Bootstrap p 值降低中位数差异稳健秩序检验的第一类错误

稳健秩序检验（Fligner 和 Policello，1981）旨在改进非参数 Wilcoxon-Mann-Whitney U 检验，以在比较的样本具有不等方差时更为适用。然而，当样本不对称时，它往往过于宽松。这可能是因为检验统计量在样本量 > 12 时被假定为标准正态分布。本文提出一种即时方法以获得检验统计量的分布，并由此直接计算临界值/p 值。采用似然最大化方法估计所比较样本母分布的参数。利用这些估计总体，通过蒙特卡洛方法获得检验统计量的零分布。进行模拟以将所提方法与检验统计量的标准正态近似方法比较。对于小样本量（<= 20），蒙特卡洛方法优于正态近似方法。对于低显著性水平（< 5%）尤其如此。此外，当较小样本具有较大标准差时，即便对于大样本量（= 40/60），蒙特卡洛方法也优于正态近似方法。两种方法的功效无差异。最后，发现 10^4 的蒙特卡洛样本量足以获得上述相对性能改进。因此，本研究结果为开发以无分布方式执行稳健秩序检验的工具箱铺平了道路。