从技术上讲，参考类别和测试方向取决于因子变量的编码方式。使用您的玩具数据：

> wilcox.test(x ~ y, data=data, alternative="greater")

    Wilcoxon rank sum test with continuity correction

data:  x by y 
W = 52, p-value = 1
alternative hypothesis: true location shift is greater than 0 

> wilcox.test(x ~ y, data=data, alternative="less")

    Wilcoxon rank sum test with continuity correction

data:  x by y 
W = 52, p-value < 2.2e-16
alternative hypothesis: true location shift is less than 0 

请注意，两种情况下的 W 统计量是相同的，但测试使用的是采样分布的相反尾部。现在让我们看一下因子变量：

> levels(data$y)
[1] "A" "B"

我们可以对其进行重新编码以使“B”成为第一级：

> data$y <- factor(data$y, levels=c("B", "A"))

现在我们有：

> levels(data$y)
[1] "B" "A"

请注意，我们并没有更改数据本身，只是在“幕后”对分类变量进行编码：

> head(data)
          x y
1 0.4395244 A
2 0.7698225 A
3 2.5587083 A
4 1.0705084 A
5 1.1292877 A
6 2.7150650 A

> aggregate(data$x, by=list(data$y), mean)
  Group.1        x
1       B 5.292817
2       A 1.034404

但是现在测试的方向颠倒了：

> wilcox.test(x ~ y, data=data, alternative="greater")

    Wilcoxon rank sum test with continuity correction

data:  x by y 
W = 2448, p-value < 2.2e-16
alternative hypothesis: true location shift is greater than 0 

W 统计量不同，但p值alternative="less"与具有原始顺序的类别的测试相同。对于原始数据，可以解释为“从 B 到 A 的位置偏移小于 0”，对于重新编码的数据，它可以解释为“从 A 到 B 的位置偏移大于 0”，但这实际上是相同的假设（但请参阅 Glen_b 对问题的评论以获得正确的解释）。

因此，在您的情况下，您想要的测试似乎是alternative="less"（或者，等效地，alternative="greater"使用重新编码的数据）。这有帮助吗？