跳到正文
方法说明

Mann-Kendall 趋势检验Mann-Kendall:没有普适最优检验,只有基于诊断的合法选择

Mann-Kendall 趋势检验是基于秩的单调趋势检验。它不受非正态影响,也能抵抗离群点,但假设观测独立。真实的环境与业务序列很少独立。本页解释工作台中的六种变体以及选择它们所需证据。

可复现流程

下面是工作台针对该方法实际执行的流程,按顺序排列。每一步都包含一个动作、一条可以中止该步骤的规则,以及一份明确的输出。

  1. 01

    剔除被去噪规则移除的点,并记录剔除数量。

    规则
    所有方法必须在同一批行上运行,否则它们之间的比较没有意义。
    输出
    分析样本及其规模。
  2. 02

    选择诊断结果所支持的 Mann-Kendall 变体。

    规则
    一阶自相关显著会选中方差校正变体;检出周期会选中季节变体。
    输出
    所选变体及其诊断依据。
  3. 03

    计算 S、其方差、z 统计量与 p 值。

    规则
    TFPW 绝不可能单独成为主结论,因为预白化可能削弱真实趋势。
    输出
    S、var(S)、z、p 与秩相关。
  4. 04

    用 Theil-Sen 斜率及其区间估计变化率。

    规则
    斜率始终与置信区间一起报告,绝不只给点估计。
    输出
    斜率与 95% 区间。
  5. 05

    运行其余变体并比较它们的结论。

    规则
    若显著性判定在变体之间发生变化,两个结果都会被并排报告。
    输出
    方法敏感性表。

标准检验与效应量

得分 S 对每一对“后者更大”加 1,“后者更小”减 1,方差包含 ties 校正。连续性校正的 Z 给出 p 值;S 除以点对数得到 Kendall τ,即效应量。n ≤ 10 且无 ties 时,工作台使用精确排列分布,而不是正态近似。

p 很小而 τ 很小时,是“显著但微弱”。界面始终在 p 值旁显示 τ、Theil–Sen 斜率及其区间,避免效应大小藏在显著性标签后面。

Mann–Kendall S
S = Σ_{i<j} sign(x_j − x_i)
What this computes:
Add +1 for every pair where the later value is larger, −1 when smaller; a positive sum means overall rising, negative means falling.
Example:
10 of 12 pairs larger-later → S is positive.
Caution:
Autocorrelation underestimates Var[S].

自相关:最常见的静默错误

正序列相关降低有效独立观测数。标准检验因此低估 S 的方差,报告虚假的置信。Yue–Wang 校正用 n/n* 放大 Var[S],其中 n* 由自相关函数计算。校正可能把“显著”趋势变成不显著——这是诚实,不是缺陷。

Yue–Wang variance correction
n/n* = 1 + 2Σ_{k=1}^{n−1}(1 − k/n)ρ_k, Var*[S] = Var[S] · n/n*
What this computes:
Autocorrelation reduces the effective independent sample, so the variance is inflated to compensate.
Example:
100 strongly autocorrelated points may behave like 20 independent ones.
Caution:
The correction can turn a “significant” trend into a non-significant one — that is honesty, not a bug.
  • 若 lag-1 自相关超出 95% 白噪声带,或 Ljung–Box 拒绝独立,必须提供校正结果。
  • 未校正结果与校正结果并排显示,工作台不允许隐藏方法敏感性。

TFPW:预白化及其代价

趋势自由预白化先移除 Theil–Sen 趋势,去除 lag-1 自相关,再加回趋势并运行标准检验。它可以减少持续性造成的假显著,但也可能移除真实趋势的一部分并降低功效。工作台始终并排显示未校正结果。

季节性 Mann–Kendall

SMK 让每个季节跨周期与自己比较,并合并证据;方差包含季节间协方差。标准检验忽略强季节周期时,会把重复模式误认为趋势;对没有周期的序列使用 SMK 则浪费功效并扭曲方差。因此周期长度必须推断或确认,绝不能静默假设。

MKRD 与 MKC3:可用,但在此未验证

秩去趋势 MK 与三阶累积量校正分别处理趋势本身产生的自相关与非线性依赖。两者已实现并可用,但没有可用的安装参考实现进行独立对照。它们带有永久 UNVALIDATED 标记,且只要存在已验证方法,就绝不成为头条。

多列与错误发现

在 α = 0.05 下检验 20 列,至少出现一个假阳性的概率约为 64%。Benjamini–Hochberg FDR 调整整族 p 值;工作台报告校正前后的显著列数,并拒绝把未校正的多列结果称为“显著”。

Benjamini–Hochberg FDR
q_(i) = min_{k≥i} (m/k · p_(k))
What this computes:
When testing many columns at once, sort the p-values and adjust them upward to reduce false “significant” flags.
Example:
20 columns, smallest p = 0.001 may become q = 0.02 after correction.
Caution:
Columns no longer significant must not be called “significant”.

工作台使用的选择规则

无自相关且无周期:标准 MK。自相关显著:Yue–Wang 为主,标准 MK 强制并排,TFPW 可用。可识别周期:SMK 为主,标准 MK 作为对照。强自相关且存在非线性证据:MKRD 或 MKC3 可用,绝不隐藏。少于 20 个观测:精确 p 值,并明确警告功效有限。

常见问题

如何为 Mann-Kendall 趋势检验做自相关校正?

使用 Yue–Wang 方差校正:按 n/n* 放大 Var[S],其中 n* 由自相关函数计算。TFPW 是另一种预白化方案。工作台并排展示校正与未校正结果,让方法敏感性可见。

Mann-Kendall 的 p 值应该怎么解读?

p 值是“如果序列完全没有趋势,看到至少这么强趋势”的概率,不是趋势为真的概率。应结合 Kendall τ 与 Theil–Sen 置信区间阅读:p 很小而 τ 很小时,是显著但微弱。

TFPW 与 Yue–Wang 有什么区别?

TFPW 先去趋势、去 lag-1 自相关、再加回趋势后检验;Yue–Wang 保留序列并校正方差。TFPW 可能削弱真实趋势,Yue–Wang 可能朝任一方向改变显著性。两者都带警告展示,而不是静默选择。

为什么 MK 结果旁要显示 Theil–Sen 置信区间?

p 值说明单调方向是否可与巧合区分;Theil–Sen 斜率说明方向在原始单位下有多大,区间说明估计有多精确。只报告 p 值会隐藏效应大小。

相关方法说明

引用本页:Detrend, “Mann-Kendall:没有普适最优检验,只有基于诊断的合法选择”, https://detrend.datacorp.top/zh-CN/methods/mann-kendall. 最后更新 2026-11-15。

验证矩阵常见问题全部方法RSSllms.txt

在自己的工作簿上运行这套流程

工作台在本地执行同样的步骤,根据诊断选择方法,并保留所有备选结果可见。

打开工作台