wilcoxon.test 예제

테스트 통계 T가 보고되는 경우, 순위 상관관계를 계산하는 동등한 방법은 Kerby(2014) 단순 차이 수식인 두 순위 합계 간의 비율 차이와 함께 합니다. [6] 현재 예제를 계속하려면 샘플 크기가 9이므로 총 순위 합계는 45입니다. T는 두 순위 합계 중 더 작기 때문에 T는 3 + 4 + 5 + 6 = 18입니다. 이 정보만으로도 총 합계 S에서 T를 뺀 값이므로 나머지 순위 합계를 계산할 수 있으며, 이 경우 45 – 18 = 27을 계산할 수 있습니다. 다음으로, 두 순위 합계 비율은 27/45 = 60% 및 18/45 = 40%입니다. 마지막으로, 순위 상관관계는 두 비율(.60에서 .40을 뺀 값)의 차이이므로 r = .20입니다. 역사적 출처에서 Siegel이 T 통계로 표시한 다른 통계가 사용되었습니다. T 통계는 주어진 기호의 두 계급 합계 중 더 작습니다. 따라서 이 예제에서는 T가 3+4+5+6=18과 같습니다.

중요도에는 낮은 값T가 필요합니다. T는 W보다 손으로 계산하기가 쉬우며 시험은 위에서 설명한 양면 시험과 동일합니다. 그러나 H 0 {디스플레이 스타일 H_{0}}에서 통계의 분포를 조정해야 합니다. 예제에서 설명한 것처럼 그룹 간의 차이가 0이면 관측값은 삭제됩니다. 이는 샘플이 개별 분포에서 가져온 경우 특히 중요합니다. 이러한 시나리오에서 Pratt 1959에 의한 Wilcoxon 테스트에 대한 수정은 제로 차이를 통합하는 대안을 제공합니다. [4] [5] 이 수정은 서수 눈금의 데이터에 대해 더 강력합니다. [5] 참고: 중요 T 값 (T c r t r t t{디스플레이 스타일 T_{crit}} N r {displaystyle N_{r}}의 값으로 통계 교과서의 부록에서 찾을 수 있습니다., 예를 들어 비파라메트릭 통계의 표 B-3: 단계별 접근 방식, 데일 I. 포먼에 의해 2 판 그레고리 더블유 코더 (https://www.oreilly.com/library/view/nonparametric-statistics-a/9781118840429/bapp02.xhtml). 테스트 통계 W가 보고된 경우, 랭크 상관r은 총 랭크 합계 S또는 r= W/S. [6] 위의 예제를 사용하여 테스트 통계 W와 같으며, 테스트 통계는 W = 9이다. 9의 샘플 크기는 S = (1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9)= 45의 총 랭크 합계를 가합니다.