Có cách nào khác để kiểm tra Kolmogorov-Smirnov cho dữ liệu bị ràng buộc với hiệu chỉnh không?

Tôi đã nhận được một loạt dữ liệu từ hai mẫu (được kiểm soát và xử lý), mỗi mẫu chứa vài nghìn giá trị phải trải qua thử nghiệm có ý nghĩa trong R. Về mặt lý thuyết, các giá trị phải liên tục, nhưng do làm tròn bằng phần mềm đo lường mà chúng phát sinh ' t và họ đã có quan hệ. Các bản phân phối chưa được biết và hình dạng của các bản phân phối được kiểm soát và xử lý có thể khác nhau, vì vậy tôi muốn sử dụng một thử nghiệm không tham số để so sánh nếu sự khác biệt giữa các mẫu có ý nghĩa đối với 10 yếu tố khác nhau.

Tôi đã nghĩ đến việc sử dụng thử nghiệm Kolmogorov-Smirnov, nhưng nó không thực sự phù hợp với các mối quan hệ. Gần đây tôi tình cờ thấy một thư viện R mới có tên là Match thực hiện phiên bản bootstrap của thử nghiệm KS và chấp nhận các mối quan hệ. Bây giờ đây thực sự là một ý tưởng tốt hay tôi nên sử dụng một thử nghiệm khác thay thế? Và tôi có cần điều chỉnh giá trị p không?

Thay vì sử dụng kiểm tra KS, bạn có thể chỉ cần sử dụng quy trình hoán vị hoặc lấy mẫu lại như được thực hiện trong oneway_testchức năng của coingói. Có một cái nhìn vào câu trả lời được chấp nhận cho câu hỏi này .

Cập nhật : Gói của tôi afexchứa hàm compare.2.vectorsthực hiện hoán vị và các thử nghiệm khác cho hai vectơ. Bạn có thể lấy nó từ CRAN:

install.packages("afex")

Đối với hai vectơ xvà ynó (hiện tại) trả về một cái gì đó như:

> compare.2.vectors(x,y)
$parametric
   test test.statistic test.value test.df       p
1     t              t     -1.861   18.00 0.07919
2 Welch              t     -1.861   17.78 0.07939

$nonparametric
             test test.statistic test.value test.df       p
1 stats::Wilcoxon              W     25.500      NA 0.06933
2     permutation              Z     -1.751      NA 0.08154
3  coin::Wilcoxon              Z     -1.854      NA 0.06487
4          median              Z      1.744      NA 0.17867

Bất kỳ ý kiến ​​liên quan đến chức năng này đều được hoan nghênh.