มีทางเลือกอื่นสำหรับการทดสอบ Kolmogorov-Smirnov สำหรับข้อมูลที่เชื่อมโยงกับการแก้ไขหรือไม่?

ฉันได้รับข้อมูลจำนวนมากจากตัวอย่างสองตัวอย่าง (ควบคุมและจัดการ) แต่ละค่ามีหลายพันค่าซึ่งต้องผ่านการทดสอบที่สำคัญใน R. ตามทฤษฎีค่าควรจะต่อเนื่อง แต่เนื่องจากการปัดเศษทำโดยซอฟต์แวร์การวัดที่พวกเขาไม่ได้ ' และพวกเขามีความผูกพัน การแจกแจงไม่เป็นที่รู้จักและรูปร่างของการควบคุมและการแจกแจงที่ได้รับการรักษาอาจแตกต่างกันดังนั้นฉันต้องการใช้การทดสอบแบบไม่อิงพารามิเตอร์เพื่อเปรียบเทียบว่าความแตกต่างระหว่างตัวอย่างมีความสำคัญสำหรับ 10 ปัจจัยที่แตกต่างกันหรือไม่

ฉันคิดว่าจะใช้การทดสอบ Kolmogorov-Smirnov แต่มันไม่เหมาะสำหรับความสัมพันธ์ ฉันเพิ่งสะดุดกับห้องสมุด R ใหม่ที่เรียกว่าการจับคู่ที่ดำเนินการทดสอบรุ่น bootstrap ของ KS และยอมรับความสัมพันธ์ ตอนนี้เป็นความคิดที่ดีจริง ๆ หรือฉันควรใช้การทดสอบอื่นแทนหรือไม่ และฉันจำเป็นต้องปรับค่า p หรือไม่?

แทนที่จะใช้การทดสอบ KS คุณสามารถใช้ขั้นตอนการเปลี่ยนรูปหรือการสุ่มใหม่ตามที่ใช้ในoneway_testฟังก์ชั่นของcoinแพคเกจ ดูที่คำตอบที่ยอมรับสำหรับคำถามนี้

ปรับปรุง : แพ็คเกจของฉันafexมีฟังก์ชั่นที่compare.2.vectorsใช้การเปลี่ยนแปลงและการทดสอบอื่น ๆ สำหรับเวกเตอร์สองตัว คุณสามารถรับได้จาก CRAN:

install.packages("afex")

สำหรับเวกเตอร์สองตัวxและy(ในปัจจุบัน) ให้ผลตอบแทนดังนี้:

> compare.2.vectors(x,y)
$parametric
   test test.statistic test.value test.df       p
1     t              t     -1.861   18.00 0.07919
2 Welch              t     -1.861   17.78 0.07939

$nonparametric
             test test.statistic test.value test.df       p
1 stats::Wilcoxon              W     25.500      NA 0.06933
2     permutation              Z     -1.751      NA 0.08154
3  coin::Wilcoxon              Z     -1.854      NA 0.06487
4          median              Z      1.744      NA 0.17867

ความคิดเห็นใด ๆ เกี่ยวกับฟังก์ชั่นนี้ยินดีอย่างมาก