除了Kolmogorov-Smirnov检验之外，还有其他方法可用于校正带约束的数据吗？

我从两个样本（对照样本和处理样本）中得到了一堆数据，每个样本都包含数千个值，这些值将在R中进行显着性检验。理论上，这些值应该是连续的，但是由于测量软件进行了四舍五入，因此它们不是“他们之间建立了联系。分布是未知的，并且对照分布和处理过的分布的形状可能不同，因此我想使用非参数检验来比较样本中的差异是否对10个不同因素有显着影响。

我曾考虑过使用Kolmogorov-Smirnov检验，但是它并不真正适用于平局。我最近偶然发现了一个名为Matching的新R库，该库执行KS测试的引导版本并可以容忍联系。现在，这真的是一个好主意，还是应该改用其他测试？我是否需要调整p值？

除了使用KS测试之外，您还可以使用软件包oneway_test功能中实现的置换或重采样过程coin。看看这个问题的公认答案。

更新：我的程序包afex包含compare.2.vectors为两个向量实现排列和其他测试的功能。您可以从CRAN获得它：

install.packages("afex")

对于两个向量x，y它（当前）返回类似：

> compare.2.vectors(x,y)
$parametric
   test test.statistic test.value test.df       p
1     t              t     -1.861   18.00 0.07919
2 Welch              t     -1.861   17.78 0.07939

$nonparametric
             test test.statistic test.value test.df       p
1 stats::Wilcoxon              W     25.500      NA 0.06933
2     permutation              Z     -1.751      NA 0.08154
3  coin::Wilcoxon              Z     -1.854      NA 0.06487
4          median              Z      1.744      NA 0.17867

对此功能的任何评论都将受到欢迎。