在这篇文章中,我们将探索比较两组依赖(即成对)定量数据的测试:Wilcoxon符号秩检验和配对学生t检验。这些测试之间的关键区别在于Wilcoxon的测试是非参数测试,而t测试是参数测试。在下文中,我们将探讨这种差异的后果。
睡眠数据集
我们来考虑睡眠数据集
## extra group ID## 1 1 1## 2 1 2## 3 1 3## 4 1 4## 5 1 5## 6 1 6## 7 1 7## 8 1 8## 9 1 9## 10 1 10## 11 2 1## 12 2 2## 13 2 3## 14 2 4## 15 2 5## 16 2 6## 17 2 7## 18 2 8## 19 2 9## 20 2 10
我们测试的是什么?
假设我们在一家制药公司工作,
零假设
该测试的零假设是两种药物之间的额外睡眠时间没有任何差异。
Wilcoxon符号秩检验
由于检验统计量是基于排名而不是测量值本身,因此Wilcoxon符号秩检验可以被认为是测试两组之间中值变化。
要在R中执行测试,我们可以使用该 功能。
code>x <- sleep$extra[sleep$drug == 2]y <- sleep$extra[sleep$drug ==1]res <- (x, y, paired = TRUE,alternative = "greater"## Warning in .default(x, y, paired = TRUE, alternative =## "greater"): cannot compute exact p-value with ties## Warning in .default(x, y, paired = TRUE, alternative =## "greater"): cannot compute exact p-value with zeroes
x - y## [1]
警告2:零值
第二个警告涉及差异为0的对。
调查结果
测试的主要结果是它的p值,可以通过以下方式获得:
res$ [1] 04545349
由于p值小于5%的显着性水平,这意味着我们可以拒绝零假设。
配对学生的t检验
配对Student's t检验是对两组配对定量测量方法的参数检验。
<- (x,y, paired = TRUE, alternative = "greater")print($)## [1] 01416445
检查学生t检验的假设
t检验要求样本均值是正态分布的。
<- (diff = sleep$extra[sleep$drug == 1] - sleep$extra[sleep$drug == 2])ggplot(, aes(x = diff)) + geom_histogram()## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
require (car)# load car package to use 'qqp' rather than native 'qqplot' function
qqp($diff)
来自 “ ITPUB博客 ” ,链接:,如需转载,请注明出处,否则将追究法律责任。