符号検定とウィルコクソン符号順位検定のどちらを選択するのですか？

これら2つのテストから1つを選択して、ペアのデータを分析しようとしています。誰が一般にどれを選ぶべきかについての経験則を知っていますか？

これら2つのテストから1つを選択して、ペアのデータを分析しようとしています。誰が一般にどれを選ぶべきかについての経験則を知っていますか？

符号付き順位検定は、ヌル下での差の対称性について、符号検定が必要としない仮定を備えています。（この仮定は、符号なしのランクの差に付けられた符号の順列が等しく可能になるために必要です。）

一方、母集団にほぼ対称性があり、テールがそれほど重くない場合は、符号付きランクの方が強力です。

[これは、サンプルに基づいてそれらの間で選択するためのアドバイスとして解釈されるべきではありません。一般に、公称値とは異なるテストプロパティが発生します（テストに偏りがある可能性があります。実際の有意水準は見かけとは異なっている、計算されたp値は真のp値を表していない、など）。代わりに、可能であれば、テストが適用されるサンプルの外部の知識に基づいて特性を評価する必要があります-対象領域の知識、このような他のデータセットの知識、サンプル分割など...）

私の場合、順位和検定は最大のp値を持ち、符号検定は中程度、符号付き順位は最小です。したがって、より強力です。

これは、テストがより強力であると判断する方法ではありません。1つのサンプルに関するp値が低いのは、単にそのサンプルの変動が原因である可能性がありますが、パワーは、同じ母集団から抽出されたすべてのランダムサンプル全体の動作に関するものです。

$H_0$

同様の方法で、ペア差の異なる位置*を持つ一連の母集団の拒絶率を計算し、全体の電力曲線を取得できます。次に、「より高い検出力」は、一方のテストが他方のテストの上にある場合の出力曲線全体（またはそのほとんどすべて、両方が同じ有意水準でなければならないことに注意）に対応します。

*現在のディスカッションの中央値と見なすことができます-符号付き順位検定の推定量はペア差のペア平均の中央値ですが、対称性の仮定の下では、位置推定量も中央値ペアの適切な推定値でなければなりません差。

関連する質問は次のとおりです。t検定またはノンパラメトリック検定のどちらを選択するか（例：少量のサンプルにおけるWilcoxon）。答えの1つには、現在の問題の（簡単な）ディスカッションが含まれます。