在R中为Wilcoxon符号秩检验选择合适的事后检验方法

核心问题说明 #

你已用配对Wilcoxon检验分析time分组的配对数据，现在需要匹配合适的事后检验方法，同时你的Bonferroni校正代码报错，还不确定Dunn检验是否适用。

方法适配性解析 #

• Bonferroni校正：是适配配对Wilcoxon事后检验的方法，但你代码报错的原因是wilcox.test()本身没有p.adjust.method参数，不能直接在该函数内指定校正方法。
• Dunn检验：仅适用于独立样本的秩和检验事后比较，完全不适合配对数据场景，不要使用。

正确实现方式 #

手动批量检验+Bonferroni校正 #

假设Category_time是多时间点分组（如time1、time2、time3），可按以下步骤操作：

library(tidyverse)
# 生成所有两两配对的分组组合
comparisons <- combn(unique(data$Category_time), 2, simplify = FALSE)

# 批量执行配对Wilcoxon检验并校正p值
posthoc_results <- map_dfr(comparisons, function(pair) {
  subset_data <- filter(data, Category_time %in% pair)
  test_result <- wilcox.test(score ~ Category_time, data = subset_data, paired = TRUE)
  tibble(
    group1 = pair[1],
    group2 = pair[2],
    statistic = test_result$statistic,
    raw_p = test_result$p.value,
    adjusted_p = p.adjust(test_result$p.value, method = "bonferroni", n = length(comparisons))
  )
})

print(posthoc_results)

用rstatix包简化操作 #

rstatix包专门支持统计检验的事后分析，内置了配对Wilcoxon的多重比较功能：

library(rstatix)
# 直接执行配对Wilcoxon事后检验+Bonferroni校正
posthoc_rstatix <- data %>%
  wilcox_test(score ~ Category_time, paired = TRUE, p.adjust.method = "bonferroni")

print(posthoc_rstatix)

关键注意事项 #

• 确保数据严格配对：每个个体在Category_time的所有水平下都有对应的score值，否则配对检验会报错。
• 除Bonferroni外，也可选择holm校正（比Bonferroni更宽松，统计效力更高），只需将校正方法参数改为"holm"即可。

内容的提问来源于stack exchange，提问作者denise