1 基本概念
1.1 定义
置换检验是一类非参数统计检验方法，其基本做法是：在原假设成立的前提下，对样本标签、组别标记或观测顺序进行重新排列，以此生成统计量的零分布，再将实际观测到的统计量与该分布比较，从而判断结果是否具有统计显著性。
这类方法的特点在于不直接依赖正态分布、方差齐性等强分布假设，而是通过数据本身在“无效应”条件下的可交换性来推断差异或关联是否可能由随机波动造成。
1.2 核心思想
置换检验的核心思想可以概括为“如果没有真实效应，那么数据的标签交换后不应改变统计结论”。因此，检验过程并不是先假定某个理论分布，再计算理论概率，而是把所有合理或近似合理的重排结果视为原假设下可能出现的情形。
在这一框架中，观察值只需在零假设对应的排列空间里“足够极端”，即可认为它不太可能仅由随机性产生。统计量可以是均值差、秩差、相关系数、回归系数、分类准确率等，只要能够反映待检验的效应即可。
1.3 与随机化检验的关系
置换检验与随机化检验关系密切，二者在实际使用中常被并列讨论。随机化检验通常强调实验设计阶段的随机分配过程，尤其是受试者或样本被随机分配到不同处理组时，原假设下组别标签具有可交换性。
置换检验则更强调分析阶段的重排计算，即通过对已有数据进行置换来构造零分布。可以说，随机化检验提供了置换检验的重要理论基础，而置换检验则是这一思想在计算层面的通用实现方式。
1.4 与参数检验的区别
参数检验通常建立在特定分布模型之上，例如t检验依赖均值、方差和近似正态性假设，检验过程也多基于理论分布计算p值。置换检验则不直接依赖这些参数模型，而是通过数据重排经验性地估计零分布。
相较之下，参数检验往往在模型假设成立时更高效，所需计算也更简洁；置换检验则更灵活，尤其适合小样本、分布未知或变量关系复杂的情形。不过，它并不意味着完全“无假设”，其有效性仍依赖交换性等前提。
2 历史与发展
2.1 早期统计思想
置换检验的思想可追溯到早期统计学中的随机化推断和实验设计理念。早期学者在比较不同处理效果时，已经注意到：如果处理并无真实影响，那么实验组与对照组的标记本应可以互换，而观测到的差异则应出现在大量随机重排结果之中。
这一时期的研究更多体现为原则和思想框架，而非大规模计算实现。由于人工计算成本高，置换方法在当时通常只适用于样本极少的情境。
2.2 计算机时代的推广
随着计算机运算能力提升，置换检验的实际可用性大幅增强。过去需要逐一手工枚举的重排方案，借助程序便可在短时间内完成成千上万次随机置换，从而更稳定地估计零分布和p值。
这一变化使置换检验从少数理论案例扩展为可广泛应用的统计工具。它逐渐进入生物统计、心理学、生态学等领域，也为后来的计算统计方法提供了范式参考。
2.3 现代应用扩展
进入现代数据分析阶段后，置换检验的应用场景明显扩展。除了传统假设检验，它还被用于高维数据分析、模型比较、特征筛选、图像识别和信号分析等任务。
尤其在机器学习中，置换思想常被用于评估模型性能是否显著优于随机水平，或判断某个特征对预测结果是否具有实质贡献。由于方法本身较为通用，它也常与其他重抽样技术结合使用。
3 原理与假设
3.1 原假设的设定
置换检验的原假设通常表达为“组间无差异”“变量间无关联”或“处理无效应”。在这一前提下，观察数据中的标签、顺序或分组信息并不携带额外统计意义，因此可以在特定规则下进行重排。
原假设的具体形式会影响置换方案。例如，两组比较时，原假设可设为两组来自同一分布；相关性检验中，则可设为两个变量彼此独立。不同假设对应不同的零分布构造方式。
3.2 交换性假设
交换性是置换检验成立的关键条件。它表示在原假设下，数据的某些排列不会改变整体分布特征，也就是说，交换标签后样本仍可视作来自同一随机机制。
如果交换性被破坏，例如存在明显分层、时间依赖或配对结构而未加处理，直接置换可能会导致零分布失真，进而影响检验结论。因此，实际应用中需要根据数据结构选择合适的置换方式。
3.3 零分布的构造
零分布是通过在原假设下重复置换统计量而得到的经验分布。每次置换都会产生一个新的样本配置，并据此计算一次检验统计量，经过大量重复后即可形成统计量在“无效应”条件下的可能取值范围。
该分布不一定呈现标准理论分布的形状，其离散程度、偏态程度都取决于样本结构和统计量定义。正因为如此，置换检验在面对复杂数据时具有较高的适应性。
3.4 p值的计算方式
p值通常表示在零分布中，至少与观察统计量一样极端的置换结果所占比例。若检验为双侧，则需同时考虑正向和负向极端值；若为单侧，则只统计某一方向上的极端情况。
在随机抽样置换中，p值一般按“极端置换次数 / 总置换次数”估计，有时还会加入有限样本修正，以避免p值为0。其本质上是对原假设下极端性的经验估计，而非理论闭式计算。
4 检验流程
4.1 选择统计量
首先需要确定用于反映效应大小的统计量。统计量应与研究问题相匹配，能够简洁、稳定地表达组间差异、相关强度或模型表现。
常见统计量包括均值差、秩和差、相关系数、回归系数以及分类准确率等。统计量选得恰当，置换检验的解释就更直接；若统计量与研究目标不匹配，则可能削弱检验效率。
4.2 生成置换样本
接下来，对样本标签、配对符号或观测顺序进行随机重排。不同问题对应不同重排规则：两组比较通常置换组别标签，配对设计常在差值符号上做翻转，时间序列或空间数据则需更加谨慎地保留结构特征。
生成置换样本时，应确保重排方式与原假设一致。若随意打乱不该打乱的结构，得到的零分布就可能失去理论依据。
4.3 计算置换统计量
每一次置换后，都根据新的样本结构重新计算统计量。如此重复多次，便可得到一组置换统计量，构成经验零分布。
这一过程本质上是在模拟“如果原假设为真，统计量可能会怎样变化”。置换次数越多，零分布的近似通常越稳定，但计算耗时也会随之增加。
4.4 估计显著性水平
在得到零分布后，下一步是计算观察统计量在其中的位置。若它位于分布尾部，说明在原假设下出现这种结果的概率较低，从而可认为结果具有统计显著性。
显著性水平通常与预设阈值比较，如0.05或0.01。需要注意的是，这里的“显著”指统计意义上的罕见性，并不自动等同于实际影响很大。
4.5 结果解释
结果解释应结合统计显著性和效应大小共同进行。即便p值很小，也需要关注差异是否具有实际意义；反之，若样本量有限，即使效果存在，也可能因检验功效不足而未达到显著。
此外，置换检验结论通常只适用于当前数据和当前检验方案。若更换统计量、改变置换规则或纳入额外协变量，结果可能发生变化。
5 常见类型
5.1 单样本置换检验
单样本置换检验常用于判断样本均值、位置参数或某种中心趋势是否与零假设值不同。其思路通常是将观测值围绕假设中心进行符号翻转或重新编码，再形成零分布。
这类方法在样本较少且分布不对称时具有一定优势，因为它不需要依赖标准正态近似。
5.2 两独立样本置换检验
两独立样本置换检验是最常见的形式之一，主要用于比较两个独立组是否存在差异。做法通常是把两组的标签合并后随机重新分配，再计算均值差或其他统计量。
如果两组确实来自同一分布，那么组别标签的重新分配不应带来系统性变化，因此置换后的统计量应与原统计量同属一个零分布框架。
5.3 配对样本置换检验
配对样本情形中，数据往往来自同一对象在不同条件下的重复测量，或来自一一匹配的个体。此时不能简单打乱所有观测值，而常通过对配对差值的正负号进行置换来构造零分布。
这种做法保留了配对结构，避免把同一对象的相关性破坏掉，因此比粗暴的整体打乱更符合设计逻辑。
5.4 多组比较的置换检验
当比较三组及以上样本时，可用置换检验检验组别总体是否存在差异，或结合方差分析思路构造统计量。常见做法是使用组间方差、F统计量或类似指标，并在组标签层面进行随机置换。
多组比较后的事后分析也可以使用置换思想，不过往往需要额外控制多重比较带来的错误率膨胀。
5.5 相关性与回归中的置换检验
在相关性分析中，可将一个变量的观测顺序随机打乱，再重新计算相关系数，以评估原始相关是否超出随机水平。回归分析中，也可以通过置换响应变量、预测变量或残差来检验回归系数的显著性。
这类方法特别适合传统线性假设不稳定、误差分布复杂或模型结构不易满足标准推断条件的场景。
6 统计量与模型
6.1 均值差统计量
均值差是最直观的置换统计量之一，适用于比较两个组的中心位置差异。其优点是解释清晰，和实际问题联系紧密，尤其适合实验处理效果评估。
不过，当数据存在明显偏态或极端值时，均值差可能对少数观测较敏感，此时可考虑改用更稳健的统计量。
6.2 中位数差统计量
中位数差较少受异常值影响，适合分布偏斜或含有离群点的数据。它反映的是位置中点的变化，常用于更强调稳健性的分析。
由于中位数基于排序而非线性平均，其零分布形态可能与均值差明显不同，因此在置换检验中也能体现不同的敏感性。
6.3 相关系数统计量
相关系数统计量用于检验两个变量之间是否存在关联。常见的有皮尔逊相关，也有基于秩的相关系数。置换时通常打乱其中一个变量的顺序，以检验观测到的相关性是否可能随机产生。
当变量关系并非线性时，秩相关或其他非线性依赖指标有时更合适。
6.4 回归系数统计量
回归系数可作为检验自变量作用的重要指标。置换检验在回归场景中的常见用途，是判断某个系数是否显著偏离零，或比较多个变量在模型中的相对作用。
由于回归模型可能存在多重共线性、异方差或非正态误差，置换检验常被视为一种更灵活的补充推断方式。
6.5 分类准确率统计量
在分类任务中，统计量可以直接取模型在测试集上的准确率、AUC或其他性能指标。通过置换类别标签并重新训练模型，可构造“随机标签下的性能分布”。
如果原始模型表现显著高于随机置换结果，通常说明模型捕捉到了一定的真实模式，而不是仅仅记住了噪声。
7 实施方法
7.1 穷举置换
穷举置换是指把所有可能的重排方式全部计算一遍，从而得到精确的零分布。它在理论上最完整，能够给出不依赖抽样误差的结果。
7.1.1 适用条件
穷举法只适合样本规模较小、可行排列数有限的情形。若样本稍大，排列数会迅速膨胀，使全面枚举几乎不可能完成。
7.1.2 计算复杂度
穷举置换的计算复杂度通常非常高，且随样本数增加呈组合爆炸式增长。除非问题规模极小，否则多会因计算成本过高而不采用。
7.2 随机抽样置换
随机抽样置换是实践中最常用的方法。它不枚举全部排列，而是从置换空间中随机抽取若干次重排，并据此近似零分布。
7.2.1 迭代次数选择
迭代次数一般需在精度与成本之间折中。次数太少时，p值估计不稳定；次数过多则会增加时间消耗。实际中常依据研究精度需求、样本量和计算资源综合确定。
7.2.2 Monte Carlo 误差
随机抽样置换得到的p值带有Monte Carlo误差，即由于随机抽样而产生的波动。该误差会随着抽样次数增加而减小，因此在报告结果时，有时需要说明置换次数，以便评估估计稳定性。
7.3 约束置换
当数据存在层次、配对或分层结构时，不能任意打乱全部观测，而需在限定范围内置换，这类方式称为约束置换。
7.3.1 分层置换
分层置换是在各自层内进行标签重排，以保持层间结构不变。它适用于分组背景、批次效应或分层抽样等场景，能避免把本不应混合的样本错误混排。
7.3.2 成对置换
成对置换主要用于配对数据或重复测量数据，通常只在每对内部交换顺序或翻转符号。这样既保留了配对相关性，又能在原假设下构造合理的零分布。
8 应用领域
8.1 生物统计
在生物统计中，置换检验常用于处理小样本实验、基因表达差异分析以及临床试验中的组间比较。由于生物数据常见偏态、离群值和复杂依赖结构，这类方法具有较好的适应性。
8.2 心理学实验
心理学实验中常会遇到被试数量有限、条件控制严格但数据分布不稳定的情形。置换检验可用于反应时比较、实验条件差异以及行为指标关联分析等任务。
8.3 生态学研究
生态学数据常具有空间相关、群落结构复杂和样本不均衡等特点。置换检验可用于物种丰度差异、群落相似性分析和环境因子关联评估，是生态统计中的常用工具之一。
8.4 机器学习评估
在机器学习中，置换检验常被用于验证模型是否真正学到了有效模式。例如，可将标签随机打乱后重新训练模型，再比较原模型性能与随机模型性能之间的差异。
此外，特征重要性评估也常借助置换思想，通过打乱某一特征观察模型性能下降幅度，以判断该特征对预测的贡献。
8.5 图像与信号分析
图像和信号分析中的数据往往维度高、噪声复杂，理论分布不易明确。置换检验可用于比较算法结果、检测局部信号差异或评估模式识别性能，在这些场景中具有较强的实用价值。
9 优点与局限
9.1 优点
置换检验的优势主要体现在灵活、直观和适配性强，尤其适合经典假设难以满足的数据情形。
9.1.1 分布假设少
它不强依赖于正态性、方差齐性等理论分布条件，因此在数据偏态、离群或结构复杂时仍可使用。
9.1.2 适用范围广
只要能定义合适的统计量和合理的置换规则，它就可以应用于比较、相关、回归、分类评估等多种问题。
9.2 局限
尽管置换检验很灵活，但并非万能工具，其有效性和效率都存在边界。
9.2.1 计算成本高
当置换次数很大或模型训练代价较高时，整个检验过程会显著耗时，尤其在高维或复杂模型下更为明显。
9.2.2 对交换性依赖强
如果数据结构不满足交换性，置换得到的零分布就可能偏离真实的原假设分布，从而影响结论可靠性。
9.2.3 小样本下的离散性问题
样本非常小时，可行置换数有限，导致p值只能取少数离散值，显著性判断可能不够细腻，也不易获得很精确的概率估计。
10 与其他方法的比较
10.1 与t检验比较
t检验在均值比较问题上计算简便，且在假设满足时具有良好效率。置换检验则更少依赖分布前提，适用于更广泛的数据情形。
如果数据接近正态且样本量适中，t检验常更高效；若数据偏态明显或样本较小，置换检验往往更稳妥。
10.2 与Bootstrap比较
Bootstrap主要通过有放回重抽样来估计统计量的抽样分布，重点常在置信区间和估计量稳定性；置换检验则通过重排构造零分布，重点在显著性检验。
两者都属于重抽样方法，但目标不同：前者更偏向“估计不确定性”，后者更偏向“检验无效应假设”。
10.3 与卡方检验比较
卡方检验常用于分类变量之间的独立性检验，基于频数分布和理论近似。置换检验可以在类似问题上提供另一种经验性推断方式，尤其当样本量较小或近似条件较弱时更有吸引力。
在列联表问题中，若能合理定义标签置换，置换检验可以作为卡方检验的补充或替代方案。
10.4 与置换重要性方法的联系
置换重要性是机器学习中常见的评估思路，其做法是随机打乱某一特征，观察模型性能下降程度。它与置换检验共享“打乱后比较差异”的思想，但目标更多是解释模型贡献，而不是传统意义上的显著性检验。
二者在理念上高度相近，都通过破坏原有结构来构建参照基线。
11 实际操作与注意事项
11.1 随机种子与可重复性
在随机抽样置换中，应记录随机种子或固定随机状态，以保证结果可重复。对于科研报告或工程实现而言，这一点尤其重要，因为不同抽样过程可能导致轻微差异。
11.2 多重比较校正
若同时进行多个置换检验，应考虑多重比较带来的假阳性累积问题。此时可结合校正方法控制整体错误率，避免单个检验看似显著、整体却失真的情况。
11.3 双侧检验与单侧检验
双侧检验关注统计量在正负两个方向上是否都过于极端，适用于只关心“是否存在差异”而不预设方向的场景。单侧检验则只考察某一方向的偏离，前提是研究问题本身具有明确方向性。
检验类型一旦确定，最好在分析前预先说明，以避免事后选择带来的解释偏差。
11.4 结果报告规范
报告置换检验时，通常应注明统计量类型、置换次数、p值计算方式、单双侧设置，以及是否采用约束置换。若样本量较小，还可说明可行置换总数或是否进行了穷举。
清晰报告这些信息，有助于他人评估结果的稳健性，也便于复现分析过程。
12 相关概念
12.1 随机化分配
随机化分配是实验设计中将样本随机分到不同处理组的过程。它为置换检验提供了重要理论背景，因为在原假设下，组别标签的交换往往与随机分配原则相一致。
12.2 重抽样方法
重抽样方法是利用样本自身多次生成“新样本”以进行统计推断的一类技术，置换检验、Bootstrap和交叉验证都可纳入广义的重抽样思想之下。
12.3 非参数统计
非参数统计是指不依赖于固定参数分布形式的统计方法集合。置换检验通常被归入这一范畴，因其更强调经验分布和排序关系，而非特定分布假设。
12.4 经验分布
经验分布是由观测数据直接构造出的分布形式。置换检验的零分布本质上就是一种经验分布，它通过大量重排样本而形成，用以近似原假设下统计量的分布情况。