秩和檢驗的效能評估和參數檢驗的效能評估有以下不同之處：
一、對數據分布的假設不同
參數檢驗效能評估：
參數檢驗（如 t 檢驗、方差分析等）通常假設數據服從特定的分布，如正態分布。在進行效能評估時，是基于這些分布假設來計算的。
例如，在 t 檢驗的效能評估中，假設數據是正態分布，且方差齊性。如果這些假設不滿足，參數檢驗的效能評估結果可能不準確。
秩和檢驗效能評估：
秩和檢驗不依賴于特定的數據分布假設，對數據分布的要求較為寬松。它主要基于數據的秩次進行分析，因此在效能評估時不需要考慮數據的具體分布形式。
例如，即使數據不服從正態分布或分布未知，秩和檢驗的效能評估仍然可以進行，并且相對較為穩健。
二、評估指標的側重點不同
參數檢驗效能評估：
參數檢驗的效能評估通常側重于效應量（如均值差異、方差等）和樣本量之間的關系。通過計算在給定效應量和樣本量下的檢驗效能，來確定是否有足夠的能力檢測到實際存在的差異。
例如，在 t 檢驗中，效應量可以用兩組均值之差除以合并標準差來表示。評估時會考慮不同效應量大小和樣本量組合下的檢驗效能。
秩和檢驗效能評估：
秩和檢驗的效能評估更注重數據的秩次分布和樣本量對檢驗結果的影響。由于秩和檢驗主要利用數據的秩次信息，因此效能評估會關注秩次的分布特征以及樣本量對秩次統計量的影響。
例如，在 Wilcoxon 秩和檢驗中，效能評估會考慮不同樣本量下秩和統計量的分布情況，以及是否能夠有效地檢測到兩組數據的差異。
三、計算方法不同
參數檢驗效能評估：
參數檢驗的效能評估通常可以使用解析公式或統計軟件進行計算。這些方法基于特定的分布假設，通過計算檢驗統計量的分布來確定檢驗效能。
例如，對于 t 檢驗，可以使用公式根據效應量、樣本量、顯著性水平等參數計算檢驗效能。也可以使用統計軟件，如 G*Power 等，輸入相關參數進行計算。
秩和檢驗效能評估：
秩和檢驗的效能評估方法相對較為復雜，通常需要通過模擬或近似方法進行計算。由于秩和檢驗不依賴特定的分布假設，無法使用解析公式直接計算檢驗效能。
例如，可以使用蒙特卡洛模擬方法，通過多次模擬生成不同的數據集，進行秩和檢驗并計算拒絕原假設的比例，以此來估計檢驗效能。這種方法需要較大的計算量，但可以較為準確地評估秩和檢驗的效能。
四、適用場景不同
參數檢驗效能評估：
當數據滿足參數檢驗的假設條件（如正態分布、方差齊性等），且樣本量較大時，參數檢驗的效能評估通常較為準確和高效。適用于對數據分布有明確假設的研究場景。
例如，在實驗室研究中，數據通常可以較好地滿足正態分布假設，此時使用參數檢驗的效能評估可以為實驗設計提供準確的指導。
秩和檢驗效能評估：
當數據不滿足參數檢驗的假設條件，或者數據分布未知、含有異常值、為小樣本等情況下，秩和檢驗的效能評估更為適用。適用于對數據分布要求較為寬松的研究場景。
例如，在臨床研究中，患者的生理指標可能不服從正態分布，或者樣本量較小，此時使用秩和檢驗的效能評估可以更好地評估檢驗方法的有效性。