如何在 r 中执行 wilcoxon 签名秩检验

Wilcoxon符号秩检验是配对 t 检验的非参数版本。当两个样本之间的差异分布不能视为正态分布时，用于检验两个总体的均值是否存在显着差异。

本教程介绍如何在 R 中执行 Wilcoxon 符号秩检验。

示例：R 中的 Wilcoxon 签名秩检验

假设一位篮球教练想知道某个训练计划是否会增加球员的罚球次数。为了验证这一点，他要求 15 名球员在训练前后各罚 20 球。

由于每个球员都可以与自己“配对”，教练计划使用配对t检验来确定训练计划前后的平均罚球次数是否存在显着差异。训练。然而，差异的分布结果是非正态的，这就是训练者使用 Wilcoxon Signed-Rank 测试代替的原因。

下表列出了训练计划前后 15 名球员每人的罚球次数（20 次尝试）：

要在 R 中对此数据执行 Wilcoxon 符号秩检验，我们可以使用wilcox.test()函数，该函数使用以下语法：

wilcox.test(x, y, 偶数 = TRUE)

金子：

• x, y：数据值的两个向量
• paired：将其设置为TRUE告诉 R 我们的两个向量包含配对数据

以下代码演示了如何使用此函数对此数据执行 Wilcoxon Signed-Rank 检验：

 #create the two vectors of data
before <- c(14, 17, 12, 15, 15, 9, 12, 13, 13, 15, 19, 17, 14, 14, 16)
after <- c(15, 17, 15, 15, 17, 14, 9, 14, 11, 16, 18, 20, 20, 10, 17)

#perform Wilcoxon Signed-Rank Test
wilcox.test(before, after, paired=TRUE)

	Wilcoxon signed rank test with continuity correction

data: before and after
V = 29.5, p-value = 0.275
alternative hypothesis: true location shift is not equal to 0

检验统计量为29.5 ，相应的 p 值为0.275 。由于该 p 值不小于 0.05，因此我们无法拒绝原假设。球员参加训练计划前后的罚球次数没有统计学上的显着差异。

默认情况下，此函数执行双边 Wilcoxon 符号秩检验，但您可以使用替代参数指定左手检验或右手检验：

 #perform left-tailed Wilcoxon Signed-Rank Test
wilcox.test(before, after, paired=TRUE, alternative="less")

	Wilcoxon signed rank test with continuity correction

data: before and after
V = 29.5, p-value = 0.1375
alternative hypothesis: true location shift is less than 0

#perform right-tailed Wilcoxon Signed-Rank Test
wilcox.test(before, after, paired=TRUE, alternative="greater")

	Wilcoxon signed rank test with continuity correction

data: before and after
V = 29.5, p-value = 0.8774
alternative hypothesis: true location shift is greater than 0

其他资源

Wilcoxon 符号秩检验简介
Wilcoxon 签名地点测试计算器