Mój problem: randomizowane badanie równoległe w grupie z bardzo skośnym rozkładem pierwotnego wyniku. Nie chcę zakładać normalności i używać opartych na normach 95% CI (tj. Używając 1,96 X SE).
Bez problemu wyrażam miarę tendencji centralnej jako mediany, ale moje pytanie brzmi: jak skonstruować 95% CI różnicy w medianach między dwiema grupami.
Pierwszą rzeczą, która przychodzi na myśl, jest ładowanie (ponowne próbkowanie z zastąpieniem, określenie mediany w każdej z dwóch grup i odejmowanie jednej od drugiej, powtórzenie 1000 razy i użycie 95% CI skorygowanego o błąd systematyczny). Czy to jest właściwe podejście? Jakieś inne sugestie?
wilcox.test()
(podDetails
), jest to ściśle związane z różnicą w medianach, ale nie całkiem takie samo.Odpowiedzi:
Opisana procedura ładowania początkowego powinna być poprawna. Należy jednak pamiętać, że podobnie jak normalny przedział ufności 95%, przedział ufności ładowania początkowego gwarantuje jedynie asymptotyczny prawidłowy zasięg. Jedną fajną rzeczą w pracy z medianą lub innymi kwantylami jest to, że możesz konstruować dokładne przedziały ufności dla skończonych próbek przy bardzo słabych założeniach. Podstawową ideą jest to, że pod zerową medianą jest , wskaźnikiem dla jest zmienna losowa Bernoulliego 0,5. Za pomocą tej obserwacji można utworzyć statystykę testową ze znanym rozkładem próbek skończonych. Więcej szczegółów można znaleźć w Czarnozhukov, Hansen, Jansson (2009) .m y < my m y<m
źródło
Możesz także wypróbować metodę zaproponowaną w http://www.ncbi.nlm.nih.gov/pubmed/12243307 (Bonett, Price; 2002) jako prostszą (przynajmniej obliczeniową) alternatywę. Przy okazji, dobre pytanie.
źródło