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！