如何在符號檢驗和 Wilcoxon 符號秩檢驗之間進行選擇？
我試圖從這兩個測試中選擇一個來分析配對數據。有誰知道一般選擇哪一個的經驗法則？
我試圖從這兩個測試中選擇一個來分析配對數據。有誰知道一般選擇哪一個的經驗法則？
符號秩檢驗假設符號檢驗不需要的零值下的差異對稱性。（這個假設是必要的，以便附加到無符號差異等級上的符號排列具有同樣的可能性。）
另一方面，如果種群接近對稱並且尾巴不是很重，則簽名等級應該具有更大的權力。
[這不應被視為根據樣本在它們之間進行選擇的建議；通常，這會導致測試屬性與標稱值不同（測試可能有偏差，實際顯著性水平不再是它們看起來的樣子，計算的 p 值不代表真實的 p 值等等）。相反，在可能的情況下，應根據應用測試的樣本之外的知識來評估特徵——無論是通過學科領域知識、對其他數據集（如該數據集）的熟悉程度、樣本拆分，…]
在我的例子中，秩和檢驗具有最大的 p 值，符號檢驗是中等的，符號秩是最小的。因此，它具有更大的權力。
這不是您決定測試具有更大功效的方式 - 一個樣本的較低 p 值可能僅僅是由於該樣本的變幻莫測，而功效是關於從同一總體中抽取的所有隨機樣本的行為。
也就是說，假設您正在處理一些特定情況，在這種情況下，配對差異的群體的中心距 0 有點遠（即以特定方式為假）。然後在相同條件下（包括樣本大小）的重複抽樣下，功效將是該特定群體的拒絕率。
以類似的方式，我們可以計算具有不同配對差異位置*的群體序列的拒絕率，並獲得完整的功率曲線。那麼“更高的功率”將對應於一個測試位於另一個之上的整個功率曲線（或幾乎所有曲線，注意兩者應該處於相同的顯著性水平）。
*您可以將其視為當前討論的中位數-雖然符號秩檢驗的估計量是對差異的成對平均值的中位數，但在對稱假設下，位置估計量也應該是對中位數對的合適估計區別。
這是一個相關的問題How to choose between t-test or non-parametric test eg Wilcoxon in small samples。其中一個答案包括對當前問題的（簡要）討論。