1. statistic
    • 这一列表示Wilcoxon秩和检验的统计量值。对于Wilcoxon秩和检验,统计量通常是基于两组数据秩次的和差异计算得出的。具体来说,它可能是W统计量(也称为Wilcoxon秩和统计量),该统计量反映了两组数据中观测值秩次之和的差异。统计量的具体值可以用来计算p值,进而判断两组数据是否有显著差异。
  2. alternative
    • 这一列描述了执行Wilcoxon秩和检验时采用的备择假设(alternative hypothesis)。备择假设定义了两组数据之间差异的预期方向。具体地,它可以是以下之一:
      • two.sided:表示两边检验,即测试两组数据是否不同,不预设任何一组的数值普遍高于或低于另一组。
      • greater:表示单边检验,具体来说,是测试第一组的数值是否普遍大于第二组。
      • less:同样是单边检验,但是测试第一组的数值是否普遍小于第二组。

    在大多数情况下,broom::tidy()函数默认提取的是two.sided的备择假设结果,除非在执行wilcox.test时特别指定了alternative参数。

总结statistic列提供了判断组间差异显著性的统计依据,而alternative列说明了这种差异的预期方向或性质。在解读Wilcoxon秩和检验结果时,这两个指标都非常重要,statistic用于了解差异的统计显著性,alternative则帮助理解这种差异的预期方向。

 

在Wilcoxon秩和检验中,统计量(通常指的是W统计量)的绝对大小本身并不直接决定差异的显著性。显著性是通过统计量对应的p值来判断的,p值计算考虑了样本大小和统计量的分布。也就是说,即使统计量较大,但如果对应的p值大于显著性水平(如0.05),我们仍然不能认为两组之间有显著差异。

Wilcoxon秩和检验的统计量W基于秩次,它表示一个组的秩和与在完全随机情况下期望的秩和之间的差异。在一定程度上,W统计量的大小可以反映组间差异的程度,但它的具体数值受到样本大小的影响,因此不能单独用W的大小直接判断差异的显著性。

总的来说:

  • 统计量的大小并不能直接告诉我们差异是否显著。显著性是通过p值来判断的,p值反映了观测到的统计量(或更极端的值)在零假设成立时出现的概率。
  • p值才是用来判断统计显著性的关键指标。如果p值小于事先设定的显著性水平(例如0.05),则认为两组之间有统计学上的显著差异。

因此,当评估Wilcoxon秩和检验的结果时,应重点关注p值而不是仅仅看统计量的大小。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。