非参数统计方法用于整体分布未知的情况，旨在验证一个变量的分布在不同的组是否具有相同的位置参数。
NPAR1WAY语句功能格式：
proc npar1way data=数据集名称[选项] by变量名； class变量名； var变量名； run；注：
proc选项：
I.Wilcoxon :指定Wilcoxon秩和分析方法的使用；
ii.noprint :结果输出窗口中不显示计算结果；
对于单个示例非参数检测，请在这种情况下使用Univariate流程。
目的：检查某个样本的平均值是否等于特定值。
某产品净含量为1kg，现对该产品进行抽样统计分析，测试判断该产品重量是否与标示相符。
代码：
数据测试； /*数据集*/input x @@； cards； 0.9980.9970.9950.9940.990.9810.9860.9950.9760.9860.9860.992.0010.985.002.980 proc univariate data=test mu0=1； 将/*mu0设定为1，确认其*平均值为1/var x； run；结果：
提供了一些基本的统计信息：
下图显示秩检验p值0.05的显著水平，应拒绝原假设：
两个样本的非参数检验概述：两个独立样本来自正态分布，具有相同的方差时，一般使用t检验比较平均值。 如果样品不满足这两个条件，则采用Wilcoxon秩和检验。
对某校高一、二年级学生的英语学习能力进行了评估，主要测试学生的口语能力。 测试分数如下，分析了二年级学生英语口语能力是否存在显著差异。
代码：
数据测试； /*创建数据集*/input x type$； cards； 81671881981781781771651851701672782692872872872902652772； run； proc npar1way data=test wilcoxon； wilcoxon检验*/class type； /*指定分组变量*/var x； /*指定非参数检查变量*/run；结果：
由于T检验双边概率值为1，可以接受原假设，认为这两个年级学生的口语能力没有显著差异。
如果多个采样的非参数检验器概述：多个采样数据满足正态分布并具有相等的方差，则可以使用方差分析来比较它们的平均值。 若数据满足以上条件，则可采用多样本均值比较的非参数Kruskal-Wallis秩和检验。 该检查的目的是分析当一个变量在另一个分类变量中取不同的值时，该取的值(通过位置统计量测量)是否有明显的不同。
编程实现：NPAR1WAY进程可以实现，但是与两个样本的情况不同，class语句的分类变量有取2个以上值的水平。
配对样本的非参数检验类似于单个样本的非参数检验，使用Univariate过程对配对的数据进行差分处理，检验其平均值是否为0。
抽样调查目前某培训机构培训后学生基础能力是否有所提高，学生培训前后成绩如下。
代码：
数据测试； /*创建数据集*/input x y； d=x-y； cards； 899578896957887748075838490797680838588； run； proc univariate data=test； /*配对样品的符号检验*/var d； run；结果：
符号检验的p值大于0.05，表明应该接受原假设，即认为训练前后的成绩没有显著性差异。