Sie sollten den vorzeichenbehafteten Rangtest verwenden, wenn die Daten gepaart werden .
Es gibt viele Definitionen von Pairing, aber im Grunde ist das Kriterium etwas, das Wertepaare zumindest einigermaßen positiv abhängig macht, während ungepaarte Werte nicht abhängig sind. Oft tritt die Abhängigkeitspaarung auf, weil sie Beobachtungen auf derselben Einheit sind (wiederholte Messungen), aber es muss sich nicht auf derselben Einheit befinden, sondern wird in gewisser Weise in Verbindung gebracht (während die gleiche Art von Dingen gemessen wird). , als "gepaart" zu betrachten.
Sie sollten den Rang-Summen-Test verwenden, wenn die Daten nicht gepaart sind.
Das ist im Grunde alles, was es zu tun gibt.
nn
Die Verwendung eines gepaarten Tests bei gepaarten Daten hat zur Folge, dass im Allgemeinen mehr Leistung zum Erkennen der Änderungen zur Verfügung steht, an denen Sie interessiert sind. Wenn die Zuordnung zu einer starken Abhängigkeit * führt, kann der Leistungsgewinn erheblich sein.
* Genauer gesagt, aber etwas locker ausgedrückt: Wenn die Effektgröße im Vergleich zu der typischen Größe der Paarunterschiede groß ist, aber im Vergleich zu der typischen Größe der ungepaarten Unterschiede klein ist, können Sie die Differenz mit einem gepaarten Test bei a erfassen ziemlich kleine Stichprobengröße, aber mit einem ungepaarten Test nur bei einer viel größeren Stichprobengröße.
Wenn die Daten jedoch nicht gepaart sind, kann es (zumindest geringfügig) kontraproduktiv sein, die Daten als gepaart zu behandeln. Allerdings können die Kosten - bei Stromausfall - unter vielen Umständen recht gering sein - eine Stromstudie, die ich in Beantwortung dieser Frage durchgeführt habe, scheint darauf hinzudeuten, dass der Stromverlust in typischen Situationen mit kleinen Stichproben (z. B. für n der Größenordnung) durchschnittlich ist von 10 bis 30 in jeder Probe kann überraschend klein sein, nachdem Unterschiede im Signifikanzniveau ausgeglichen wurden.
[Wenn Sie sich irgendwie wirklich nicht sicher sind, ob die Daten gepaart sind oder nicht, ist der Verlust bei der Behandlung von ungepaarten Daten als gepaart in der Regel relativ gering, während die Gewinne erheblich sein können, wenn sie gepaart sind. Dies deutet darauf hin, dass es in der Praxis möglicherweise sinnvoll ist, zu handeln, wenn Sie nicht genau wissen, welche Werte mit welchen gepaarten Werten gepaart sind, vorausgesetzt, sie wurden gepaart als ob die Daten sicherheitshalber gepaart wären - obwohl manche Leute dazu neigen, sich ziemlich über Sie zu ärgern, wenn Sie das tun.]