秩和检验效能评估方法的优点：
一、对数据分布要求低
适用非正态分布数据：
在实际研究中，很多数据并不严格服从正态分布，秩和检验不依赖特定的数据分布假设，对于非正态分布的数据也能进行有效的分析。例如在生物学领域，一些生物生长指标、生理参数等数据可能不呈正态分布，秩和检验可以在这种情况下发挥作用。
避免了因数据分布不符合正态假设而错误地使用参数检验方法导致的错误结论。
对异常值不敏感：
数据中有时会出现异常值，可能是由于测量误差、实验条件变化或特殊情况引起的。秩和检验对异常值相对不敏感，不会因为个别异常值而对结果产生较大影响，从而提高了分析的稳定性和可靠性。
在生物学实验中，异常值难以完全避免，秩和检验的这一特性使得它在处理包含异常值的数据时更具优势。
二、适用于小样本
稳健性好：
在样本量较小的情况下，秩和检验效能评估方法通常更为稳健。它不依赖于大样本的假设，能够在小样本数据中提供相对可靠的结果。
对于一些难以获取大量样本的生物学研究，如珍稀物种研究、特定细胞类型的实验等，秩和检验是一种可行的分析方法。
计算相对简单：
对于小样本数据，秩和检验的计算相对简单，不需要复杂的数学模型和大量的计算资源。这使得秩和检验在小样本研究中更容易实施，尤其是对于没有强大计算能力的研究者来说，是一种实用的分析方法。
三、可用于有序分类数据
处理有序分类变量：
在生物学中，经常会遇到有序分类数据，如疾病的严重程度分为轻度、中度、重度；生物的生长状态分为差、一般、良好等。秩和检验可以有效地处理这些有序分类变量，比较不同组之间的差异。
能充分利用有序分类数据中的顺序信息，为研究提供更丰富的分析结果。
提供更丰富的信息：
与简单的频率分析相比，秩和检验可以利用有序分类数据中的顺序信息，提供更丰富的分析结果。它不仅可以判断不同组之间是否存在差异，还可以进一步分析差异的方向和程度。
秩和检验效能评估方法的缺点：
一、信息损失
只考虑秩次：
秩和检验在分析数据时，主要利用数据的秩次信息，而不是具体的数值。这意味着在一定程度上会损失数据的具体数值信息，可能会降低检验的效能。特别是当数据的数值差异较大时，仅使用秩次可能无法充分反映数据的实际差异。
例如在比较两组生物样本的某个指标时，如果两组数值差异较大，但经过秩转换后，秩次的差异可能并不明显，从而导致秩和检验可能无法检测出这种较大的数值差异。
对细微差异不敏感：
由于只考虑秩次，秩和检验对于数据中的细微差异可能不敏感。如果两组数据在数值上有较小的差异，但在秩次上可能非常接近，秩和检验可能无法准确地判断两组之间是否存在差异。
例如在比较两种生物处理方法对某个指标的影响时，可能两种方法的效果非常接近，但由于秩和检验对细微差异不敏感，可能得出两种方法无差异的结论，而实际上它们之间可能存在一些微小的差异。
二、效能相对较低
与参数检验相比：
在数据满足正态分布假设且样本量较大的情况下，参数检验方法（如 t 检验、方差分析等）通常具有更高的检验效能。秩和检验由于不依赖特定的数据分布，其检验效能相对较低。这意味着在相同的显著性水平下，秩和检验可能需要更大的样本量才能达到与参数检验相同的检验效能。
例如在比较两组正态分布数据的均值差异时，如果样本量足够大，t 检验通常能够更准确地检测出差异，而秩和检验可能需要更多的样本才能达到相同的效果。
大样本时计算复杂：
虽然秩和检验在小样本时计算相对简单，但在大样本情况下，计算过程可能会变得复杂。特别是当样本量很大时，秩次的计算和统计量的计算可能需要大量的计算资源和时间。此外，大样本时可能会出现数值计算的稳定性问题，需要采取一些特殊的计算方法来保证结果的准确性。
例如在大规模的生物学调查中，可能会涉及数千甚至数万的样本量，此时进行秩和检验可能会面临计算复杂和耗时较长的问题。
三、结果解释相对困难
缺乏直观的效应量指标：
与参数检验方法相比，秩和检验的结果通常缺乏直观的效应量指标。参数检验可以给出均值差异、标准差等效应量指标，这些指标可以直接反映两组数据之间的差异大小。而秩和检验的结果主要是基于秩次的统计量，难以直接解释为实际的差异大小。
例如在比较两种生物处理方法的效果时，参数检验可以给出两种方法效果的均值差异，如生长速度的差异值等，这些效应量指标可以让研究者直观地了解两种方法的效果差异程度。而秩和检验可能只能给出一个 P 值，难以直接解释为实际的效果差异大小。
对多因素分析的局限性：
在进行多因素分析时，秩和检验的应用相对有限。虽然可以通过扩展的秩和检验方法（如 Kruskal-Wallis 检验、Friedman 检验等）进行多组比较或重复测量数据的分析，但对于复杂的多因素模型，秩和检验可能不如参数检验方法灵活和易于解释。
例如在研究多个因素对某种生物现象的影响时，可能需要建立多元回归模型或方差分析模型。这些模型通常基于参数检验方法，可以同时考虑多个因素的作用，并给出每个因素的效应大小和显著性水平。而秩和检验在处理多因素问题时可能会比较困难，难以给出类似的详细结果。