내 문제 : 평행 그룹 무작위 시험은 일차 결과의 매우 오른쪽으로 치우친 분포를 가지고 있습니다. 정규성을 가정하고 정규 기반 95 % CI를 사용하고 싶지 않습니다 (즉, 1.96 X SE 사용).
중앙 경향의 척도를 중앙값으로 표현하는 것이 편안하지만, 제 질문은 두 그룹 사이의 중앙값 차이의 95 % CI를 구성하는 방법입니다.
가장 먼저 염두에 두어야 할 것은 부트 스트랩입니다. 이것이 올바른 접근법입니까? 다른 제안?
3
그것은 내 마음에 온 첫 번째 일이었습니다. 샘플이 얼마나 큽니까?
—
jbowman
두 그룹의 각 40 명 = 총 80 명.
—
pmgjones
Hodges-Lehmann 추정기 에 기반한 위치 매개 변수의 차이에 대해서는 비모수 신뢰 구간 및 추정기를 살펴볼 수 있습니다 . R의 도움말 페이지
—
caracal
wilcox.test()
(아래 참조) 에서 설명한 바와 Details
같이이 값은 중앙값의 차이와 밀접한 관련이 있지만 동일하지는 않습니다.
중앙값 부트 스트랩과 관련하여 스무딩 된 부트 스트랩에 대해 읽어 보는 것이 좋습니다.
—
caracal
@ caracal : 이것은 좋은 지적입니다. 일반 부트 스무드 또는 스무딩 부트 스트랩 모두 올바른 점근 적 범위를 갖지만 스무드 부트 스트랩의 적용 확률은 약간 더 빠른 속도로 수렴합니다. 올바르게 기억하면 일반적인 부트 스트랩의 경우 = O ( n - 1 / 3 ) , 평활화 된 부트 스트랩의 경우 O ( n - 2 / 5 ) . Koenker (2005)의 Quantile Regression 에서 추가 참조를 통해 이에 대한 간단한 설명이 있습니다.
—
paul