非参数检验用于研究定类数据与定量数据之间的关系情况，是指不考虑总体的参数和总体分布类型，利用样本数据的总体分布形态或分布位置进行推断的检验方法。
非参数检验可分为：单样本的非参数检验、两独立样本的非参数检验、多独立样本的非参数检验、两配对样本的非参数检验、多配对样本的非参数检验。
1 单样本非参数检验
单样本Wilcoxon检验用于检验数据是否与某数字有明显的区别，比如手机尺寸是否明显不等于6英寸。
从功能上讲，单样本Wilcoxon检验与单样本T检验完全一致；二者的区别在于数据是否正态分布，如果数据正态分布，则使用单样本T检验，反之则使用单样本Wilcoxon检验。
分析步骤：
第一：分析每个分析项是否呈现出显著性(P值小于0.05或0.01)；
第二：如果呈现出显著性；具体对比中位数大小，描述具体差异所在；
第三：对分析进行总结。
结果解读：
此表格中，我们主要关注P值大小，P值<0.05即说明样本数据与对比的数字之间存在显著差异。用上面提到的手机尺寸的例子来说，就是P=0.139>0.05；意味着手机尺寸并不会明显的偏离数字6，同时手机尺寸的中位数为6，说明手机尺寸确实是6英寸，从而证明生产设备正常没有问题。
2 独立样本的非参数检验
分析两组或多组独立样本数据，判断数据之间的关系情况。比如研究不同性别人群购买意愿差异情况如何或者不同城市儿童身高差异情况比较等。
根据X组别的数量不同，需选择的不同的检验方法，如果X为两组，比如性别，则应使用MannWhitney统计量，超过两组，则使用Kruskal-Wallis统计量结果。
分析步骤：
第一：分析X与Y之间是否呈现出显著性(P值小于0.05或0.01)
第二：如果呈现出显著性；通过具体对比中位数大小，描述具体差异情况
第三：对分析进行总结。
指标解读：
其他说明：
3 配对样本Wilcoxon检验
配对样本Wilcoxon检验用于检验配对数据是否具有显著性差异，比如研究l
分析步骤：
第一：分析每组配对项之间是否呈现出显著性差异(P值小于0.05或0.01)；
第二：如果呈现出显著性；具体对比中位数(或差值)大小，描述具体差异所在；
第三：对分析进行总结。
指标说明：
此表格中，我们主要关注P值大小，P值<0.05即说明两组样本数据之间存在显著差异。从上表可以看出，数据不会表现出显著性(统计量=1.412，P=0.158>0.05)；意味着两种测量设备得出的测量结果上并没有明显的差异性，同时测量数据的中位数为均为6，进一步说明两种生产设备的测量正常没有问题。
其他说明：
4 多配对样本检验
Friedman检验(弗里德曼检验)，用于检测多个(相关)样本是否具有显著性差异的统计检验，是一种非参数检验方法。
分析步骤：
第一：分析是否呈现显著性(P值小于0.05或0.01)；
第二：如果呈现出显著性；具体对比中位数大小，描述具体差异所在；
第三：对分析进行总结。
指标说明：
从理论上看，正态性特质是很多分析方法的前提，但现实中很难出现完美的正态分布数据，而且基于正态分布的参数检验性能相对更优，因而在实际研究中，可能即使数据非态，也会使用基于正态分布的参数检验。
事实上非参数检验绝不止以上提到的方法，还有包括很多其他的检验方法，比如当数据为多相关时，会涉及到多种检验方法，包括Friedeman检验，Kendall协调系数，Cochran检验等，如果想要了解每种分析方法的应用场景及具体区别，可登录阅读spssau帮助手册，或者查看SPSSAU发布的文章：何时应该使用非参数检验？
以上提到分析方法都可在SPSSAU中进行分析，详细说明可查看SPSSAU官网，以及可使用SPSSAU上面的案例数据，进行实际的操作分析。
