Εισαγωγή

Η επιλογή της κατάλληλης στατιστικής δοκιμασίας αποτελεί μία από τις σημαντικότερες αποφάσεις κατά την ανάλυση δεδομένων. Σε πολλές ερευνητικές μελέτες οι μεταβλητές δεν ακολουθούν κανονική κατανομή, το μέγεθος του δείγματος είναι μικρό ή τα δεδομένα προέρχονται από διατακτικές κλίμακες όπως οι κλίμακες Likert. Σε αυτές τις περιπτώσεις, οι παραμετρικές δοκιμασίες, όπως το Independent Samples t-test, ενδέχεται να μην αποτελούν την καταλληλότερη επιλογή.

Η δοκιμή Mann–Whitney U αποτελεί μία από τις πιο διαδεδομένες μη παραμετρικές μεθόδους σύγκρισης δύο ανεξάρτητων ομάδων. Χρησιμοποιείται ευρέως στις επιστήμες υγείας, την ψυχολογία, την εκπαίδευση, τις κοινωνικές επιστήμες, την οικονομία και κάθε πεδίο όπου απαιτείται σύγκριση ομάδων χωρίς την προϋπόθεση της κανονικότητας. Το αρχικό υλικό παρουσιάζει τις βασικές αρχές της μεθόδου, τις υποθέσεις και τον υπολογισμό της στατιστικής U. 

Το άρθρο αυτό παρουσιάζει με σύγχρονο τρόπο τη λογική της δοκιμής, τις προϋποθέσεις εφαρμογής, την ερμηνεία των αποτελεσμάτων και τα συνηθέστερα λάθη που παρατηρούνται στην επιστημονική έρευνα.

Τι είναι η δοκιμή Mann–Whitney U;

Η δοκιμή Mann–Whitney U είναι μια μη παραμετρική στατιστική δοκιμασία που χρησιμοποιείται για τη σύγκριση δύο ανεξάρτητων ομάδων. Στόχος της είναι να εξετάσει αν οι δύο ομάδες προέρχονται από την ίδια κατανομή ή αν παρουσιάζουν στατιστικά σημαντικές διαφορές.

Σε αντίθεση με τις παραμετρικές δοκιμασίες, δεν συγκρίνει απευθείας τους μέσους όρους των ομάδων. Αντίθετα, βασίζεται στην κατάταξη (ranking) όλων των παρατηρήσεων από τη μικρότερη προς τη μεγαλύτερη τιμή και εξετάζει αν οι κατατάξεις της μιας ομάδας διαφέρουν συστηματικά από εκείνες της άλλης.

Η μέθοδος αναπτύχθηκε από τους Henry Mann και Donald Whitney και αποτελεί σήμερα μία από τις βασικότερες μη παραμετρικές δοκιμασίες της επαγωγικής στατιστικής.

Πότε χρησιμοποιείται;

Η δοκιμή Mann–Whitney U εφαρμόζεται όταν ο ερευνητής επιθυμεί να συγκρίνει δύο ανεξάρτητες ομάδες και δεν πληρούνται οι προϋποθέσεις εφαρμογής του Independent Samples t-test.

Χαρακτηριστικά παραδείγματα είναι η σύγκριση της ικανοποίησης μεταξύ ανδρών και γυναικών, η αξιολόγηση των επιπέδων άγχους μεταξύ δύο διαφορετικών θεραπευτικών ομάδων, η σύγκριση βαθμολογιών μεταξύ δύο σχολείων ή η διερεύνηση διαφορών σε βιοϊατρικούς δείκτες μεταξύ ασθενών και υγιών ατόμων.

Η μέθοδος είναι ιδιαίτερα χρήσιμη όταν τα δεδομένα είναι ασύμμετρα, περιλαμβάνουν ακραίες τιμές ή προέρχονται από διατακτικές μεταβλητές.

Οι βασικές προϋποθέσεις εφαρμογής

Παρότι η δοκιμή Mann–Whitney U χαρακτηρίζεται ως μη παραμετρική, δεν είναι απαλλαγμένη από προϋποθέσεις.

Οι δύο ομάδες πρέπει να είναι ανεξάρτητες μεταξύ τους, δηλαδή κάθε συμμετέχων να ανήκει μόνο σε μία ομάδα. Οι παρατηρήσεις πρέπει να είναι ανεξάρτητες και να μην επηρεάζονται μεταξύ τους. Η εξαρτημένη μεταβλητή πρέπει να είναι τουλάχιστον διατακτικής κλίμακας, ενώ η ανεξάρτητη μεταβλητή πρέπει να αποτελείται από δύο μόνο κατηγορίες.

Για την ερμηνεία της δοκιμής ως σύγκρισης διαμέσων, οι κατανομές των δύο ομάδων θα πρέπει να έχουν παρόμοιο σχήμα. Διαφορετικά, η δοκιμή αξιολογεί γενικότερα διαφορές μεταξύ των κατανομών και όχι αποκλειστικά των κεντρικών τάσεων. 

Η μηδενική και η εναλλακτική υπόθεση

Όπως κάθε επαγωγική στατιστική μέθοδος, η δοκιμή Mann–Whitney U βασίζεται στον έλεγχο δύο υποθέσεων.

Η μηδενική υπόθεση (H₀) υποστηρίζει ότι οι δύο πληθυσμοί δεν διαφέρουν και ότι οι παρατηρήσεις τους προέρχονται από την ίδια κατανομή.

Η εναλλακτική υπόθεση (H₁) υποστηρίζει ότι υπάρχει διαφορά μεταξύ των δύο πληθυσμών, γεγονός που σημαίνει ότι μία ομάδα τείνει να εμφανίζει μεγαλύτερες ή μικρότερες τιμές σε σχέση με την άλλη.

Η απόφαση βασίζεται στο p-value. Όταν η τιμή p είναι μικρότερη από το προκαθορισμένο επίπεδο σημαντικότητας (συνήθως 0,05), απορρίπτεται η μηδενική υπόθεση και συμπεραίνεται ότι υπάρχει στατιστικά σημαντική διαφορά μεταξύ των ομάδων.

Πώς λειτουργεί η δοκιμή;

Η βασική ιδέα της δοκιμής είναι ιδιαίτερα απλή. Αρχικά όλες οι παρατηρήσεις των δύο ομάδων ταξινομούνται από τη μικρότερη προς τη μεγαλύτερη τιμή και αντικαθίστανται από τις αντίστοιχες κατατάξεις τους.

Στη συνέχεια υπολογίζεται το άθροισμα των κατατάξεων κάθε ομάδας. Από αυτά τα αθροίσματα προκύπτει η στατιστική U, η οποία χρησιμοποιείται για να εκτιμηθεί κατά πόσο η κατανομή των τιμών διαφέρει μεταξύ των δύο ομάδων.

Σε μικρά δείγματα η τιμή U συγκρίνεται με κρίσιμες τιμές ειδικών πινάκων, ενώ σε μεγαλύτερα δείγματα χρησιμοποιείται η κανονική προσέγγιση και υπολογίζεται αντίστοιχα η τιμή z. 

Ερμηνεία των αποτελεσμάτων

Η σωστή παρουσίαση των αποτελεσμάτων δεν περιορίζεται στην αναφορά του p-value.

Στην επιστημονική βιβλιογραφία συνιστάται να παρουσιάζονται η τιμή U, η τιμή z όταν υπολογίζεται, το p-value, οι διάμεσοι ή οι μέσες κατατάξεις των δύο ομάδων και ένα μέτρο μεγέθους επίδρασης, όπως ο δείκτης r.

Ένα παράδειγμα παρουσίασης είναι:

«Η δοκιμή Mann–Whitney U έδειξε στατιστικά σημαντική διαφορά μεταξύ των δύο ομάδων (U = 348,5, z = -2,81, p = 0,005, r = 0,31), γεγονός που υποδηλώνει ότι η πρώτη ομάδα εμφάνισε υψηλότερες τιμές της υπό μελέτη μεταβλητής.»

Η αναφορά του μεγέθους επίδρασης είναι ιδιαίτερα σημαντική, καθώς επιτρέπει την αξιολόγηση της πρακτικής σημασίας του αποτελέσματος και όχι μόνο της στατιστικής σημαντικότητας.

Mann–Whitney U ή Independent Samples t-test;

Οι δύο δοκιμασίες χρησιμοποιούνται για τον ίδιο γενικό σκοπό, δηλαδή τη σύγκριση δύο ανεξάρτητων ομάδων, αλλά βασίζονται σε διαφορετικές παραδοχές.

Το Independent Samples t-test συγκρίνει τους μέσους όρους και απαιτεί κανονική κατανομή, ομοιογένεια διακυμάνσεων και ποσοτικές μεταβλητές.

Αντίθετα, η δοκιμή Mann–Whitney U βασίζεται στις κατατάξεις των παρατηρήσεων και αποτελεί την προτιμώμενη επιλογή όταν οι παραπάνω προϋποθέσεις δεν ικανοποιούνται ή όταν τα δεδομένα είναι διατακτικής κλίμακας.

Η επιλογή μεταξύ των δύο δοκιμασιών πρέπει να βασίζεται στα χαρακτηριστικά των δεδομένων και όχι αποκλειστικά στο μέγεθος του δείγματος.

Διαφορά από τη δοκιμή Wilcoxon Signed-Rank

Ένα από τα πιο συχνά λάθη είναι η σύγχυση της δοκιμής Mann–Whitney U με τη δοκιμή Wilcoxon Signed-Rank.

Η Mann–Whitney U εφαρμόζεται αποκλειστικά σε δύο ανεξάρτητες ομάδες, όπως άνδρες και γυναίκες ή ομάδα παρέμβασης και ομάδα ελέγχου.

Η Wilcoxon Signed-Rank χρησιμοποιείται όταν οι παρατηρήσεις είναι εξαρτημένες, όπως στις μετρήσεις πριν και μετά από μία θεραπευτική παρέμβαση ή σε ζευγαρωμένα δείγματα. 

Συχνά λάθη στην εφαρμογή

Παρά την ευρεία χρήση της, η δοκιμή Mann–Whitney U εφαρμόζεται συχνά λανθασμένα.

Ένα συνηθισμένο σφάλμα είναι η χρήση της σε εξαρτημένα δείγματα, όπου απαιτείται διαφορετική στατιστική δοκιμασία. Εξίσου προβληματική είναι η αυτόματη επιλογή της μόνο επειδή το δείγμα είναι μικρό, χωρίς προηγούμενο έλεγχο των προϋποθέσεων.

Συχνά παραλείπεται επίσης η αναφορά του μεγέθους επίδρασης ή γίνεται η λανθασμένη ερμηνεία ότι η δοκιμή συγκρίνει πάντοτε τις διαμέσους, ακόμη και όταν οι κατανομές των δύο ομάδων έχουν διαφορετικό σχήμα.

Η σωστή επιλογή της δοκιμασίας πρέπει να αποτελεί μέρος μιας ολοκληρωμένης διαδικασίας στατιστικού σχεδιασμού, η οποία περιλαμβάνει τον έλεγχο κανονικότητας, την αξιολόγηση των χαρακτηριστικών των μεταβλητών και την επιλογή της καταλληλότερης μεθόδου.

Συμπεράσματα

Η δοκιμή Mann–Whitney U αποτελεί μία από τις σημαντικότερες μη παραμετρικές δοκιμασίες της επαγωγικής στατιστικής και χρησιμοποιείται ευρέως σε ερευνητικές εφαρμογές όπου οι προϋποθέσεις των παραμετρικών μεθόδων δεν ικανοποιούνται. Η αξιοπιστία της, η ευελιξία της και η δυνατότητα εφαρμογής της σε διατακτικά ή μη κανονικά δεδομένα την καθιστούν πολύτιμο εργαλείο για τον σύγχρονο ερευνητή.

Ωστόσο, η ορθή χρήση της προϋποθέτει κατανόηση των υποθέσεων στις οποίες βασίζεται, σωστή ερμηνεία των αποτελεσμάτων και ολοκληρωμένη παρουσίαση των στατιστικών δεικτών. Όταν εφαρμόζεται σωστά, η δοκιμή Mann–Whitney U συμβάλλει στην παραγωγή αξιόπιστων και τεκμηριωμένων επιστημονικών συμπερασμάτων, ενισχύοντας την ποιότητα της ερευνητικής διαδικασίας και τη δυνατότητα γενίκευσης των αποτελεσμάτων.