Ich habe eine Reihe von Daten aus zwei Proben (Kontrolle und Behandlung) mit jeweils mehreren tausend Werten, die in R einer Signifikanzprüfung unterzogen werden sollen. Theoretisch sollten die Werte kontinuierlich sein, aber aufgrund der Rundung durch die Messsoftware sind sie t und sie haben Krawatten. Die Verteilungen sind unbekannt und die Formen der Kontrolle und der behandelten Verteilungen können unterschiedlich sein. Daher würde ich gerne einen nicht parametrischen Test verwenden, um zu vergleichen, ob der Unterschied zwischen den Proben für 10 verschiedene Faktoren signifikant ist.
Ich habe überlegt, den Kolmogorov-Smirnov-Test zu verwenden, aber er eignet sich nicht wirklich für Krawatten. Ich bin kürzlich auf eine neue R-Bibliothek namens Matching gestoßen , die eine Bootstrap-Version von KS test ausführt und Bindungen toleriert. Ist das wirklich eine gute Idee oder sollte ich stattdessen einen anderen Test verwenden? Und muss ich den p-Wert anpassen?
Antworten:
Anstelle des KS-Tests können Sie auch einfach ein Permutations- oder Resampling-Verfahren verwenden, das in der
oneway_test
Funktion descoin
Pakets implementiert ist . Schauen Sie sich die akzeptierte Antwort auf diese Frage an .Update : Mein Paket
afex
enthält die Funktion,compare.2.vectors
die eine Permutation und andere Tests für zwei Vektoren implementiert. Sie können es von CRAN erhalten:Für zwei Vektoren
x
undy
es gibt (derzeit) so etwas wie:Kommentare zu dieser Funktion sind ausdrücklich erwünscht.
quelle