Saya punya banyak data dari dua sampel (kontrol dan perlakuan), masing-masing berisi beberapa ribu nilai yang harus menjalani pengujian signifikansi di R. Secara teoritis, nilai-nilai harus kontinu, tetapi karena pembulatan dilakukan oleh perangkat lunak pengukuran mereka tidak t dan mereka punya ikatan. Distribusi tidak diketahui dan bentuk kontrol dan distribusi diperlakukan mungkin berbeda, jadi saya ingin menggunakan tes non-parametrik untuk membandingkan jika perbedaan antar sampel signifikan untuk 10 faktor yang berbeda.
Saya berpikir untuk menggunakan tes Kolmogorov-Smirnov, tetapi tidak cocok untuk ikatan. Saya baru-baru ini menemukan perpustakaan R baru yang disebut Matching yang mengeksekusi versi bootstrap dari tes KS dan mentoleransi ikatan. Sekarang apakah ini benar-benar ide yang bagus atau haruskah saya menggunakan tes lain? Dan apakah saya perlu menyesuaikan nilai-p?
Jawaban:
Alih-alih menggunakan tes KS Anda hanya bisa menggunakan permutasi atau prosedur resampling seperti yang diterapkan dalam
oneway_test
fungsicoin
paket. Lihatlah jawaban yang diterima untuk pertanyaan ini .Pembaruan : Paket saya
afex
berisi fungsi yangcompare.2.vectors
menerapkan permutasi dan tes lainnya untuk dua vektor. Anda bisa mendapatkannya dari CRAN:Untuk dua vektor
x
dany
(saat ini) mengembalikan sesuatu seperti:Setiap komentar mengenai fungsi ini sangat disambut.
sumber