如何在R中对含权重的两组样本进行加权中位数检验？

针对带权重的两组收入中位数差异检验，有几种可行的方法，可替代普通的Mood's中位数检验：

1. 加权版Mood's中位数检验 #

这是普通Mood's检验的直接扩展，步骤如下：

• 计算合并样本的加权中位数：将所有观测值按收入排序，累加权重值，直到累加和达到总权重的50%，对应的收入值即为加权中位数。
• 对每组样本，将观测值分为两类：收入≥加权中位数、收入<加权中位数，分别计算每类的权重总和（替代普通检验中的计数），构建2×2列联表。
• 用加权卡方检验（比如加权Pearson卡方或似然比卡方）检验两组与类别（是否≥中位数）的独立性，判断中位数是否存在差异。

2. 加权Wilcoxon秩和检验（加权Mann-Whitney U检验） #

虽然这是基于秩的检验，但当两组分布形状相似时，它可以有效推断中位数差异，且支持权重纳入：

• 给每个观测值的秩乘以其对应的权重，计算两组的加权秩和。
• 通过统计软件实现：比如R中coin包的wilcox_test()函数支持weights参数；SPSS在非参数检验模块中可直接设置权重变量。

3. 加权Bootstrap检验 #

如果不想依赖分布假设，可采用Bootstrap方法：

• 按每组观测值的权重作为抽样概率，进行有放回重复抽样（次数建议≥1000次）。
• 每次抽样后计算两组的加权中位数，得到中位数差值的抽样分布。
• 通过判断原假设（中位数差为0）是否落在差值分布的置信区间外，或计算p值（差值绝对值≥原样本差值的比例）来检验差异。

实操注意点 #

• 明确权重类型：抽样权重（代表样本对总体的代表性）和分析权重（调整观测值的重要性）会影响检验的解读和计算方式。
• 部分方法需调整自由度：比如加权卡方检验可使用有效样本量（总权重平方除以权重平方和）来调整自由度，提升检验的准确性。

内容的提问来源于stack exchange，提问作者TrebiLime