我正在分析我正在写的一篇论文的一些统计数据。我可以通过我的教职员工获得统计帮助，但有几个月不在那里，所以希望你能提供帮助。
n = 463，2 个患者组（<70 & >= 70 岁）。使用 SPSS。
测试评估了一大堆统计数据- 它们是分类的，例如吸烟史 (T/F)、吸烟电流 (T/F)、BMI>30、糖尿病等。到目前为止一切顺利（除非有人能告诉我这是否是一个不合适的测试？）
我有更多变量，例如术前肌酸、ICU 停留时间等，这些变量不是正态分布的（我以前知道如何“正确”测试正态性，但我刚刚绘制了 QQ 图，看看它们是否在我的意图是使用学生的 t，但我生疏的统计知识告诉我现在不能，因为它们不是正态分布的。
在许多方面，我使用了一位朋友的统计方法，他使用类似的数据集写了一篇类似的论文，对于他的连续变量，他使用了Kolmogorov-Smirnov，但我不确定他是否只是将其用于正态性。然后他说他使用Kruskal-Wallis来评估这些变量，但我不知道为什么这是合适的。
有人介意向我解释这些测试是否适合比较这些样本吗？
1）仅评估您假设的情况下的正常性。（我认为这不是您的问题，但这是一个常见问题，因此值得一提。）
2）在检查正态假设时，QQ 图比正式的假设检验更好——假设检验实际上并不能回答相关问题。
3) Kruskal-Wallis 检验是基于非参数秩的等效于单向方差分析。Kruskal-Wallis 适用于 Wilcoxon-Mann-Whitney 两样本检验，就像单向方差分析适用于两样本 t 检验。当您要针对两个以上的组具有相同位置的空值进行测试时，可以使用它。
希望这会有所帮助。
--
如果您想专门测试均值差异，则 KS 测试和 WMW 都不会真正做到（尽管有一些额外的假设，WMW 也是对均值差异的测试）。
测试均值差异的最佳方法可能是进行置换测试，只要在 null 下的分布相同（因此，如果您的替代方案是位置偏移，那么您基本上假设除了相同的形状之外地点）。
单样本 KS 测试是对完全指定分布的测试 - 它可以测试您可以为其提供 pdf 的任何连续分布 - 您不会使用它来测试数据的正态性，因为除非您知道总体参数，否则分布没有完全指定...如果您知道总体参数，则无需测试均值！您可以使用 Smirnov 测试（两个样本 KS 测试）来测试两组之间的任何差异，但如果您的兴趣是手段差异，那么它不是一个非常强大的测试。
您对 KS 测试的内容感到困惑可能是因为您将两者（一个和两个样本测试）混为一谈 - 它们用于不同的事情。
是的，应用于两个样本的 Kruskal-Wallis 将给出与双尾检验的 Wilcoxon-Mann-Whitney 相同的结果（即，它不允许单边选择，就像单向测试一样ANOVA 没有为您提供通过双样本 t 检验可以获得的单边替代方案，而卡方不提供双样本比例检验的单边替代方案）。