优势，只要 $P(Y < X) \neq 0.5$ ，该检验对于任何此类备择假设都是一致的。
渐近分布：
作者推导了在 $H_0: \text{AUC} = A_0$ 下标准化经验 AUC 的渐近分布。利用 U-统计量理论和 Hoeffding 投影，本文表明 $\sqrt{n}(\hat{A} - A_0)$ 收敛于正态分布 $N(0, \sigma^2)$ ，其中方差 $\sigma^2$ 取决于放置变量 $G(X)$ 和 $F(Y)$ 的方差。至关重要的是，该方差结构不同于在 $F=G$ 假设下推导出的传统方差估计量。
有限样本偏差修正：
本文识别了放置变量中朴素方差估计量的有限样本偏差。作者推导了阶数为 $O(n^{-1})$ 的精确偏差项，并提出了通过减去这些精确偏差分量的偏差修正估计量（ $\hat{\zeta}^{2*}$ ）。
处理结（Ties）：
考虑到现实世界的数据通常包含结，本文使用中秩核函数 $h(x,y) = 1\{x < y\} + \frac{1}{2}1\{x=y\}$ 将理论扩展到离散或离散化的连续变量。
- 推导了一个通过合并样本方差和行/列均值方差线性组合而成的精确有限样本无偏方差估计量（定理 1）。
- 证明了存在结情况下的渐近分布仍保持相同的正态形式，且经过结修正的方差分量涉及结概率（ $\pi_X, \pi_Y$ ）。
推断与实现：
本文建议通过反转假设检验来构建“伪中位数”（即使得 $\text{AUC}(X, Y+\theta) = 0.5$ 的位移参数 $\theta$ ）的置信区间。文中实现了两种特定的推断方法，并集成在 R 包 wmwAUC 中：
- 精确无偏 (EU)： 使用精确的有限样本无偏方差估计量（定理 1）以及针对小样本（ $n < 20$ ）的学生化置换检验。
- 偏差修正 (BC)： 将连续数据中推导出的偏差修正应用于方差分量，即使在存在结的情况下（已通过经验验证）。

主要结果

逻辑一致性： 本文证明了在 $H_0: \text{AUC} = 0.5$ 下，即使 $F \neq G$ （例如方差不等但均值相等的案例），检验统计量也能表现正确，解决了传统检验无法拒绝错误的 $F=G$ 假设这一矛盾。
方差估计： 推导出的方差估计量（包括渐近和精确有限样本估计量）被证明在正确的原假设下是相容且无偏的。本文提供了这些估计量的显式公式，包括针对结和有限样本偏差的调整。
性能： 蒙特卡洛模拟（文中提及）表明，偏差修正（BC）方法在小样本中可能会损失功效，而精确无偏（EU）方法能保持标称水平并保留功效。因此，建议将 EU 方法作为默认方法。

意义与主张
本文声称为对 WMW 检验的误解提供了“根本性的解决”。其主要意义在于：

修正原假设： 它明确指出 WMW 检验是关于判别性的检验（ $\text{AUC} \neq 0.5$ ），而非分布相等（ $F=G$ ）。
推广备择假设： 它确立了该检验对于广泛的 $P(Y < X) \neq 0.5$ 类备择假设是一致的，将随机优势仅视为其中的一个特例。
实际应用： 通过提供具有精确有限样本推断和偏差修正渐近方法的 R 包 wmwAUC，本文为研究人员提供了一个实用的工具，使其能够在正确的理论框架下进行有效的推断，特别是在涉及结或小样本量等传统近似法可能失效的场景中。

作者指出，虽然本研究侧重于两样本设置，但类似的问题可能也存在于 $k$ 样本扩展（如 Kruskal-Wallis）中，但这超出了本文的研究范围。作者承认，Van Dantzig 此前正确地识别了备择假设，但将其与错误的原假设相配对；本研究修正了这种配对，并提供了现代应用所需的完整的渐近及有限样本处理机制。