如何在符号测试和Wilcoxon符号秩测试之间进行选择？

我正在尝试从这两个测试中选择一个来分析配对数据。有谁知道一般选择哪个规则的经验法则？

我正在尝试从这两个测试中选择一个来分析配对数据。有谁知道一般选择哪个规则的经验法则？

有符号秩检验假设了零符号下不需要的差异对称性假设。（该假设是必要的，这样才能使无符号的差异等级所附加的符号排列的可能性相同。）

另一方面，如果总体中具有近似对称性并且尾巴不是很重，则带符号的等级应该具有更大的功效。

[不应以此为根据在样本中进行选择。通常，这会导致测试属性与名义属性不同（测试可能有偏差，实际显着性水平不再是它们看起来的样子，计算出的p值并不代表真实的p值，依此类推）。相反，应在可能的情况下，根据测试所用样本的外部知识来评估特征-是否通过主题领域知识，对此类数据集的熟悉程度，样本分解等...]

在我的情况下，秩和检验的p值最大，正负号检验为中等，正负号检验最小。因此，它具有更大的力量。

这并不是您认为测试具有更高功效的方式-相对于一个样本而言，较低的p值可能仅是由于该样本的变异性所致，而功效是关于从同一总体抽取的所有随机样本的行为。

就是说，假设您正在处理某些特定情况，其中成对差异的总体中心距0较远（即以特定方式为假）。然后，在相同条件（包括样本大小）下重复采样，功效将是该特定总体的拒绝率。$H_0$

以类似的方式，我们可以计算出具有成对差异的不同位置*的总体序列的拒绝率，并获得整个幂曲线。然后，对于一个放置在另一个测试之上的测试，“更高的功率”将对应于整个功率曲线（或几乎所有功率曲线，请注意两者均应处于相同的显着性水平）。

*您可以将其作为当前讨论的中位数-而有符号秩检验的估计量是成对差异的成对平均值的中位数，在对称假设下，位置估计量也应该是中位数对的合适估计区别。

这是一个相关的问题，如何在小样本的t检验或非参数检验（例如Wilcoxon）之间进行选择。答案之一包括对本问题的（简短）讨论。