對於帶校正的捆綁數據，是否有替代 Kolmogorov-Smirnov 檢驗的方法？

我從兩個樣本（對照和處理）中獲得了一堆數據，每個樣本都包含數千個值，這些值將在 R 中進行顯著性測試。理論上，這些值應該是連續的，但由於測量軟件完成了四捨五入，它們不是t 和他們有聯繫。分佈是未知的，控制和處理的分佈的形狀可能不同，所以我想使用非參數檢驗來比較樣本之間的差異對於 10 個不同的因素是否顯著。

我曾想過使用 Kolmogorov-Smirnov 檢驗，但它並不適合領帶。我最近偶然發現了一個名為Matching的新 R 庫，它執行 KS 測試的引導版本並容忍關係。現在這真的是一個好主意還是我應該改用另一個測試？我需要調整 p 值嗎？

oneway_test除了使用 KS 測試，您可以簡單地使用在包的功能中實現的排列或重採樣過程coin。看看這個問題的公認答案。

更新：我的包afex包含compare.2.vectors實現兩個向量的置換和其他測試的函數。您可以從 CRAN 獲得它：

install.packages("afex")

對於兩個向量x，y它（當前）返回如下內容：

> compare.2.vectors(x,y)
$parametric
  test test.statistic test.value test.df       p
1     t              t     -1.861   18.00 0.07919
2 Welch              t     -1.861   17.78 0.07939

$nonparametric
            test test.statistic test.value test.df       p
1 stats::Wilcoxon              W     25.500      NA 0.06933
2     permutation              Z     -1.751      NA 0.08154
3  coin::Wilcoxon              Z     -1.854      NA 0.06487
4          median              Z      1.744      NA 0.17867

非常歡迎對此功能提出任何意見。

引用自：https://stats.stackexchange.com/questions/35606