R语言如何对填补数据执行配对Wilcoxon秩和检验(mice/mitml包场景)
多重填补下配对Wilcoxon秩和检验的实现方案
核心适配问题
wilcox.test的默认返回结构没有t.test自带的估计值、标准误字段,无法直接提取testEstimates要求的逐次填补点估计qhat、逐次填补抽样方差uhat,照搬t检验的提取逻辑会直接报错。
实现路径1:基于位置估计的Rubin规则合并(和原有流程完全兼容)
这个方法完全沿用mitml包testEstimates的计算框架,输出和t检验完全同结构的合并结果,适合正式报告使用。
- 首先调整拟合代码,调用
wilcox.test时开启置信区间计算
给wilcox.test加conf.int = TRUE参数,函数会自动输出配对Wilcoxon检验对应的位置移位中位数估计,以及该估计的置信区间,这是后续提取标准误的核心。
fit_wilcox <- with(implist, wilcox.test( bmi, chl, paired = TRUE, conf.int = TRUE, # 开启后才会返回点估计和置信区间 conf.level = 0.95 ))
- 逐次提取点估计作为
qhat输入
est_vec <- sapply(fit_wilcox, function(x) x$estimate)
- 逐次通过置信区间反推标准误,计算抽样方差作为
uhat输入
95%置信区间的上下限差等于2倍的标准误乘以正态分位数1.96,因此可通过区间宽度反推标准误:
se_vec <- sapply(fit_wilcox, function(x) (x$conf.int[2] - x$conf.int[1]) / (2 * qnorm(0.975))) uhat_vec <- se_vec^2 # 抽样方差
- 直接传入
testEstimates完成合并
testEstimates(qhat = est_vec, uhat = uhat_vec)
实现路径2:基于检验统计量的非参数合并(小样本场景更适配)
这个方法不依赖wilcox.test的置信区间输出,直接利用Wilcoxon检验统计量的已知零分布完成合并,适合小样本、需要使用精确Wilcoxon检验的场景。
- 逐次提取每次填补得到的Wilcoxon V统计量
V_vec <- sapply(fit_wilcox, function(x) x$statistic)
- 基于配对样本量,计算Wilcoxon V统计量在零假设下的期望和方差(为固定值,和填补方式无关)
# 计算有效配对样本量(每个填补集的配对数一致) n_pair <- sum(complete.cases(d[,c("bmi", "chl")])) E_V <- n_pair * (n_pair + 1) / 4 # V的零分布期望 Var_V <- n_pair * (n_pair + 1) * (2*n_pair + 1) / 24 # V的零分布方差
- 按Rubin规则合并逐次填补的标准化Z分数,得到最终检验结果
m <- length(V_vec) # 填补总次数 Z_vec <- (V_vec - E_V) / sqrt(Var_V) # 逐次填补的标准化统计量 Z_mean <- mean(Z_vec) # 平均Z值 B <- var(Z_vec) # 填补间方差 Z_total <- Z_mean / sqrt(1 + B/m) # 调整后的总Z值 p_total <- 2 * (1 - pnorm(abs(Z_total))) # 双侧检验p值
常见注意事项
- 调用
wilcox.test时如果不设置conf.int = TRUE,返回对象不会包含位置估计值、置信区间字段,之前看到的parameter = NULL就是未开启该参数导致的,并非方法本身无法计算估计量。 - 路径1适合需要报告效应量、置信区间的场景,输出和t检验的合并结果结构完全一致;路径2适合只需要检验显著性的小样本场景,不需要依赖置信区间的近似计算。
内容的提问来源于stack exchange,提问作者Gurkenhals
相关产品推荐
相关产品推荐

