Wilcoxon 签名等级测试用于重绑定数据

如何解决Wilcoxon 签名等级测试用于重绑定数据

我在对高度相关的数据进行 Wilcoxon 检验分析时遇到问题。我在下面尽可能地概述了我的问题，我如何尝试解决它，以及我的问题。如果有人能给我任何建议，我将不胜感激。

我的问题 我正在处理一个数据集，我需要在用于组分配的度量上比较三个组。当我运行单向方差分析时，既不满足(1)残差正态性假设，也不满足(2)残差方差同质性假设。

因此，我使用 Wilcoxon 检验在 r 中使用以下代码进行两两比较（一个比较的示例，默认为两侧备择假设）：

measure ~ group,data= myreduceddataset，na.rm=TRUE，paired=FALSE，exact=TRUE，conf.int=TRUE

然而，我的分析结果看起来很奇怪(screenshot of example here)，并且每次比较都放弃错误（下面复制了一个示例）：

警告信息： 1：在 wilcox.test.default(x = c(2,1,2,: 无法使用关系计算精确的 p 值 2：在 wilcox.test.default(x = c(2,: 无法计算有关系的确切置信区间

检查数据 然后我检查了数据并查看了数据在 R 中的排列方式以试图找出错误。看起来，尽管始终存在一些并列的排名，但主要问题是第 1 组 here is some example raw and ranked data by group

中 0 值的数量

我找到的解决方案，以及由此引发的问题 通过阅读，似乎解决这个问题的方法是使用 R 中“Coin”包中的测试。

我试过了，here is an example of my output。然而，我仍然不完全清楚这是否正确，我在下面概述了一些我仍然存在的问题。

1. 我不确定渐近检验还是精确检验更适合此数据集（输出似乎相同）
2. 我假设我应该使用 coin::wilcox_test() 而不是 coin::wilcoxsign_test()，因为我正在比较来自独立组的样本。这是正确的吗？
3. 如果我理解正确，“Z”值就是效果大小。如何推导出 W 统计量？或者我可以只报告效果大小吗？
4. 我不确定如何更正此输出以进行多重比较

如果有帮助，我很乐意提供更多细节。非常感谢。

更新：此处的模拟数据（相同组均值和 SD）：

structure(list(measure = c(9,15,6,7,8,12,5,14,9,13,11,16,3,21,4,10,0),group = structure(c(3L,3L,2L,1L,1L),.Label = c("1","2","3"
),class = "factor")),row.names = c(NA,-122L),class = "data.frame")

解决方法

您需要的是 Kruskal-Wallis-Test。方差分析的非参数项。

编辑：

library(dplyr)
library((ggpubr)
# group as factor
df$group <- as.factor(df$group)
# check for levels
levels(df$group)
# summarise with dplyr
group_by(df,group) %>%
  summarise(
    count = n(),mean = mean(measure,na.rm = TRUE),sd = sd(measure,median = median(measure,IQR = IQR(measure,na.rm = TRUE)
  )
# Box Plot measure by group and color by group
library("ggpubr")
ggboxplot(df,x = "group",y = "measure",color = "group",palette = c("#00AFBB","#E7B800","#FC4E07"),order = c("1","2","3"),ylab = "measure",xlab = "group")

# Mean Plot measure by group and color by group)
ggline(df,add = c("mean_se","jitter"),xlab = "group")
# kruskal test
kruskal.test(measure ~ group,data = df)

## output   Kruskal-Wallis rank sum test

## data:  measure by group
## Kruskal-Wallis chi-squared = 92.593,df = 2,p-value < 2.2e-16

### interpretation: There is a significant difference in the group means of group 1,2,3



# pairwise comparisons between group levels
pairwise.wilcox.test(df$measure,df$group,p.adjust.method = "bonferroni")

## output:  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 

#data:  df$measure and df$group 

#   1       2    
#   2 4.2e-16 -    
#   3 6.9e-16 0.013

# interpretation: The difference is significant between each group