1 基本概念
1.1 定义
随机化检验是一类利用随机置换或随机分配思想进行统计推断的方法。它通过考察在零假设成立时，样本标签、处理分组或观测顺序能够如何重新排列，进而判断当前观测到的统计量是否偏离“随机情况下”应有的范围。
这类方法通常不依赖于正态分布、方差齐性等强分布假设，因此在样本较小或数据结构较复杂时具有较强的适用性。
1.2 核心思想
其核心在于：如果零假设成立，那么观测数据中的组别信息、处理标记或时间顺序不应携带额外的系统性差异。换言之，这些标签在一定条件下可以视为“可交换”的。
基于这一点，可以把原始数据重新随机排列，计算每一次排列下的统计量，并由此构建零分布。原始统计量若落在该分布的极端尾部，就说明观测差异不太可能完全由随机波动造成。
1.3 与传统假设检验的关系
随机化检验属于假设检验体系中的一种，但它与传统参数检验的思路并不相同。后者通常先假定总体服从某种已知分布，再据此推导检验统计量的理论分布；随机化检验则更多依赖数据本身的重排结构，从而直接得到经验性的零分布。
因此，它常被视为非参数方法的重要代表，也可作为对经典检验结果的补充或替代。
1.4 适用条件
随机化检验适用于研究对象之间具有明确分组或配对关系的场景，尤其适合“标签可交换”的问题。常见条件包括：处理分配是随机完成的，或在零假设下样本单位之间具有对称性。
若数据存在严重依赖、随机分配机制不清晰，或交换标签会破坏原有结构，则该方法的适用性会下降。
2 历史与发展
2.1 早期思想来源
随机化检验的思想可追溯到早期统计学对“实验设计”的重视。随着随机分组在实验中逐渐成为重要原则，人们开始认识到：若处理确实随机分配，那么统计推断可以直接建立在这种随机机制之上。
这一思路为后来的精确检验和重抽样方法奠定了基础。
2.2 现代统计中的应用扩展
进入现代统计阶段后，随机化检验不再局限于简单的两组比较，而是逐步扩展到相关分析、回归分析、分类变量关联以及复杂实验设计等领域。它的灵活性使其能够适配许多不易直接套用经典分布公式的问题。
在一些应用中，它还被用作对理论近似结果的校验工具。
2.3 与计算机重抽样方法的结合
计算机技术的发展显著推动了随机化检验的普及。过去需要手工枚举的排列数量往往巨大，而现在可以借助程序快速生成随机样本空间，甚至处理高维数据与复杂模型。
这也使随机化检验与置换检验、蒙特卡洛近似等方法更加紧密地结合起来，形成一套实用的计算型推断工具。
3 原理基础
3.1 零假设下的可交换性
可交换性是随机化检验的理论核心之一。在零假设成立时，如果组别或标签并不影响观测结果，那么改变它们的顺序不应改变统计结论。
这一性质使得“重新排列后得到的样本”可以代表零假设下可能出现的结果，从而为显著性判断提供基础。
3.2 随机分配机制
当研究设计本身包含随机分配时，随机化检验可以直接利用这一机制。被试、样本或实验单位在处理之间的随机分配，保证了在零假设下组别差异只来自随机过程。
因此，检验不必依赖外部总体分布，而是利用设计中的随机性本身来建立推断框架。
3.3 检验统计量的构造
检验统计量是随机化检验的核心输出之一。它可以是均值差、秩和差、相关系数、回归系数、卡方统计量等，具体选择取决于研究问题。
统计量应当对研究中的差异具有敏感性，同时在置换过程中易于重复计算。通常，统计量越能概括研究中的主要效应，检验的解释就越直接。
3.4 零分布的建立
零分布是通过大量随机置换或随机分配得到的统计量分布。在理论上，如果能够枚举所有可能排列，就能得到精确零分布；在实际中，常通过随机抽样近似获得。
将原始统计量与零分布比较后，即可计算其尾部概率，并据此判断结果是否具有统计显著性。
4 主要类型
4.1 置换检验
置换检验通过打乱样本中的标签、组别或顺序来构建零分布。它特别适合在观测数据已固定、而标签分配可视为可交换的情形中使用。
4.1.1 样本标签置换
这类方法将样本的类别标签重新随机分配，同时保持观测值本身不变。常见于两独立样本比较、分类关联分析等问题。
其重点在于检验“标签是否与数值有关联”，若重新标记后统计量分布与原始统计量接近，则说明原差异可能并不显著。
4.1.2 组间比较置换
组间比较置换通常针对实验组与对照组之间的差异。通过在保持组大小不变的前提下随机重排观测值，可以构造组间差异的零分布。
这种方法在均值差、中心趋势差异以及某些效应量分析中都很常见。
4.2 随机分配检验
随机分配检验强调实验设计中的分配机制，检验依据来自“如果处理确实随机分配，那么各种分配结果出现的概率”。
4.2.1 完全随机设计
在完全随机设计中，所有实验单位被等概率地分配到各处理组。随机分配检验会在全部可能的分配方式中考察统计量的变化。
这种设计最为直接，理论表达也相对简洁。
4.2.2 区组随机设计
区组随机设计会先按某些特征把实验单位分成若干区组，再在每个区组内部进行随机分配。随机化检验在此情况下要保持区组结构不被破坏。
这种方式能控制部分已知干扰因素，使检验更具针对性。
4.3 精确随机化检验
精确随机化检验是指通过穷尽全部可能随机分配或排列，得到严格的零分布，从而计算精确的显著性概率。
它不依赖近似公式，因此在样本量不大、排列总数可接受时尤其有价值。
4.4 近似随机化检验
当可能的排列数量过于庞大时，通常采用随机抽样方式近似零分布。即从全部排列中抽取一部分进行重复计算，以此估计P值。
这种方法在大样本或高维问题中更具可操作性，但结果会受到抽样次数的影响。
5 实施步骤
5.1 设定零假设与备择假设
首先要明确研究问题所对应的零假设，通常是“无差异”“无关联”或“无效应”。备择假设则表示存在真实差异、关联或作用。
假设设定越清晰，后续统计量和置换方案就越容易匹配。
5.2 选择检验统计量
根据研究目标选取合适的统计量。若关注均值差，可用差值或标准化差异；若关注线性关系，可用相关系数或回归系数；若关注分类关联，可用列联表统计量。
统计量应尽量反映研究中的核心信息，避免过于复杂而影响解释。
5.3 生成随机化样本空间
接下来需要在零假设下生成一系列随机排列或随机分配结果。若能枚举全部可能情况，则采用精确方法；否则就通过重复抽样建立近似样本空间。
这一步决定了零分布的形状，也决定了检验的计算成本。
5.4 计算经验显著性水平
将原始统计量与随机化得到的统计量进行比较，统计不小于原值的极端情况出现的比例，即可得到经验P值。若是双侧检验，则通常考察绝对值更极端的情形。
这一经验显著性水平反映的是：在零假设下，得到当前结果或更极端结果的概率有多大。
5.5 作出统计决策
最后根据预先设定的显著性水平作出判断。如果经验P值小于阈值，则拒绝零假设；否则通常认为证据不足。
需要注意的是，统计显著并不等于实际差异很大，结论仍应结合效应量和研究背景解释。
6 常见应用
6.1 两组差异检验
随机化检验最经典的应用之一是比较两组样本在均值、中央値或其他指标上的差异。通过置换组别标签，可以直接判断组间差异是否超出随机波动范围。
这种方法在小样本实验中尤其常见。
6.2 相关性检验
在相关分析中，可以随机打乱其中一个变量的观测顺序，考察相关系数在零假设下可能出现的范围。若原始相关系数位于分布尾部，则说明两变量之间的关系可能并非偶然。
对于不满足正态假设的数据，这种做法往往更稳健。
6.3 回归模型中的显著性分析
随机化思想也可用于回归系数的显著性检验。常见做法是对响应变量或残差进行置换，观察回归系数在零假设下的变化。
这在模型结构较复杂、理论分布难以直接推导时十分有用。
6.4 分类变量关联分析
对于列联表或分类变量之间的关系，可以通过重新分配类别标签来检验关联强度。其思路与传统的独立性检验相近，但更强调基于随机排列构造经验分布。
在某些小样本情形下，这种方法比渐近近似更可靠。
6.5 小样本数据分析
当样本量不足以支撑强分布假设时，随机化检验常作为优先考虑的方法之一。由于它直接利用数据排列结构，因此对小样本的适应性较好。
不过，小样本下可用排列数量有限，结果的稳定性仍需谨慎评估。
7 统计性质
7.1 无分布假设特征
随机化检验通常不要求数据服从特定理论分布，因此具有较强的适应性。它关注的是排列结构而非总体参数形式。
这使其在偏态、离群或分布未知的情形中具有明显优势。
7.2 精确性与近似性
当能够穷尽全部随机排列时，检验结果是精确的；当只能抽取部分排列时，结果则属于近似估计。
精确性取决于样本规模和设计结构，近似性则取决于抽样次数、随机种子以及统计量稳定程度。
7.3 功效分析
随机化检验的功效与统计量选择、样本量以及效应大小密切相关。若统计量对真实差异足够敏感，它通常能较好地识别备择假设。
但在某些情况下，若统计量构造不当，功效可能低于专门设计的参数检验。
7.4 显著性概率的解释
随机化检验中的P值表示：在零假设成立且随机化机制有效的前提下，观察到当前统计量或更极端结果的概率。
它并不表示零假设为真的概率，也不直接说明效应的大小，只是反映结果在随机模型下的罕见程度。
7.5 与样本量的关系
样本量越大，可形成的排列空间通常越丰富，统计推断也更稳定。但样本量过大时，精确枚举往往不可行，需要借助抽样近似。
此外，样本量的增加一般会提升检验的分辨能力，但也可能使细微偏差更容易达到统计显著。
8 优点与局限
8.1 优点
8.1.1 直观易解释
随机化检验的思路简单明了：把标签随机打乱，看看原结果在随机世界里是否罕见。对于非专业读者而言，这种解释通常比抽象公式更容易接受。
8.1.2 对分布要求较少
与依赖正态性、方差齐性等条件的方法相比，随机化检验对分布假设的依赖更弱，因此在实际数据分析中更灵活。
8.1.3 适合复杂数据结构
该方法可扩展到配对数据、分层设计、回归模型等较复杂场景，只要能够定义合理的随机化机制，就能构造相应检验。
8.2 局限
8.2.1 计算量较大
当排列数量极多时，精确求解成本很高，即便采用随机抽样，也可能需要较多计算资源。
8.2.2 对随机化设计依赖强
如果研究设计本身并没有清晰的随机分配过程，或者交换标签会破坏数据结构，那么检验结论的合理性会受到影响。
8.2.3 对异常值与依赖结构敏感
虽然它比某些参数法更稳健，但若数据中存在极端异常值，或者观测之间存在复杂依赖，而这些因素未被恰当处理，结果仍可能失真。
9 与相关方法的比较
9.1 与参数检验的比较
参数检验侧重于理论分布假设，随机化检验则强调样本排列与分配机制。前者在模型假设成立时效率较高，后者在分布未知或样本较小时往往更稳妥。
两者并非完全对立，实际分析中常可互为补充。
9.2 与非参数秩检验的比较
秩检验通过数据排序来减少对分布的依赖，适合处理偏态数据；随机化检验则通过重排标签构造零分布，通常更具设计针对性。
若关注的是实验分配或标签可交换性，随机化检验往往更自然。
9.3 与Bootstrap方法的比较
Bootstrap主要通过有放回重采样估计统计量的抽样分布，常用于置信区间和标准误估计；随机化检验则关注在零假设下的排列分布，主要用于显著性判断。
二者都属于重抽样家族，但目标不同。
9.4 与蒙特卡洛模拟的比较
蒙特卡洛模拟是一个更宽泛的计算框架，随机化检验可以看作其中一种具体应用。前者可以模拟各种随机过程，后者则专门围绕随机排列或随机分配展开。
在排列空间过大时，随机化检验常借助蒙特卡洛抽样完成近似计算。
10 计算与实现
10.1 枚举法
枚举法通过列出全部可能的排列或分配方式，逐一计算统计量，从而得到精确结果。它适用于样本规模较小、组合总数有限的情形。
优点是结果准确，缺点是计算量随样本规模迅速增长。
10.2 随机抽样近似法
当全部枚举不可行时，可从排列空间中随机抽取若干次，借助重复试验估计P值。抽样次数越多，近似结果通常越稳定。
这种方法是实际应用中最常见的实现方式之一。
10.3 计算复杂度
随机化检验的复杂度主要来自排列组合数量以及每次统计量计算的成本。若统计量计算本身较慢，整体耗时会进一步增加。
因此，在高维问题中常需要设计高效算法，或者采用分层、剪枝、向量化等技术降低负担。
10.4 常用软件与编程实现
随机化检验可通过多种统计软件与编程语言实现。常见做法包括：使用内置重抽样函数、编写自定义置换循环，或借助专门的统计包完成分析。
在现代数据分析流程中，它经常与可视化、并行计算和自动报告工具结合使用。
11 扩展主题
11.1 多重比较中的随机化思想
当同时进行多个假设检验时，可以借助随机化框架评估整体错误率，或构造联合零分布。这样能够在一定程度上控制多重比较带来的假阳性膨胀。
11.2 分层与区组随机化检验
对于存在分层结构的数据，可在每个层内独立进行随机化，再将层内结果合并。这样能更好地保留原始设计信息，并减少混杂因素的影响。
11.3 置换回归与广义线性模型
在回归分析中，随机化思想可用于检验单个系数、整体模型或嵌套模型差异。对于广义线性模型，也可通过适当的残差置换或响应变量重排来构建检验。
11.4 网络数据与相关数据中的应用
在网络结构或相关观测中，简单交换标签可能不再合法，需要结合节点交换、块结构或相关保持机制进行设计。此类方法常用于保持局部依赖关系的前提下做统计推断。
12 典型例题与解释
12.1 两独立样本均值差
设有两组独立样本，观测到的均值差为某一数值。随机化检验会将全部观测值混合后随机分成两组，重复计算均值差，形成零分布。
若原始均值差在该分布中处于极端位置，则可认为两组差异具有统计显著性。
12.2 配对样本差异
对于配对数据，可在每一对内部交换两个观测值的顺序，而不改变配对结构。随后计算配对差值的统计量，并与所有可能交换情形下的结果比较。
这种做法适合前后测、左右手、双胞胎等成对观测场景。
12.3 相关系数显著性
若要检验两个变量的相关性，可固定一个变量不变，随机打乱另一个变量的顺序，反复计算相关系数。这样得到的零分布反映了“无关联”时相关系数可能出现的范围。
原始相关系数越偏离该分布中心，越支持存在真实关联。
12.4 置换检验的P值计算示例
| 假设原始统计量为T，随机置换后得到若干统计量T1、T2、T3……。若在这些结果中，绝对值不小于 | T | 的次数占总次数的比例较低，则说明T较为极端。 |
|---|
实际应用中常采用 \[ P = \frac{\text{极端置换次数}+1}{\text{总置换次数}+1} \] 这样的形式，以避免P值为零，并使估计更稳定。