r - coin::wilcox_test与R中的wilcox.test

在试图找出哪一种更好时，我遇到了两个问题。

1)wilcox.test提供的W统计量与coin::wilcox_test的统计量不同。这是我的输出:

wilcox_test:

Exact Wilcoxon Mann-Whitney Rank Sum Test

data:  data$variableX by data$group (yes, no)
Z = -0.7636, p-value = 0.4489
alternative hypothesis: true mu is not equal to 0

wilcox.test:

Wilcoxon rank sum test with continuity correction

data:  data$variable by data$group
W = 677.5, p-value = 0.448
alternative hypothesis: true location shift is not equal to 0

我知道W实际上有两个值，通常报告较小的一个。当wilcox.test与逗号而不是“〜”一起使用时，我可以得到其他值，但这是W = 834.5。据我了解，coin::statistic()可以使用(“linear”，“standarized”和“test”)返回三个不同的统计信息，其中“linear”是正常W，“standardized”只是W转换为a Z分数。但是这些都不符合我从wilcox.test获得的W(线性= 1055.5，标准化= 0.7636288，测试= -0.7636288)。有什么想法吗？

2)我喜欢wilcox_test中用于“distribution”和“ties.method”的选项，但是看来您不能像wilcox.test中那样应用连续性校正。我对吗？

最佳答案

尝试将Wendt公式应用于coin包来计算效果大小时，我遇到了相同的问题，由于wilcox_test()输出的线性统计数据未经调整，因此获得了异常的r值。

here已经给出了很好的解释，因此，我将简单地介绍如何使用wilcox_test()函数获得调整后的U统计量。让我们使用以下数据框:

d <- data.frame( x = c(rnorm(n = 60, mean = 10, sd = 5), rnorm(n = 30, mean = 16, sd = 5)),
                 g = c(rep("a",times = 60), rep("b",times = 30)) )

我们可以使用wilcox.test()和wilcox_test()进行相同的测试:

 w1 <- wilcox.test( formula = x ~ g, data = d )
 w2 <- wilcox_test( formula = x ~ g, data = d )

它将输出两个不同的统计信息:

> w1$statistic
   W
 321

> w2@statistic@linearstatistic
[1] 2151

值确实完全不同(尽管测试是等效的)。

要获得与ojit_code相同的U统计量，您需要减去wilcox.test()的输出统计量，即引用样本的秩和之和可以取的最小值，即wilcox_test()。

这两个命令均以分组变量n_1(n_1+1)/2的因子中的第一级作为引用(默认情况下将按字母顺序排列)。

然后，您可以计算引用样本可能的最小秩和:

n1  <- table(w2@statistic@x)[1]

和

w2@statistic@linearstatistic-  n1*(n1+1)/2 == w1$statistic

应该返回g
Voilà。

关于r - coin::wilcox_test与R中的wilcox.test，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/23450221/