紧急求助——非参数检验

先说下我要分析的情况吧，为简化我就不说具体的经济变量了，抽象成以下问题：假设我要比较东、中、西部（状态变量District=1、2、3）儿童的身高和体重是否有显著差异
我首先想到的是方差分析ANOVA，结果还算显著，but，方差分析貌似是要总体正态分布的吧，结果对身高和体重的正态分布检验（K-S检验）不显著。。一个p值0.28，一个p值0.13，于是乎只能放弃方差分析用非参检验了。。
关键问题来了，spss里k个独立样本的非参检验的三种方法中位数检验、Kruskal-Wallis检验、Jonckheere-Terpstra检验对同一列数据处理结果差距咋那么大呢。。那应该以什么方法为准呢？依据是什么？
以下是三种方法运用于两个问题的结果：（数据是p值）
                         中位数检验          Kruskal-Wallis检验       Jonckheere-Terpstra检验
    身高                  0.176                       0.106                                  0.054
    体重                  0.055                       0.055                                  0.786

体重的Jonckheere-Terpstra检验结果让我很无语。。
以啥方法为准哩？如果我在论文里对身高问题用Jonckheere-Terpstra检验，对体重用Kruskal-Wallis检验，人家质疑为啥对俩问题用不同的检验方法咋办哩？它们的适用性有差别吗？

给大家提供一个思路，也是我自己思考觉得一个可能的原因在于身高与district是直线负相关的，从而三个p值都比较正常，体重与district是倒U型关系，从而那个Jonckheere-Terpstra检验结果比较异常，Jonckheere-Terpstra检验有只能检验线性正负相关这个特性吗？（这里的直线负相关和倒U型关系不是瞎猜想的，均值的分析和后来回归的结果都能验证）

以上问题请各位高手帮忙，论文急用，谢谢大家！

顶起啊。。沉太快了。。求高手啊~

斗胆弱弱的问一句，KW检验是检验位置参数是否不完全一样的，JT检验备择假设是 有趋势性的，位置参数递增或递减。。倒U关系不知道能不能用这种方法。。。不懂。。

在吴老师的书里，似乎是暗示JT能检验趋势性，但从定义看不出。
一般的人都用KW，因为大多数人比较信任秩和检验。中位数检验本质上是秩检验，应该效力（power）最低，而JT则比KW高。
多说一句，我觉得KW的结果不难看呀。

一个p值0.28，一个p值0.13,由此可以看出两个变量均是正态分布的。
KS检验的原假设是服从正态分布，因此你最好还是采用方差分析，因为
参数检验的效力要比非参数检验高。

上次的回答有错误，

JT的确必须是趋势数据，且是单尾检验，

中位数检验本质上是符号检验，上一次口误。

另外，秩和检验的假设是秩和符合正态分布，所以四楼说的不对，不能用方差分析。

同求解答

分解法国将根据该价格