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?
Answers:
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。
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。