问题标签 [pairwise.wilcox.test]

我有一个记录在 5 个不同高度的粒子浓度数据集。我想知道这些差异是否显着。对于每个高度，N=15。

什么测试适合使用？

我使用了pairwise.t.test，但不确定这是否是正确的解决方案，因为样本量很小。我还尝试了 pairwise.wilcox.test ，它返回不同的 p 值和错误“无法计算带有关系的精确 p 值”。这是因为样本量小，我可以使用它吗？

我的数据：

我只是浪费了一整天的时间来寻找我的问题的解决方案。

简而言之，我有 2 个数据集，每个数据集有 2 个来自 wilcox_test 的样本。现在，我想测试效果大小。对于第一个数据集，我收到一个效果大小“r”，对于另一个我收到一条错误消息：

我做了完全一样的，但它不会工作。

编辑：两个变量的 obs 数量相同。

dataset1 - 测试 t1 和 t2

dataset2 - 测试 t1 和 t4

我真的很新，TA 让我来这里为 RStudio 寻求任何帮助。本周我们正在学习 Wilcoxon 秩和精确检验。我理解（我认为）测试返回的 P 值是，如果 P < 0.05，那么数据来自不同的分布。但是，作业问题问：

对于因杀婴而失去幼崽的雌性，下一个幼崽的时间是（更长/更短）___________。

我被卡住了，我无法弄清楚，我希望得到一些帮助！

这是某些上下文的完整作业问题。

“当入侵的雄狮接管雌性狮群时，它们通常会杀死该群体中的大部分或全部婴儿。接管后，狮群的稳定性是不可预测的，科学家们假设雌性可能会延迟排卵，直到不确定性过去. 为了检验这一点，一项对塞伦盖蒂狮子的研究测量了母狮因杀婴而失去幼崽后的繁殖时间，以及因意外死亡而失去幼崽后的繁殖时间。

让我们假设数据不是正态分布的。对文件 lions.csv 中的数据进行适当的统计测试，以确定复制时间是否存在显着差异。”

问题数据表：

这是我的数据的随机生成版本：

前几行如下所示：

我想要做的是找出比率在研究期间（磨合、干预、冲洗）是否有显着差异，我想使用配对 wilcox 测试，因为它是同一组受试者每个采样点。

我最初使用时pairwise.wilcox.test没有意识到“成对”和“成对”之间的区别。如果我尝试pairwise.wilcox.test(df$ratio, df$period, paired=T)，我会收到错误消息：“wilcox.test.default(xi, xj,paired =paired, ...) 中的错误：'x' 和 'y' 必须具有相同的长度”

如果我尝试使用wilcox.test(ratio~period, df, paired=T)我进行配对 wilcox 测试，则会收到错误消息Error in wilcox.test.formula(ratio ~ period, data = df, paired = T) : grouping factor must have exactly 2 levels。

我如何告诉 wilcox.test 函数我想比较磨合与干预、干预与冲出以及磨合与冲出进行配对测试？

如果我做

我得到了磨合干预和干预冲洗的比较，但没有磨合冲洗。它也没有配对。如果我尝试通过添加paired=T 使其配对，则会收到错误消息：

“错误：summarise()输入有问题p_value。x'x'和'y'必须具有相同的长度ℹ输入p_value是wilcox.test(df$ratio, ratio, exact = FALSE, paired = T)$p.value。ℹ第1组发生错误：周期=“磨合”。”

任何帮助表示赞赏。

谢谢

我正在尝试在 IndependantVariableA（连续）和 ResultA（因子）上运行 Wilcoxon 秩检验。更高级别的 IndependantVariableA 可能与更高级别的 ResultA 相关，但是当我尝试运行 wilcoxon 测试时，我不断收到该错误。

是否可以在配对 wilcoxon 测试中包含协变量？（例如，来自多个测试点（1 组）的数据，需要考虑 1 个变量）。

我找到了一种方法来执行我想做的程序，但我一直坚持如何重复 100 或 1000 次。

基本上，我想从数据集（花）中的每个组（group_ID）中抽取一个随机观察值（indvd_ID）。然后，我想使用 Mann-Whitney U 检验测试 A 组或 B 组的个人的平均命中数 (No_hits) 是否更高。

我为此编写的代码是：

我想我需要编写一个 for 循环，然后让它每次打印 wilcox.test 的 p 值，但我正在努力这样做！

我有点菜鸟，所以非常感谢任何知道如何提供帮助的人。:)

我正在尝试将 kruskal Wallis 和成对 Wilcoxon 检验添加到图中以显示哪些组显着不同，但我在每个组和方面都有多个组/子组，这使得它变得复杂。

这是以 iris 数据集为例的 R 代码，其想法是针对不同的变量（Sepal.Length、Sepal.Width、Petal.Length、Petal.Width）在不同的处理（A、B、C）中执行 Kruskal.test ) 每个物种，以及它们之间的 wilcox.test 成对测试：

这将产生以下图：

为了改善这个数字，我想：

1. 自动将“df_kw”中的 Kruskal 测试结果作为文本添加到图中，并且仅显示显着的 p 值（例如 KW（petal.length）p = 0.003）
2. 使不同变量（例如花瓣/花瓣长度/宽度）的处理（例如“A”、“B”、“C”）之间的威尔克森线看起来整齐（例如，所有在箱线图的顶部，具有一致的行距）
3. 使 wilcoxon 测试线的颜色与箱线图的颜色相同（当 wilcoxon 测试变量小于实际变量时，如果我隐藏非显着性，现在 'ggpar' 并不总是有效）

我被困在这里，想知道有人有解决方案吗？非常感谢！

我有我的响应变量，即未来陆地哺乳动物物种暴露于极端事件的范围的比例。更清楚地说，它是从历史时期到未来绿色气体排放情景的范围暴露比例（DPRE）的差异（它是对范围暴露百分比增加/减少水平的衡量）：这意味着我的响应变量去从 -1 到 1（其中 +1 表示该范围将经历 +100% 的暴露比例增加：从历史时期的 0% 到未来情景的 100%）。

如前所述，我正在分析所有陆地哺乳动物（5311 种，跨越不同情景和两个时间段，近期（2021-2040 年的平均值）和远期（2081-2100 年的平均值）的这些差异。所以，我的解释变量是：

• 3种绿色气体排放情景（代表性浓度途径：RCP2.6、RCP4.5和RCP8.5）；
• 时间段（近期和远期）：NF 和 FF；
• 种：5311人。

我在统计方面不是那么专家，所以我不确定我收到了两个建议中的哪一个：

• 弗里德曼测试以物种为块（但我应该以某种方式做一个嵌套模型，以 RCP 作为组，嵌套在 TimePeriods 内；或者一种双向弗里德曼，以 RCP 和 TimePeriod 作为两个不同的因素）。
• 具有 RCP*TimePeriod 作为固定效应和 (TimePeriod | Species ) 作为随机效应的线性混合模型。

我运行 t-test，所有分布结果都不正常，这就是为什么我被建议使用 Friendman 而不是 ANOVA；我运行了成对的 Wilcoxon 秩和检验，在这种情况下，我发现所有 RCP 与 NF 和 FF 的显着差异。我不得不说我运行 3 个 Wilcoxon，每个 RCP 一个，所以也许第三种选择是创建 3 个不同的模型，每个 RCP 一个，但这也会偏离弗里德曼测试的“重复测量”的标准分析.

最后考虑：我必须运行另一个模型，其中Response变量是Subrange Exposed 的比例差异。在这种情况下，保留了其他解释变量，但在这种情况下，分析不是全局的，而是考虑了 14 个 IUCN Biomes 中可能存在的差异。因此，每项分析都是针对 NF 和 FF 以及所有生物群落的 RCP 进行的。在这种情况下，我应该创建并运行 14（生物群落）x 3（RCP）x 2（时间段）= 84 个模型吗？还是一种双嵌套（时间段和生物群系）模型？

如有必要，我可以提供大型数据框。

我有一个数据框：

我想使用 wilcox 测试单独比较每个组中的列

我想做什么：

我想使用 wilcox 测试不是在组之间进行比较，而是在选定列之间的同一组内进行比较。