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?
链接的文件涉及倾向得分匹配。引导测试可能更具通用性,但我不确定。
—
Michael R. Chernick 2012年
我已经做了像Kolmogorov-Smirnov这样的东西的随机化版本(嗯,实际上,我可能曾经用过Anderson-Darling或Cramer-von Mises来做KS,但仍然使用随机分布来照顾关系)。
—
Glen_b-恢复莫妮卡
—
雷·库普曼