如何处理单数据集含缺失值的Wilcoxon符号秩检验及配对观测数不匹配问题

配对分析的核心前提是两组观测为一一对应的配对关系（如同一受试者的两次检测结果、1:1匹配的病例对照样本），观测数不一致可按以下步骤处理：

• 第一步核对两组样本的唯一匹配标识（如样本ID、配对编号），定位41条冗余观测的所属分组，排查是否为数据导入、录入环节的遗漏/重复问题
• 若为匹配逻辑错误，可基于匹配标识做内连接筛选共有的配对样本：
  • R语言可使用merge(数据集1, 数据集2, by = "匹配ID列名")实现
  • Python可使用pandas.merge(数据集1, 数据集2, on = "匹配ID列名", how = "inner")实现
• 若确认冗余观测为无法完成匹配的有效样本，需将该部分样本排除后再做配对分析，或改用非配对的统计检验方法
  注意：调整样本范围后需在分析报告中明确说明筛选规则，避免结果出现选择性偏倚

Wilcoxon符号秩检验为配对检验方法，你提到的「单个数据集」通常指单数据集内存储了配对的两组变量，或是单组样本与指定总体中位数做检验的场景，针对缺失值的处理方案如下：

• 优先做缺失值排查：若单条配对观测的任意一个值存在缺失，默认采用行删除法排除该观测，避免干扰秩次计算；若缺失值占比超过10%，需先验证缺失是否为随机缺失，盲目删除可能导致结果偏差
• 不同分析工具的实现代码：
  • R语言：调用基础函数即可自动处理缺失值，配对检验代码为wilcox.test(分组1变量, 分组2变量, paired = TRUE, na.rm = TRUE)，单样本与指定中位数检验代码为wilcox.test(目标变量, mu = 总体中位数, na.rm = TRUE)
  • Python：使用scipy库实现，配对检验代码为scipy.stats.wilcoxon(分组1序列, 分组2序列, nan_policy='omit')，单样本与指定中位数检验代码为scipy.stats.wilcoxon(目标序列 - 总体中位数, nan_policy='omit')

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