数据分析：Wilcoxon tests的分区（阻塞）的检验

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 685平均单平台已同步平台 CSDN 微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄3年

关注

原创 2025-05-16 08:09:29 685 阅读 AI 写同款· GEO 优化 ›

数据分析专栏收录该内容

¥99.90 ¥299.90

147篇文章

订阅专栏

文章目录

- 介绍
- 案例
- 其他
- Reference

介绍

今天阅读一篇文章看到 “Two-sided Wilcoxon tests blocked for ‘study’”，以前经常见过ANOVA有分区的计算，但是也是第一次见wilcoxon rank-sum test也有分区检验的情况。

"Two-sided Wilcoxon tests blocked for ‘study’"的含义是：Wilcoxon检验是在考虑不同研究来源的影响下进行的。这不同于单纯地在每个研究内部分别进行Wilcoxon检验，因为它试图控制或调整来自不同研究的潜在影响，从而提供更准确和可靠的整体分析结果

案例

本次注意用R代码实现，需要注意

group需要因子化
study也需要因子化

# 安装并加载coin包
library(coin)

# 示例数据，确保group和study列均为因子类型
data <- data.frame(
  variable = rnorm(100),
  group = factor(rep(c("A", "B"), 50)),
  study = factor(rep(c("Study1", "Study2"), each = 50))
)

# 使用wilcox_test进行分组Wilcoxon检验
result <- wilcox_test(variable ~ group | study, data = data)
print

了解本专栏

订阅专栏解锁全文

收录于

当前文章被以下社区和专栏收录：

标签

#数据分析

非参数检验-Wilcoxon,Wilcoxon-Mann-Whitney符号秩检验以及Pearson，Spearman秩，Kendall τ相关检验（附带实例-R实现）非参数检验-Wilcoxon,Wilcoxon-Mann-Whitney符号秩检验以及Pearson，Spearman秩，Kendall τ相关检验，符号检验阅读详情

相关推荐

Wilcoxon signed-rank test的原理

治疗前得分 = [6, 3, 7, 4, 8, 5, 2, 4, 5, 9] 治疗后得分 = [4, 2, 6, 3, 7, 4, 2, 4, 5, 10]正差异值的符号秩次为其在排序列表中的位置，负差异值的符号秩次为其在排序列表中的位置的相反数。同样，差异值为1的出现了6次，分配的符号秩次是6.5的平均值。正差异是指差异值大于零的样本对应的秩次之和，负差异是指差异值小于零的样本对应的秩次之和。计算差异的绝对值并排序：对于每对相关样本的差异，计算其绝对值，并按照绝对值的大小对差异进行排序，忽略零差异。

DeniuHe的博客 5598

多元统计分析小总结 python实现

元：数学上称变量为元一元统计分析：一个变量(标志值或指标)的统计分析理论和方法(单个随机变量𝑋 ) 多元统计分析：主要讲授多变量统计理论和方法(随机向量𝑋=(𝑋1, 𝑋2, … , 𝑋𝑛),𝑋𝑖均为随机变量）研究内容 ...

qq_51308613的博客 5858

Python和Matlab rank sum test区别（秩和检验）

weixin_39490300的博客 1264

单一样本Wilcoxon符号秩检验

数据要求：单峰对称分布，数据在其两边分布的疏密情况是对称的很过不对称的单峰数据分布可能通过变换化为对称分布。多峰分布通过混合分布整体表示后，每一个分布也可以用单峰对称的分布表示。就对称分布而言，对称中心只有一个，中位数却可能有很多个。例子： -0.27 -0.03 -0.56 -0.14 -0.15 30 80 100 对数据来说，0是这组数据的中位数

zxy_clover的博客 1万+

Wilcoxon符号秩检验在统计学中是一种非参数检验方法，用于比较两组相关或配对的样本数据

参数alternative用于指定备择假设的类型，可选值为"two.sided"（双侧检验，默认值）、“less”（小于检验）和"greater"（大于检验）。除了Wilcoxon符号秩检验之外，R语言还提供了其他一些函数用于执行不同类型的非参数检验，如Kruskal-Wallis检验、Mann-Whitney U检验等。在本例中，p值为0.6345，大于显著性水平（通常是0.05），说明无法拒绝原假设，即认为A组和B组的电影评分之间没有显著差异。假设我们有两组电影的评分数据，分别为A组和B组。

CyberLynxO的博客 871

哨兵2号遥感影像解析全流程：步骤、算法与AI应用详解

未来，多源数据融合与边缘计算技术的应用将进一步拓展遥感解析的边界。波段合成：选择10m分辨率波段（如B2、B3、B4、B8）进行Layer Stacking，生成多光谱影像。| 分类与识别 | Scikit-Learn、PyTorch | SVM、CNN、K-Means聚类 | 地块分类、目标检测 || 数据预处理 | SNAP、Sen2Cor | 大气校正、几何校正 | L2A产品生成、格式转换 || 波段融合 | ENVI、GDAL | Layer Stacking、重采样 | 多光谱影像合成 |

zhz5214的博客 2707

ArcGIS通过已知坐标点转面（通过excel文件，有工具可批量生成面要素）

通过使用ArcGIS中的工具，将坐标点XY数据转换成可视化的点线面矢量数据，更加方便快捷有效的获取对应信息

qq_41046162的博客 3万+

高分三号SAR影像超精细条带数据预处理实战：从原始数据到地理编码的完整操作指南

本文提供了高分三号SAR影像超精细条带数据预处理的完整实战指南。详细介绍了从原始数据导入、多视处理、滤波去噪、DEM准备到地理编码与辐射定标的完整流程，帮助用户利用SARscape软件将原始SAR数据转化为可用于分析的地理编码产品。

tree8的博客 567

Allegro17.4原理图-PCB双向联动技巧：从网表生成到同步高亮

本文深入解析了Cadence Allegro 17.4中原理图与PCB的深度双向联动技巧。核心在于通过精准的网表生成与管理、实时的跨窗口交互高亮与信号追踪，以及元件与封装的智能匹配更新，构建高效协同设计工作流。掌握这些技巧能显著提升高速、高密度电路设计的效率与准确性，实现从逻辑设计到物理实现的无缝衔接。

weixin_29178069的博客 352

Apollo&Carla联合仿真基本操作

基于UE4开发的开源无人驾驶仿真器PythonAPI自动驾驶传感器（还有理想化的collision detection传感器）用于规划和控制的快速仿真地图生成交通场景（open scenario）仿真ROS集成自动驾驶baseline0.9.15新特性新的车型以及地图基于Omniverse的素材导入基于OSM的三维场景生成。

SLAM小土堆 3797

QT+Halcon实现螺纹检测

工业上要检测螺丝的内外直径、内外牙距、内外角度，现在比较好用的图像处理库，开源的opencv，收费的有halcon。为了实现螺纹检测，和对比螺纹检测拿个库比较好。分别用opencv和halcon实现了螺纹检测，通过对比发现用halcon实现的效果比较。现在用博客把实现过程记录下来： 1、需要检测的螺纹数据如下： 2、为了实现检测螺丝以上数据，螺纹内径、螺纹外径、螺纹外牙距、螺纹...

专注现代C++实战，从核心语法到高性能编程，助力开发者深入掌握系统级编程精髓。 7047

【DeepSeek-R1 】分词系统架构解析

DeepSeek-R1 分词系统解析 DeepSeek-R1 采用 SentencePiece Unigram 算法，通过统计语言模型实现高效子词分词。其核心优势包括：算法对比：相比 BPE/WordPiece，Unigram 基于概率模型，支持多语言，自动回退字符级处理。特性优化：智能空格处理、数字分桶、多语言统一支持，并采用前缀树索引和 SIMD 并行加速，编码速度达 12,458 tok/s。

赶紧的博客 426

如何使用 Python 爬虫爬取滴滴打车信息：获取司机和乘客数据

滴滴打车作为中国最大的打车平台之一，提供了丰富的司机和乘客数据，包括司机的车辆信息、乘客的评价、行程数据等。公开的司机和车辆信息（如司机的名字、车辆类型、评价等）可以通过网页直接获取，而乘客的个人信息和具体行程数据通常会受到隐私保护。在滴滴打车的网页中，司机的信息可能以特定的 HTML 标签存在，例如包含司机名称、车辆类型、车辆等级等信息。我们需要分析网页的 HTML 结构，找到这些数据所在的标签。同时，对于涉及到隐私的用户数据（如乘客的行程信息、用户评价等），我们必须特别谨慎，避免侵犯他人的隐私。

2201_76125261的博客 1912

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版【x86|x64】

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

WINCC7.3破解文件

WINCC7.3硬件够破解文件，有需要的下载！WINCC7.3硬件够破解文件，有需要的下载！

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

上一篇：数据分析：扩增子-16s rRNA分析snakemake流程

下一篇：代谢组数据分析（四）：多种差异分析方法筛选代谢物标记物

Wilcoxon signed-rank test的原理

DeniuHe的博客

05-29

5598