r - coin::wilcox_test 与 R 中的 wilcox.test

Question

在试图找出哪个更好用时，我遇到了两个问题。

1) wilcox.test 给出的 W 统计量与 coin::wilcox_test 的不同。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 

威尔考克斯测试:

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，通常报告较小的值。当 wilcox.test 与逗号一起使用而不是“~”时，我可以获得另一个值，但结果为 W = 834.5。据我了解，coin::statistic() 可以使用(“线性”、“标准化”和“测试”)返回三种不同的统计数据，其中“线性”是正常的 W，而“标准化”只是将 W 转换为z 分数。这些都不符合我从 wilcox.test 得到的 W(线性 = 1055.5，标准化 = 0.7636288，测试 = -0.7636288)。任何想法发生了什么？

2) 我喜欢 wilcox_test 中“distribution”和“ties.method”的选项，但似乎你不能像 wilcox.test 那样应用连续性修正。我对吗？

Answer 1

我在尝试申请时遇到了同样的问题 Wendt使用 coin 计算效果大小的公式包，并由于 wilcox_test() 输出的线性统计量而获得异常 r 值。未调整。

已经给出了很好的解释here ，因此我将简单地说明如何使用 wilcox_test() 获得调整后的 U 统计量。功能。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() 执行相同的测试和 wilcox_test() :

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

这将输出两个不同的统计数据:

> w1$statistic
   W 
 321 

> w2@statistic@linearstatistic
[1] 2151

这些值确实完全不同(尽管测试是等效的)。

获得与wilcox.test()相同的U统计量，你需要减去 wilcox_test()的输出统计量由的行列总和的最小值表示引用 sample 可以拿，就是n_1(n_1+1)/2 .

这两个命令都采用分组变量因子中的第一级 g作为引用(默认情况下按字母顺序排列)。

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 TRUE
瞧。