非参数数据的 TOST
TOST for non-parametric data
我正在使用包 'equivalence' 中的函数 'tost' 对正态分布数据进行等效性测试。在非正态分布数据的情况下，我想进行与 TOST 等效的非参数化。
我知道如何使用两个单侧 t 检验自己进行 TOST，并将较高的 p 值作为 TOST p 值。我可以简单地与 wilcox.test 相同，这意味着对所选边距进行两次单边测试，仅此而已？
是的，置信区间包含原则（如果距离度量的置信区间完全包含在等价区间内，则决定支持等价）也可以与非参数检验一起使用，例如Wilcoxon 符号测试。
我推荐 Wellek 的书 "Testing Statistical Hypotheses of Equivalence and Noninferiority"，在那里你会发现一个更强大的非参数方法（双样本设置的等价性 Mann-Whitney 检验）。但据推测，此测试尚未在 R 中实现。
事实上，这个测试（non-parametric 等价测试 - “mawi”）是在 R 包 EQUIVNONINF 中实现的。享受吧！
我正在使用包 'equivalence' 中的函数 'tost' 对正态分布数据进行等效性测试。在非正态分布数据的情况下，我想进行与 TOST 等效的非参数化。 我知道如何使用两个单侧 t 检验自己进行 TOST，并将较高的 p 值作为 TOST p 值。我可以简单地与 wilcox.test 相同，这意味着对所选边距进行两次单边测试，仅此而已？
是的，置信区间包含原则（如果距离度量的置信区间完全包含在等价区间内，则决定支持等价）也可以与非参数检验一起使用，例如Wilcoxon 符号测试。 我推荐 Wellek 的书 "Testing Statistical Hypotheses of Equivalence and Noninferiority"，在那里你会发现一个更强大的非参数方法（双样本设置的等价性 Mann-Whitney 检验）。但据推测，此测试尚未在 R 中实现。
事实上，这个测试（non-parametric 等价测试 - “mawi”）是在 R 包 EQUIVNONINF 中实现的。享受吧！