Answers:
数据配对时,应使用带符号的秩检验。
您会发现配对的许多定义,但从本质上讲,准则是使值对至少在某种程度上呈正相关性,而未配对的值则不具有相关性。通常,依赖对的发生是因为它们是同一单元上的观测值(重复的度量),但是它不一定必须在同一单元上,而只是以某种方式倾向于关联(在测量同一种类的事物时)。 ,被视为“配对”。
当数据未配对时,应使用秩和检验。
基本上就是全部。
数据配对时使用配对测试的效果是,它通常会提供更大的能力来检测您感兴趣的更改。如果关联导致强烈的依赖性,则功率的获取可能会很大。
*具体来说,但说得有些松散,如果效果大小比成对差异的典型大小大,但比非成对差异的典型大小小,那么您可以在配对测试中获得差异样本量非常小,但只有大得多的样本才进行不成对的测试。
但是,当数据未配对时,将数据视为配对可能会(至少会适得其反)。就是说,损失功率的成本在许多情况下可能很小-我针对此问题所做的功率研究似乎表明,在典型的小样本情况下,平均功率损耗(例如n阶)在调整显着性水平差异后,每个样本中的10到30个样本的平均值可能很小。
[[如果您确实不确定数据是否配对,则将未配对的数据视为配对所造成的损失通常相对较小,而如果将它们配对则收益会很大。这表明如果您真的不知道,并且有一种方法可以弄清楚配对的对象和配对的对象(例如,表中的同一行中的值),那么实际上可能有意义好像数据是安全配对的-尽管有些人可能会因您这样做而变得相当锻炼。]
我不是研究员,但是我是统计学专业的。我将首先布置Wilcoxon签名秩和检验(WSRST)的要求。
[WSRST还有其他要求,但我列出的要求足以区分这两种测试]
现在进行Wilcoxon秩和检验(WRST)