rstatix包wilcox_test配对检验如何识别个体样本列？

在你提供的示例中，wilcox_test能正确识别配对样本，核心原因是长格式数据的行顺序严格对应了个体的配对观测，具体逻辑如下：

1. 原数据的结构基础 #

datarium包的mice2是宽格式数据：每行代表1只小鼠（个体），包含before（给药前体重）和after（给药后体重）两列。当你用gather转成长格式时，每只小鼠的两个观测（before/after）会被转换成连续的两行，且所有个体的before在前、after在后，行顺序完全匹配个体配对关系。

2. wilcox_test(paired=TRUE)的默认配对规则 #

当未指定id参数时，wilcox_test会默认按照数据的行索引顺序一一配对：

• 第1行与第2行配对
• 第3行与第4行配对
• ……
• 第2n-1行与第2n行配对

这要求长格式数据满足两个前提：

• 两组（group中的两个水平）的样本量完全相等
• 同一配对的两个观测必须在数据中相邻排列，顺序一致

3. 验证：打乱顺序会导致配对错误 #

如果打乱mice2.long的行顺序，再运行检验，结果会完全错误，因为配对关系被破坏了：

# 打乱行顺序
set.seed(123)
mice2.long.shuffled <- mice2.long[sample(nrow(mice2.long)), ]
# 运行检验，结果会和原结果不同
mice2.long.shuffled %>% wilcox_test(weight ~ group, paired = T)

4. 更严谨的做法：显式指定id列 #

为了避免行顺序带来的配对错误，更稳妥的方式是显式指定个体id列，让函数明确识别配对关系：

# 转长格式时保留id列（原mice2数据默认有id列）
mice2.long <- mice2 %>% 
  gather(key = "group", value = "weight", before, after) %>%
  arrange(id) # 确保按id排序

# 显式指定id参数
mice2.long %>% wilcox_test(weight ~ group, paired = T, id = id)

此时函数会根据id列分组，将同一id下的两个观测作为配对样本，不受行顺序影响。

内容的提问来源于stack exchange，提问作者Wandering_geek